Die Investitionen in generative künstliche Intelligenz (KI) könnten in den nächsten Jahren die Grenze von einer Billion US-Dollar überschreiten. Wird sich das auszahlen? „Das ist im Moment das Zentrum aller Debatten“, sagt Sung Cho von Goldman Sachs Asset Management. Investitionen fließen in alles, von den Siliziumchips, die das Training von künstlichen Intelligenzmodellen unterstützen, bis hin zu den Energieunternehmen, die riesige Rechenzentren mit Strom versorgen. Um zu sehen, wohin sich die Branche entwickelt, trafen sich Sung Cho und Brook Dane, Portfoliomanager des Fundamental Equity-Teams von Goldman Sachs Asset Management, mit Führungskräften von 20 führenden Technologieunternehmen, die KI-Innovationen vorantreiben.
Diese Gespräche – mit öffentlichen und privaten Unternehmen, von Halbleiterherstellern bis hin zu Softwaregiganten – deuten darauf hin, dass einige Unternehmen bereits Gewinne aus KI erzielen und einige sogar noch mehr KI-Hardware kaufen würden, wenn sie sie in die Hände bekommen könnten. Aber es gibt Risiken. Cho und Dane halten es für möglich, dass die Handvoll Firmen, die derzeit die Large-Language-Modelle (LLMs) entwickeln, sich in einem „The-Winner-takes-it-all“-Wettbewerb wiederfinden könnten. Die Anwendungsszenarien, oder anders gesagt, die „Killer-Apps“, die die immensen Investitionen rechtfertigen würden, gibt es jedenfalls noch nicht.
Brook Dane, Goldman Sachs Asset Management
Welche Größenordnung von Investitionen erwarten Sie bei der Weiterentwicklung dieser Modelle? Und halten Sie es für realistisch, in naher Zukunft eine Kapitalrendite zu erwarten, die diese Investitionssummen rechtfertigt?
Sung Cho: Das ist im Moment der Mittelpunkt aller Debatten.
Brook Dane: Die größte Frage auf dem Markt lautet derzeit: Bekommen wir eine Kapitalrendite, einen Return-on-Investment? Ich bin einigermaßen zuversichtlich, dass wir diese Rendite sehen werden. Und es gibt ein paar Datenpunkte, die mich dabei ermutigen.
Erstens: Wir haben auf dieser Reise viel Zeit damit verbracht, mit dem CFO eines großen Players auf diesem Feld, also einem „Hyperscaler“, zu sprechen, der gerade von seiner strategischen Planung zurückgekommen war, wo er seine ein-, drei-, fünfjährigen Zukunftsprognosen erstellt hat. Ohne irgendwelche Zahlen zu nennen, sprach dieser CFO sehr offen darüber, wie sie die Return-on-Investment-Berechnungen über die Cluster hinweg durchführten, in denen sie GPUs (Graphics Processing Units, Grafikprozessoren, Red.) einsetzen, und dass sie dies mit Blick auf die Renditeperspektive als sehr aussichtsreich empfanden.
Dieses Unternehmen setzt über seine Infrastruktur für Empfehlungsmaschinen bereits massiv inferenzfähige Anwendungen ein, die unter Verwendung bereits trainierter KI-Modelle durch Verknüpfungen zu Schlussfolgerungen oder Vorhersagen in der Lage sind. Sie sehen Ergebnisse in Form einer Zunahme der auf ihren Plattformen mit dem nächsten Inhaltselement verbrachten Zeit, wie sie von diesen Modellen vorhergesagt wurden. Für sie ist ein Return-on-Investment (RoI) also wahrscheinlich am einfachsten zu berechnen, weil man einen Cluster einsetzen und einen ausgefeilteren Algorithmus verwenden kann, der dann zu einer längeren Verweildauer führen kann, was wiederum zu mehr Werbefläche führen und so den Umsatz steigern kann.
Zweitens, und das ist das Ergebnis meiner langjährigen Branchenbeobachtung und meiner vielen Gespräche mit einem anderen Hyperscaler über seine Investitionspläne: Wir wissen, wie diszipliniert sie in der Vergangenheit immer waren und wie sie sowohl einen inkrementellen Umsatzanstieg als auch inkrementelle Renditen aus ihren Investitionen erzielen. Dieser CFO betont, dass sie das Geld haben, und wenn sie mehr GPUs einsetzen könnten, würden sie es tun. Ich kenne diese Person und ihr Umfeld seit 20 Jahren und verstehe, wie sie mit Investitionsbudgets umgehen und wie sie ihr Kapital ausgeben – diese Person würde das nicht tun, wenn sie nicht eine echte, reale, greifbare Renditechance vor sich hätten. Und sie vertreten das ziemlich nachdrücklich.
Aber wir befinden uns noch in einer frühen Phase, und ein anderes Risiko liegt darin, dass man bei diesen Pioniermodellen nicht gleich am Anfang der Welle wieder abspringen kann. Man kann nicht das vierte Pioniermodell sein und darauf verzichten, die zusätzliche Milliarde Dollar auszugeben, um sein Modell zu verbessern. Für diese Leute ist das also ein kleines Wettrüsten, und das erfordert auch ein wenig Vertrauensvorschuss.
Sung, wie sehen Sie die Return-on-Investment-Frage?
Sung Cho: Das ist eine der wichtigsten Fragen. Und sie wird die Richtung der Märkte in den nächsten sechs bis zwölf Monaten bestimmen und darüber entscheiden, ob die Technologie weiterhin eine überdurchschnittliche Leistung erbringt oder nicht.
Natürlich muss man bei jeder RoI-Frage das Ausmaß der bisherigen Investitionen verstehen. Wenn man sich die Einnahmen von Nvidia im Kalenderjahr 2022 ansieht, haben sie 26 Milliarden Dollar Umsatz gemacht. Und im letzten Quartal haben sie 26 Milliarden Dollar Umsatz gemacht. In praktisch zwei Jahren hat Nvidia also seine Einnahmen vervierfacht. Wenn man die Ausgaben für Nvidia mit den gesamten Cloud-Investitionsausgaben vergleicht, fließen fast 50 Prozent in Nvidia-Chips. Und die Investitionen in KI waren enorm. Wenn man also an den RoI denkt, dann liegt der Ausgangspunkt auf dem „I“, also bei „Investments“, und die waren sehr, sehr hoch.
Wenn Sie „bullish“ eingestellt sind, dann ist das Wichtigste hier, und Brook hat dies erwähnt, dass es derzeit ein Rennen darum gibt, wer das beste grundlegende Modell bauen kann (Allzweckmodelle, die in vielen Anwendungen eingesetzt werden können). Dieses Rennen wird nicht so schnell nachlassen. Aus der Perspektive des RoI ist der Return on Investment vielleicht nicht so toll, wenn Sie ihn sich für die nächsten ein oder zwei Jahre ansehen. Aber wenn Sie einen Ertragsstrom über 20 Jahre haben, der mit dem Aufbau des besten Tech-Stacks (Stapelspeichers) von heute verbunden ist, könnten Sie die Investition sicherlich rechtfertigen.
Auf der anderen Seite glaubt Nvidia, dass sie im nächsten Jahrzehnt eine Million Mal effizienter bei der Verarbeitung von KI werden. Das ist eine Million Mal mit derselben Art von Chip-Infrastruktur. Und wenn Sie mit ihnen sprechen, verstehen Sie auch, dass die Infrastruktur, die gerade für das Training gebaut wird, dieselbe Infrastruktur ist, die wir für die Inferenz verwenden werden. Wenn die Welt also vom Training zur Inferenz übergeht, wird sie fungibel sein. Es ist nicht so, dass Sie eine völlig neue Infrastruktur für die Inferenz bauen müssen. Und wir sehen uns um und sagen: Okay, es gibt einige coole Anwendungen. Aber es gibt nicht diese eine Killer-Anwendung, die sofort alles in sich aufsaugt.
Damit verstehen wir also die Gründe, warum so viel in KI investiert wird. Natürlich könnte es kurzfristig zu einer Pause kommen, und das wird die kurzfristige Richtung der Märkte bestimmen. Aber ich denke, wir sind beide zuversichtlich, dass KI mittel- bis langfristig einer der größten Trends bleibt, die wir in unserer Geschichte erlebt haben. Und ich denke, es hängt wirklich nur vom zeitlichen Verlauf ab. Aber wir verstehen beide Seiten des Arguments sehr gut.
Wohin gehen also der Markt und der Fokus von hier aus?
Brook Dane: Um auf Sungs Punkt zurückzukommen, und das ist ein enorm wichtiger Punkt: Kein Technologiezyklus verläuft linear nach oben. Das tun sie einfach nicht. Es gibt diese Wellen sowohl der Investitionsverdauung als auch der Hyperealität. Und beide spielen sich über einen mehrjährigen Horizont hinweg ab.
Unsere Perspektive ist im Moment, dass wir derzeit dabei sind, die gesamte Infrastruktur einzurichten, um all diese Möglichkeiten zu schaffen. Und wir sehen unglaubliche Verbesserungen in der Leistung dieser Modelle und in dem, was sie bewerkstelligen können. Aber wie Sung gesagt hat, müssen wir irgendwann im Laufe des nächsten Jahres oder der nächsten anderthalb Jahre Anwendungen sehen, die diese Technologie auf eine Weise nutzen, die tiefgreifender ist als Codierung und Chatbots für den Kundenservice.
Wenn dies alles am Ende nur Codierung und Kundenservice bringt, geben wir dafür massiv zu viel aus. Ich denke aber, wir sind beide sehr davon überzeugt, dass wir mittelfristig diese Anwendungen und Anwendungsfälle sehen werden. Und es wird die Art und Weise, wie wir alle unsere Arbeit erledigen, grundlegend verändern. Derzeit versucht der gesamte Markt herauszufinden, was sonst noch passieren muss, damit sich neue Anwendungen und Anwendungsfälle entwickeln können, und was auf der anderen Seite dabei herauskommen soll. Wir befinden uns also gerade in der Phase, in der wir diesbezüglich Fortschritte sehen müssen.
Es klingt, als würden Sie sagen, dies sei ein Markt, in dem der Gewinner alles bekommt. Ist das wie die Entwicklung des Internets, wo es einen dominanten Player geben wird, wie wir es bei Such- oder E-Mail-Plattformen gesehen haben?
Brook Dane: Das ist ein weiteres großes Thema.
Sung Cho: Was wir wissen, ist, dass es nicht mehr als vier geben wird. Es gibt niemanden, der mithalten kann. Die einzigen Unternehmen, die so viel investieren können, sind Meta, Google, OpenAI und Anthropic.
Brook Dane: Was wir aber noch nicht wissen, ist: Wenn diese Modelle ausgereift sind und diese stufenweisen Steigerungen aufhören, was irgendwann passieren wird, wird das beste Modell in drei Jahren dann so viel besser sein als die Modelle aller anderen, dass es 80 Prozent des Marktanteils einnimmt? Oder haben wir vier wirklich gute Modelle, und die Leute werden sie für unterschiedliche Anwendungsfälle, in unterschiedlichen Bereichen und auf unterschiedliche Weise verwenden? Werden wir vier Modelle in großem Maßstab haben? Wenn es vier gleich robuste Modelle gibt, könnte man meinen, dass das ziemlich schnell zur Massenware wird. Wenn jedoch eines davon zum klaren, dominanten Marktführer wird, wird es unglaubliche wirtschaftliche Vorteile haben. Das wissen wir noch nicht.
Sung Cho, Goldman Sachs Asset Management
Was wir aber wissen, ist, dass sich keiner der vier leisten kann, in Sachen Innovationstempo nachzulassen. Denn wenn Sie das tun, wenn Sie auf dem Wissensniveau eines Studienanfängers stehen bleiben und die anderen auf dem Niveau eines Doktoranden sind, könnte es für Sie schwierig werden, einen Markt zu erobern, wenn die anderen so viel besser sind und die Effizienz- und Kostenkurven schneller nach unten reiten als Sie.
Sung Cho: Ich denke, dass im Laufe der Zeit Folgendes passieren wird: Es wird vertikale Spezialisten geben. Und ich denke, das Rennen, das über reine Geschwindigkeit und Intelligenz hinausgeht, dreht sich um die Frage: Wie können wir Modelle bauen, die für bestimmte Teilsektoren und Anwendungsfälle viel effizienter sind?
Unsere Kollegen bei Goldman Sachs Global Investment Research haben gesagt, dass KI die großen etablierten Technologieunternehmen begünstigt. Das Gleiche höre ich heute von Ihnen. Sehen Sie etwas, das diese Erzählung in Frage stellt?
Sung Cho: Aus Infrastrukturperspektive ist das Rennen weitgehend vorbei. Aber was den Aufbau vertikaler und branchenspezifischer Large-Language-Modelle und Modelle für viele Randanwendungsfälle angeht, glaube ich nicht, dass das bereits geklärt ist, und ich denke, dass dort ein Großteil der Innovationen herkommen wird.
Brook Dane: Und ich möchte hinzufügen, dass ich nicht glaube, dass dieser Markt nur aus einer Handvoll Mega-Cap-Namen als Gewinner besteht. Das Wichtigste neben dem Modelltraining ist hier im Wesentlichen: Welche einzigartigen Daten haben sie, die sie einsetzen können, um Kunden zu helfen? Was wir also auf dieser Softwareebene wirklich suchen, sind Unternehmen, die über tiefgreifende proprietäre Daten verfügen, die sie verwenden können, um differenzierte Anwendungsfälle und Erfahrungen zu schaffen.
Aber aus der Perspektive der Investitionsmöglichkeiten ist dies weitgehend ein Phänomen der öffentlichen Märkte. Es wird nicht viele private Unternehmen geben, die auftauchen, um die Strukturen dieser Branchen aufzubrechen.
Also, um zusammenzufassen: Was ist Ihr wichtigster Schluss aus dieser Recherche?
Sung Cho: Mein wichtigster Schluss bezieht sich etwas spezifischer auf Halbleiter. Nvidia dominiert offensichtlich seit fast zwei Jahren die KI-Siliziumlandschaft. Aber jetzt kommen echte Alternativen auf den Markt. Und ich denke, es gibt eine echte Debatte darüber, ob Nvidia weiterhin einen 100-prozentigen Anteil halten oder einen Teil dieses Anteils an andere abgeben wird. Und wir beginnen zu glauben, dass es in den nächsten Jahren neben Nvidia noch andere Nutznießer geben wird.
Brook Dane: Meine wichtigste Erkenntnis ist, dass wir uns noch in einem sehr frühen Stadium eines tiefgreifenden, enorm wirkungsvollen Technologiewandels befinden, und es besteht die Zuversicht, dass der Zustand dieser Modelle und ihre Weiterentwicklung die strukturellen Veränderungen vorantreiben werden, von denen wir alle gedacht und gehofft haben, dass sie eintreten werden.
Unsere Zuversicht, dass dieser Technologiezyklus real ist, wächst weiter. Und er wird groß sein, wie man so schön sagt.
Dieser Artikel wird ausschließlich zu Informationszwecken zur Verfügung gestellt. Die in diesem Artikel enthaltenen Informationen stellen keine Empfehlung einer Goldman Sachs-Einheit für den Empfänger dar, und Goldman Sachs erteilt weder durch diesen Artikel noch für den Empfänger eine Finanz-, Wirtschafts-, Rechts-, Anlage-, Buchhaltungs- oder Steuerberatung. Weder Goldman Sachs noch eines seiner verbundenen Unternehmen gibt eine ausdrückliche oder stillschweigende Zusicherung oder Garantie für die Richtigkeit oder Vollständigkeit der in diesem Artikel enthaltenen Aussagen oder Informationen, und jegliche Haftung (einschließlich in Bezug auf direkte, indirekte oder Folgeschäden) wird ausdrücklich abgelehnt.
Quelle: Dieser Beitrag erschien am 5. August 2024 unter dem Titel „Will the $1 trillion of generative AI investment pay off?“ auf www.goldmansachs.com unter Insights/Articles. Bitte beachten Sie, dass die darin getroffenen Aussagen keine Anlageempfehlungen darstellen.
Bitte beachten Sie unsere Hinweise zu Risiko, Haftungsausschluss und Impressum, die Sie hier finden.
Fotonachweise: Adobe Stock – Bild 1: Prime Lens, Bild 2: Mustafa