Nvidia rechnet mit 70 Prozent Wachstum, ein System kostet 8,5 Millionen Dollar

Jensen Huang trat auf der Konferenz Goldman Sachs Communacopia and Technology auf und erklärte dort, warum Nvidia aus seiner Sicht nicht langsamer wird. „Die meisten Leute denken, Nvidia baut einen Chip. Man braucht Flugzeuge, um das zu transportieren, was wir bauen“, sagte der Firmenchef. TechCrunch zitiert ihn mit diesen Worten.

Am anschaulichsten wurde er beim Preis. „Ein GPU ist heute nicht 399 Dollar. Es sind 8,5 Millionen Dollar. Ein GPU, alles über NVLink verbunden, 2 Millionen Teile, 250 Tsd. Kilowatt“, sagte Huang. Die Bestellungen für ein bestimmtes System, in dem sich 36 Grace-Prozessoren mit 72 Blackwell-Chips verbinden, wachsen derzeit um 27 Prozent pro Monat.

Das ist nicht nur Marketing. Die Ergebnisse für das zweite Quartal, veröffentlicht anlässlich der Ankündigung einer erweiterten Vereinbarung mit Amazon, zeigten 96,2 Mrd. Dollar Umsatz aus dem Verkauf. Auf Rechenzentren entfielen 89 Mrd. Dollar, also 117 Prozent mehr als ein Jahr zuvor. Das Unternehmen kündigte 108 Mrd. Dollar Umsatz im dritten Quartal an, teilweise dank der Chips der neuen Generation Rubin.

Die Nachfrage zeigt sich an der Größe der Bestellungen. Amazon verdoppelte den Einsatz: Nach über einer Million Nvidia-Chips, die für 2026 bestellt wurden, kommen weitere 2 Millionen GPU hinzu, die in den Jahren 2027–2028 in die AWS-Rechenzentren gehen, darunter Blackwell Ultra, Rubin und Rubin Ultra. Das amerikanische Unternehmen entwickelt aber auch eigene Chips. Im letzten Quartalsbericht hieß es, sein Geschäft mit eigenen Chips habe 25 Mrd. Dollar Jahresumsatz auf annualisierter Basis überschritten. Es stützt sich dabei auf 225 Mrd. Dollar Verpflichtungen von KI-Laboren wie Anthropic und OpenAI.

Huang nennt die Konkurrenz direkt: Hyperscaler, also Amazon, Microsoft und Google, die eigene Chips bauen; KI-Labore, die dasselbe tun; das bereits börsennotierte Cerebras sowie Start-ups wie Etched. Seine Antwort läuft auf das Argument der Größe des Systems hinaus, nicht des einzelnen Chips. Darin liegt der Kern der diesjährigen Erzählung über das Geld in der KI: Gekauft wird nicht Silizium, sondern komplette, einsatzbereite Anlagen mit einer Leistung von Hunderten Kilowatt.

Die Antwort Nvidias auf die Fragen zur Konkurrenz ist finanziell, nicht technisch. Die internen Systeme der Hyperscaler und die spezialisierten Chips der Start-ups lösen einzelne Inferenzaufgaben, ersetzen aber nicht eine ganze Trainingsanlage. Kauft der Kunde keine Karte, sondern ein fertiges System mit einer Leistung von Hunderten Kilowatt, schlägt sich die wachsende Zahl bestellter Einheiten in Umsätzen nieder. Kein Hersteller von Inferenz-Chips kann dieses Tempo wiederholen. Deshalb klingt die Prognose von 70 Prozent Wachstum hier nicht wie eine Angeberei, sondern wie die Folge des Preisplans: Je größer die Anlage, desto größer die Rechnung, und die Rechnung wird heute in Milliarden Dollar bezahlt.