Frohe Weihnachten an alle! Tage wie heute erinnern uns daran, warum wir so hart arbeiten, um ein Leben in Komfort für die Menschen aufzubauen, die wir lieben und für die wir Verantwortung fühlen. Dieses Spiel ist brutal und voller Ablenkungen, die ständig an deiner Aufmerksamkeit zerren. Der einzige Weg, um gesund zu bleiben, ist, an deinem Warum festzuhalten und dich davon erden zu lassen, wenn der Lärm laut wird. Ich hoffe, dass jeder heute die Möglichkeit hat, sich zurückzuziehen, um ganz bei der Familie zu sein, die ruhigen Momente zu genießen, die Weihnachten dir gibt, und dich daran zu erinnern, dass dies der Grund ist, warum die Arbeit überhaupt wichtig ist.

3 DINGE, DIE ÜBER DEN $NVDA + GROQ DEAL WICHTIG SIND 1. Es ging darum, die Inferenzökonomie zu besitzen, nicht um eine Chiplücke zu schließen. Nvidia hat Groq nicht akquiriert, weil es bei Chips hinterherhinkt, da Nvidia bereits das Training und die meisten Inferenzbereiche dominiert und sein Fahrplan (GB300, Rubin) weiterhin die Kosten pro Token senkt, während die Leistung schneller als bei fast allen anderen steigt. Training ist ein einmaliges Ereignis, während die Inferenz das neue Geschäftsmodell der KI ist. Wenn KI in echte Produkte übergeht, verschiebt sich das Geld zu dem, der die Laufzeit kontrolliert. 2. Die Zukunft, in der Inferenz Nvidia entkommt, wurde gerade absorbiert. Groq war einer der wenigen glaubwürdigen Beweise, dass latenzempfindliche Inferenz letztendlich von GPUs wegziehen könnte, und im Laufe der Zeit hätte das Nvidias "unvermeidlichen" Status untergraben. Das Risiko wurde durch Groqs Gründer Jonathan Ross verstärkt, der zuvor TPUs bei $GOOGL gebaut hat und bereits bewiesen hat, dass maßgeschneiderter Silizium in realen Arbeitslasten konkurrieren kann. Dieser Deal schließt diese Tür, bevor sie sich skalieren konnte. 3. Deterministische Inferenz war die fehlende Schicht. GPUs glänzen in Flexibilität und Skalierung, aber sie wurden nie entwickelt, um perfekt konsistente Antwortzeiten zu garantieren. Das ist wichtig, denn die KI in der realen Welt bricht zusammen, wenn die Latenz schwankt: Sprachassistenten pausieren, Live-Übersetzungen verzögern sich, agentische Workflows kumulieren Verzögerungen. Groq hat dies gelöst, indem es große Mengen SRAM entworfen hat, um Daten nahe am Prozessor zu halten und jedes Mal schnelle Antworten zu liefern. Das machte Groq einzigartig geeignet für Echtzeit-KI, wo Latenz wichtiger ist als die maximale Durchsatzrate. An diesem Punkt ist es schwer zu argumentieren, dass Nvidia nur Chips verkauft, wenn es offensichtlich die Plattform aufbaut, die Training, Netzwerk und jetzt Echtzeitinferenz besitzt. $20B heute, um ein $200B Problem später zu vermeiden.

Das AI-Geschäft von $NVDA generiert jetzt etwa ~$458M pro Tag. Diese Zahl lag vor drei Jahren bei etwa ~$40M pro Tag. Das ist die Kraft, die man hat, wenn man die Rechenleistung besitzt, auf der jedes AI-System laufen muss.