JP Morgan argumentiert, dass die GPUs nahezu voll ausgelastet sind, die Bedenken hinsichtlich der KI übertrieben sind und im Gegensatz zum Dot-Com-Boom, bei dem die Glasfaserinfrastruktur unterausgelastet blieb. Sie haben einen Punkt, aber ich würde dagegenhalten, indem ich frage, wer für die GPUs bezahlt und wo der Gewinn liegt? Das Problem, das wir bei generativer KI sehen, liegt im downstream, bei der tatsächlichen Nutzung dieser Plattformen. Die überwiegende Mehrheit ist kostenlos. Bezahlte Tarife haben deutlich weniger Interesse. Besonders bei Firmen wie OpenAI, wo es einen echten Kampf gibt, kostenlose Nutzer zu konvertieren. Die Anwendungsfälle wachsen, stehen aber im Vergleich zu der Kapazität, die aufgebaut wurde und geplant ist, vor Herausforderungen. Deshalb denke ich, dass dieses Diagramm etwas irreführend ist, denn auf den ersten Blick scheint es, als gäbe es eine enorme Nutzung und daher sollten wir uns keine Sorgen machen. Aber wenn die Nutzung hauptsächlich von verlustbringenden kostenlosen Nutzern getrieben wird, ist das für die Unternehmen, die es subventionieren, nicht gerade ein nachhaltiges Paradigma, oder?

Apropos Nutzung, glaubt wirklich jemand, dass $META eine Leistungskapazität von 8681,4 MW erreichen wird? Das wäre fast das 4-fache der kollektiven Kapazität und fast 30-mal die derzeitige Kapazität von $META. Dennoch hat $META in diesem Jahr keine wirklich bedeutenden Fortschritte im Bereich KI gezeigt. 🤔

Schließlich erzielen 95 % der Unternehmen, die in generative KI investieren, keinen echten Ertrag. Und hier liegt der Haken. Die eigentliche Barriere ist nicht die Kapazität! Es sind die Einschränkungen der generativen KI selbst. Einschränkungen, die durch agentische KI, RAG oder andere Erweiterungen und zusätzliche Schichten nicht gelöst werden.

In der Zwischenzeit gibt es ein Wettrennen, um die Kapazität von Rechenzentren auszubauen, die wir wahrscheinlich nicht benötigen werden. 1) Wir wissen nicht, ob die Zukunft von AI von energiehungrigen GPUs angetrieben wird 2) Oder ob große ineffiziente Generalistenmodelle das sind, was wir verwenden werden, im Gegensatz zu spezialisierten kleinen Modellen Wofür bauen wir?

Was wir wissen, ist, dass die 9 größten Unternehmen im S&P 500, die 37,89 % der Marktkapitalisierung ausmachen, sich in unterschiedlichem Maße mit generativer KI verbunden haben, da sie einen großen Teil ihrer zukünftigen Wachstumsstory ausmacht. Ob das nachhaltig sein wird, ist eine entscheidende Frage.