2026 konsolidiert sich in 3 wirklich große Wetten, bei denen ein Scheitern zu einem kurzfristigen Zusammenbruch der Blase führen würde. 1. Rechenzentren Anthropic, Xai skalieren aggressiv auf 1 Million GPUs. Beide planen, dieses Ziel bis zum zweiten Quartal zu erreichen. Die daraus resultierenden Modelle, die auf dieser Infrastruktur trainiert werden, müssen bestätigen, dass das Gesetz der Rechenleistungsskala weiterhin effektiv ist. Andernfalls würde dies darauf hindeuten, dass wir eine neue Modellarchitektur erkunden müssen. Dies hängt auch von der Skalierung der Energieinfrastruktur (Power Shell) ab, was in den nächsten zehn Jahren ein Problem darstellen wird, ganz zu schweigen von diesem Jahr. 2. Speicher Wir haben in diesem Jahr nur genug Speicher, um 15 GW an GPUs zu unterstützen, während die Hyperscaler in den nächsten 2 Jahren 30-40 anstreben. Wir sind hier ziemlich knapp dran - wenn Samsung, $MU oder SK Hynix ihre Produktion vermasseln, wird dies Wette Nummer 1 zum Stillstand bringen. Außerdem gewinnt, wer den Großteil dieser Speicherkapazität sichert, um GPUs zu erstellen, am meisten innerhalb der eingeschränkten Produktionskapazität, und im Moment ist das $NVDA. 3. Günstigere, effektivere Infrastruktur Nvidias neueste GPU, Vera Rubin, ist 5-mal leistungsfähiger, aber wichtiger ist, dass sie 4-mal rechenleistungseffizienter ist, was bedeutet, dass die Inferenzkosten gesunken sind - Grenzintelligenz für Cent! Es wird in diesem Jahr eine Fülle von Rechenleistung verfügbar sein, um KI zu trainieren, aber noch wichtiger, um sie zu nutzen, sodass das Jevons-Paradoxon sich durch steigende Nachfrage beweisen muss. Wenn das scheitert, fallen die beiden oben genannten. Meiner Meinung nach mache ich mir über dieses eine am wenigsten Sorgen - ich denke, Agenten-Harnesses und post-training RL werden die Modelle weiterhin stärken. Sehr optimistisch.