Der Gründer von SemiAnalysis: Bis 2028 wird der Großteil der weltweiten KI-Rechenleistung nur zwei Unternehmen gehören.

Autor | Xu Chao

      Redaktion | Hard AI

Im neuesten Gespräch des renommierten Technik-Podcasts Dwarkesh Podcast sagte der Gründer und Chefanalyst von SemiAnalysis, Dylan Patel voraus: Bis 2028 könnten OpenAI und Anthropic direkt 70 % bis 80 % der weltweiten zusätzlichen Rechenkapazität und den Großteil der nutzbaren FLOPs kontrollieren.

Weiterreichende Auswirkungen zeigen sich an den Finanzmärkten – da AI-Rechenzentren unglaubliche Investitionsrenditen erzielen, wird der massive Wettstreit der Tech-Giganten um Kapital die Diskontierungssätze und die Anleihezinsen in der gesamten Gesellschaft nach oben treiben und sogar systematisch die weltweiten Kreditkosten erhöhen.

Kernaussagen im Überblick

Die extreme Zentralisierung der Rechenkapazitäten, Veränderungen im Geschäftsmodell der Labore, durch AI-Rechenzentren steigende Kreditkosten sowie Auswirkungen auf traditionelle Vermögensbewertungen und Staatsverschuldungsrisiken sind die zentralen Themen dieses Gesprächs.

In den vergangenen gut zwölf Monaten wurde AI-Infrastruktur nicht nur zur treibenden Kraft des US-amerikanischen BIP-Wachstums, sondern bereitet im Hintergrund zugleich eine nie dagewesene Zentralisierung der Rechenressourcen vor.

Nach Berechnungen von Dylan Patel expandiert die Rechenleistung von OpenAI und Anthropic weiter, und der Anteil dieser beiden Labore an den weltweiten Kapazitätszuwächsen wächst kontinuierlich. Bis 2028 werden sie voraussichtlich 70 % bis 80 % der globalen zusätzlichen Rechenleistung kontrollieren.

Diese Zentralisierung verlangsamt sich nicht, sondern beschleunigt sich sogar. Klassische Cloud-Giganten und andere Unternehmen mit starker Bilanz bauen ebenfalls Rechenzentrum-Infrastruktur auf und vermieten diese an die führenden Labore weiter.

Da die neueste Chipgeneration deutlich mehr Leistung pro Watt bietet, bedeutet der Anteil der Spitzenlabore an der neuen Rechenkapazität faktisch, dass sie den Großteil der effektiven globalen Rechenleistung kontrollieren.

Früher verursachten die Betriebskosten von Spitzenmodellen hohe Verluste, was Labore vorübergehend in eine negative Bruttomarge brachte. Mit steigender Modellfähigkeit und effizienterer Kommerzialisierung erhöht sich jedoch der Output der Rechenkapazität deutlich, wodurch Labore auch höhere Rechenleistungspreise schultern können.

Von 2024 bis 2029 werden die kumulierten Investitionsausgaben der weltweiten AI-Industrie voraussichtlich etwa 11 Billionen US-Dollar betragen. Ein Teil der Mittel muss über die Kreditmärkte aufgenommen werden. Da die erwarteten Renditen der AI-Infrastruktur hoch sind, könnten Technologiekonzerne bereit sein, höhere Anleihezinsen zu akzeptieren und so die gesellschaftlichen Finanzierungskosten weiter steigen lassen.

Steigende Kreditkosten und ein höheres Zinsniveau für risikofreie Anlagen werden die Logik der globalen Vermögensbewertung direkt neu definieren. Traditionelle Werte, die auf stabile zukünftige Cashflows setzen, könnten unter Druck geraten, und Staaten mit hoher Verschuldung könnten mit höheren Refinanzierungskosten und erhöhtem Zahlungsausfallrisiko konfrontiert werden.

Führende Labore könnten künftig den Anteil der für externe Geschäftsrechenprozesse genutzten Leistung verringern und mehr Kapazität für interne Modellentwicklung und rekursive Selbstverbesserung einsetzen. Grund hierfür ist, dass der langfristige Wertzuwachs durch interne Forschung und Entwicklung potenziell höher ist als der direkte Verkauf von Token an externe Nutzer.

Im Gespräch wurden außerdem die Lieferkette für Rechenleistung, Bau von Rechenzentren, Investitionsausgaben, regulatorische Beschränkungen sowie mögliche strukturelle Veränderungen der Wirtschaft durch AI erörtert. Die Befragten gehen davon aus, dass die Zentralisierung von Rechenleistung, Kapital und Modellfähigkeit womöglich die Marktmacht einiger weniger Spitzenlabore weiter festigen wird.