Autor: Ma Leilei
Quelle: CHANNELWU von Wu Xiaobo
Buffett sagte einst: „Investiere niemals in ein Unternehmen, das du nicht verstehst.“ Doch kurz vor dem Ende der „Ära des Aktien-Gurus“ traf Buffett eine Entscheidung, die gegen seine eigenen Regeln verstößt: Er kaufte Google-Aktien – und das zu einem hohen Aufpreis, etwa dem 40-fachen des freien Cashflows.
Ja, Buffett hat zum ersten Mal in eine „AI-bezogene Aktie“ investiert, und zwar nicht in OpenAI oder Nvidia. Alle Investoren stellen sich die gleiche Frage: Warum gerade Google?
Zurück zum Ende des Jahres 2022. Damals erschien ChatGPT auf der Bildfläche, und das Management von Google schlug „Alarmstufe Rot“. Es wurden zahlreiche Meetings abgehalten, sogar die beiden Gründer wurden eilig zurückgerufen. Zu jener Zeit wirkte Google wie ein träger, von Bürokratie geplagter Dinosaurier.
Google brachte hastig den Chatbot Bard auf den Markt, beging jedoch während der Präsentation einen faktischen Fehler, woraufhin der Aktienkurs einbrach und der Börsenwert an einem Tag um mehrere 100 Milliarden Dollar schrumpfte. Anschließend integrierte Google seine AI-Teams und brachte das multimodale Gemini 1.5 heraus.
Doch auch dieses als Trumpfkarte gehandelte Produkt sorgte nur für wenige Stunden für Aufsehen in der Tech-Szene, bevor OpenAI mit dem Video-Generierungsmodell Sora alle Aufmerksamkeit auf sich zog und Gemini schnell in Vergessenheit geriet.
Etwas peinlich ist, dass es gerade die Google-Forscher waren, die 2017 mit einer bahnbrechenden wissenschaftlichen Arbeit das theoretische Fundament für diese AI-Revolution legten.
Paper „Attention Is All You Need“
Das vorgestellte Transformer-Modell
Die Konkurrenz verspottete Google. OpenAI-CEO Altman hielt wenig von Googles Geschmack: „Ich kann nicht anders, als über die ästhetischen Unterschiede zwischen OpenAI und Google nachzudenken.“
Auch Googles ehemaliger CEO war mit der Trägheit des Unternehmens unzufrieden: „Google glaubt immer, dass Work-Life-Balance wichtiger ist als das Gewinnen des Wettbewerbs.“
Diese Reihe von Schwierigkeiten ließ viele daran zweifeln, ob Google im AI-Wettbewerb zurückgefallen ist.
Doch die Wende kam schließlich. Im November brachte Google Gemini 3 auf den Markt, das in den meisten Benchmark-Tests die Konkurrenz, einschließlich OpenAI, übertraf. Entscheidender ist, dass Gemini 3 vollständig mit Googles selbst entwickelten TPU-Chips trainiert wurde, die nun als günstige Alternative zu Nvidia-GPUs positioniert und erstmals großflächig an externe Kunden verkauft werden.
Google zeigt an zwei Fronten Stärke: Mit der Gemini-3-Serie antwortet es OpenAI auf der Software-Front; mit den TPU-Chips fordert es Nvidias langjährige Dominanz auf der Hardware-Front heraus.
Tritt OpenAI, schlägt Nvidia.
Altman spürte den Druck bereits letzten Monat und schrieb in einem internen Memo, dass Google „unserem Unternehmen einige temporäre wirtschaftliche Gegenwinde bringen könnte“. Nachdem diese Woche bekannt wurde, dass große Unternehmen TPU-Chips kaufen, musste Nvidia, dessen Aktienkurs zwischenzeitlich um 7 % einbrach, persönlich eine Mitteilung herausgeben, um den Markt zu beruhigen.
Google-CEO Sundar Pichai sagte kürzlich in einem Podcast, die Google-Mitarbeiter sollten sich etwas Schlaf gönnen: „Aus externer Sicht wirkten wir in dieser Zeit vielleicht ruhig oder zurückgeblieben, aber tatsächlich haben wir alle grundlegenden Bausteine gefestigt und treiben darauf aufbauend alles mit voller Kraft voran.“
Die Lage hat sich nun gewendet. Pichai sagt: „Wir haben jetzt einen Wendepunkt erreicht.“
Genau jetzt jährt sich die Veröffentlichung von ChatGPT zum dritten Mal. In diesen drei Jahren hat AI ein Fest der Silicon-Valley-Kapitalströme und Allianzen ausgelöst; doch unter dem Festmahl tauchen Blasen und Sorgen auf – steht die Branche an einem Wendepunkt?
Überholen
Am 19. November veröffentlichte Google das neueste AI-Modell Gemini 3.
Ein Test zeigte, dass Gemini 3 in den meisten Tests, die Expertenwissen, logisches Denken, Mathematik und Bilderkennung abdecken, deutlich besser abschnitt als die neuesten Modelle anderer Unternehmen, einschließlich ChatGPT. Lediglich im einzigen Programmierfähigkeitstest lag es knapp auf Platz zwei.
Das Wall Street Journal schrieb: „Man könnte es das nächste Top-Modell der USA nennen.“ Bloomberg sagte, Google sei endlich aufgewacht. Musk und Altman lobten es. Einige Nutzer scherzten, das sei das GPT-5, von dem Altman träumt.
Der CEO der Cloud-Content-Management-Plattform Box sagte nach einem Vorabtest von Gemini 3, die Leistungssteigerung sei so groß, dass sie zunächst an ihrer eigenen Testmethode zweifelten. Wiederholte Tests bestätigten jedoch, dass das Modell in allen internen Bewertungen mit zweistelligem Vorsprung gewann.
Der CEO von Salesforce sagte, er habe ChatGPT drei Jahre lang genutzt, aber Gemini 3 habe in nur zwei Stunden seine Wahrnehmung umgekrempelt: „Holy shit... kein Zurück mehr. Das ist ein qualitativer Sprung – Schlussfolgerungen, Geschwindigkeit, Bild-, Text- und Videobearbeitung... alles schärfer, schneller. Es fühlt sich an, als hätte sich die Welt erneut auf den Kopf gestellt.“
Gemini 3
Warum ist die Leistung von Gemini 3 so herausragend und was hat Google dafür getan?
Der Projektleiter von Gemini schrieb: „Ganz einfach: Wir haben das Pre-Training und das Post-Training verbessert.“ Analysen besagen, dass das Modell beim Pre-Training weiterhin der Scaling Law-Logik folgt – durch Optimierung des Pre-Trainings (z. B. größere Datenmengen, effizientere Trainingsmethoden, mehr Parameter) wird die Modellleistung gesteigert.
Derjenige, der das Geheimnis von Gemini 3 am meisten wissen möchte, ist wohl Altman.
Im letzten Monat, noch vor der Veröffentlichung von Gemini 3, schrieb er in einem internen Memo an die OpenAI-Mitarbeiter einen Warnhinweis: „In jeder Hinsicht ist Googles jüngste Arbeit sehr beeindruckend“, insbesondere im Pre-Training habe Google Fortschritte gemacht, die dem Unternehmen „vorübergehende wirtschaftliche Gegenwinde bringen könnten“, und „in nächster Zeit wird die externe Atmosphäre wohl ziemlich rau sein“.
Obwohl ChatGPT in Bezug auf die Nutzerzahlen Gemini noch deutlich voraus ist, schrumpft der Abstand.
In den letzten drei Jahren ist die Nutzerzahl von ChatGPT rasant gestiegen. Im Februar dieses Jahres lag die wöchentliche Nutzerzahl bei 400 Millionen, diesen Monat stieg sie auf 800 Millionen. Gemini gibt monatliche Nutzerzahlen an: Im Juli lag die Zahl bei 450 Millionen, diesen Monat stieg sie auf 650 Millionen.
Mit einem globalen Marktanteil von etwa 90 % bei der Online-Suche hat Google natürlich den wichtigsten Kanal zur Verbreitung seiner AI-Modelle in der Hand und kann direkt eine riesige Nutzerbasis erreichen.
OpenAI wird derzeit mit 500 Milliarden Dollar bewertet und ist das weltweit höchstbewertete Start-up. Es ist auch eines der am schnellsten wachsenden Unternehmen der Geschichte: Der Umsatz stieg von nahezu null im Jahr 2022 auf geschätzte 13 Milliarden Dollar in diesem Jahr. Doch OpenAI rechnet damit, in den kommenden Jahren mehr als 100 Milliarden Dollar zu verbrennen, um Artificial General Intelligence zu erreichen, und muss zudem mehrere 100 Milliarden Dollar für das Mieten von Servern ausgeben. Mit anderen Worten: Es muss weiter Kapital aufnehmen.
Google hat einen nicht zu unterschätzenden Vorteil: einen prall gefüllten Geldbeutel.
Im jüngsten Quartalsbericht überschritt Googles Umsatz erstmals die 100-Milliarden-Dollar-Marke und erreichte 102,3 Milliarden Dollar, ein Plus von 16 % gegenüber dem Vorjahr. Der Gewinn lag bei 35 Milliarden Dollar, ein Plus von 33 %. Der freie Cashflow des Unternehmens beträgt 73 Milliarden Dollar, die Investitionen in AI werden dieses Jahr 90 Milliarden Dollar erreichen.
Google muss sich vorerst keine Sorgen machen, dass das Suchgeschäft von AI kannibalisiert wird; Suche und Werbung wachsen weiterhin zweistellig. Das Cloud-Geschäft boomt, sogar OpenAI mietet Server von Google.
Neben dem selbst generierten Cashflow verfügt Google über weitere Trümpfe, die OpenAI nicht erreichen kann, wie riesige Mengen an vorhandenen Daten für das Training und die Optimierung von Modellen sowie eine eigene Recheninfrastruktur.
Am 14. November kündigte Google eine Investition von 40 Milliarden Dollar in neue Rechenzentren an
OpenAI ist geschickt im Verhandeln und hat mit verschiedenen Partnern Rechenleistungs-Deals im Wert von über 1 Billion Dollar abgeschlossen. Daher fragen sich Investoren, als Google mit Gemini schnell aufholt, umso mehr: Kann OpenAI das versprochene Wachstum wirklich einlösen?
Risse
Vor einem Monat überschritt Nvidia einen Börsenwert von 5 Billionen Dollar, die Begeisterung für AI trieb diesen „AI-Waffenhändler“ auf neue Höhen. Doch die von Google für Gemini 3 verwendeten TPU-Chips haben eine Bresche in Nvidias Festung geschlagen.
The Economist zitiert Daten des Investment-Research-Unternehmens Bernstein: Nvidias GPUs machen mehr als zwei Drittel der Gesamtkosten eines typischen AI-Server-Racks aus, während Googles TPU-Chips nur 10 % bis 50 % des Preises gleichwertiger Nvidia-Chips kosten. Diese Einsparungen summieren sich erheblich. Die Investmentbank Jefferies schätzt, dass Google im nächsten Jahr etwa 3 Millionen dieser Chips produzieren wird – fast die Hälfte der Nvidia-Produktion.
Im letzten Monat hat das bekannte AI-Start-up Anthropic bereits angekündigt, Googles TPU-Chips in großem Stil einzusetzen, angeblich mit einem Transaktionsvolumen von mehreren 10 Milliarden Dollar. Berichten vom 25. November zufolge verhandelt auch der Tech-Riese Meta, um bis 2027 TPU-Chips in seinen Rechenzentren einzusetzen – im Wert von mehreren Milliarden Dollar.
Google-CEO Sundar Pichai stellt die TPU-Chips vor
Auch andere große Internetunternehmen im Silicon Valley setzen auf Chips – entweder durch Eigenentwicklung oder in Kooperation mit Chipfirmen –, aber kein Unternehmen hat so große Fortschritte gemacht wie Google.
Die Geschichte der TPU reicht mehr als zehn Jahre zurück. Damals begann Google, um die Effizienz von Suche, Maps und Übersetzungen zu steigern, mit der Entwicklung eines eigenen Beschleuniger-Chips für den internen Gebrauch. Seit 2018 verkauft Google die TPU auch an Cloud-Kunden.
Seitdem werden TPUs auch für die interne AI-Entwicklung bei Google eingesetzt. Bei der Entwicklung von Modellen wie Gemini arbeiteten AI- und Chip-Teams eng zusammen: Die einen lieferten Anforderungen und Feedback, die anderen optimierten daraufhin die TPUs, was wiederum die Effizienz der AI-Entwicklung steigerte.
Nvidia hält derzeit über 90 % des AI-Chip-Marktes. Die GPUs wurden ursprünglich für die realistische Darstellung von Computerspielen entwickelt und können dank Tausender Rechenkerne Aufgaben parallel verarbeiten – ein Vorteil, der Nvidia im AI-Bereich einen großen Vorsprung verschafft.
Googles TPU hingegen ist ein sogenannter Application-Specific Integrated Circuit (ASIC), ein „Spezialist“, der für bestimmte Rechenaufgaben entwickelt wurde. Er verzichtet auf Flexibilität und Vielseitigkeit zugunsten höherer Effizienz. Nvidias GPU ist dagegen ein „Generalist“ – flexibel und programmierbar, aber teurer.
Allerdings kann derzeit kein Unternehmen, auch nicht Google, Nvidia vollständig ersetzen. Obwohl die TPU-Chips bereits in der siebten Generation sind, bleibt Google ein Großkunde von Nvidia. Ein offensichtlicher Grund: Googles Cloud-Geschäft bedient weltweit Tausende Kunden, und die GPU-Rechenleistung sorgt für Attraktivität.
Selbst Unternehmen, die TPUs kaufen, kommen an Nvidia nicht vorbei. Anthropic kündigte nach der Zusammenarbeit mit Google-TPUs kurz darauf einen bedeutenden Nvidia-Deal an.
Das Wall Street Journal schreibt: „Investoren, Analysten und Betreiber von Rechenzentren sagen, Googles TPU ist eine der größten Bedrohungen für Nvidias Dominanz im AI-Computing-Markt, aber um Nvidia herauszufordern, muss Google diese Chips breiter an externe Kunden verkaufen.“
Googles AI-Chips sind eine der wenigen Alternativen zu Nvidia-Chips, was den Nvidia-Aktienkurs direkt belastete. Nvidia veröffentlichte einen Post, um die durch die TPUs ausgelöste Marktpanik zu beruhigen. Man freue sich über Googles Erfolg, betonte aber, dass Nvidia der Branche eine Generation voraus sei und die eigene Hardware vielseitiger sei als TPUs und andere spezialisierte Chips.
Nvidia steht zudem unter Druck, weil der Markt eine Blasenbildung befürchtet: Investoren fürchten, dass riesige Kapitalinvestitionen und Gewinnperspektiven nicht zusammenpassen. Die Stimmung kann jederzeit kippen – man fürchtet, dass Nvidia das Geschäft verliert, aber auch, dass AI-Chips sich nicht verkaufen lassen.
Der bekannte US-Shortseller Michael Burry sagt, er habe mehr als 1 Milliarde Dollar auf fallende Kurse von Nvidia und anderen Tech-Unternehmen gesetzt. Burry wurde berühmt, weil er 2008 gegen den US-Immobilienmarkt wettete; seine Geschichte wurde später im Film „The Big Short“ verfilmt. Er sagt, der aktuelle AI-Hype gleiche der Internetblase Anfang des 21. Jahrhunderts.
Michael Burry
Nvidia verteilte ein sieben Seiten langes Dokument an Analysten, um Burrys und andere Kritiker zu widerlegen. Doch das Papier konnte die Debatte nicht beenden.
Modell
Google erlebt derzeit eine süße Phase: Der Aktienkurs steigt entgegen dem AI-Hype, Buffetts Unternehmen kaufte im dritten Quartal Aktien, Gemini 3 erhält positive Resonanz, die TPU-Chips wecken Erwartungen – all das treibt Google auf neue Höhen.
Im letzten Monat sind AI-Aktien wie Nvidia und Microsoft um mehr als 10 % gefallen, während Googles Kurs um etwa 16 % gestiegen ist. Mit einer Marktkapitalisierung von 3,86 Billionen Dollar liegt Google derzeit weltweit auf Platz drei, hinter Nvidia und Apple.
Analysten bezeichnen Googles AI-Modell als vertikal integriert.
Als einer der wenigen „Full-Stack“-Player in der Tech-Branche hält Google die gesamte Kette in der eigenen Hand: Auf Google Cloud laufen die selbst entwickelten TPU-Chips, mit denen Googles eigene AI-Großmodelle trainiert werden, die wiederum nahtlos in Kernprodukte wie Suche und YouTube integriert werden. Der Vorteil dieses Modells ist offensichtlich: keine Abhängigkeit von Nvidia, effiziente und kostengünstige Rechenleistungssouveränität.
Ein anderes, häufigeres Modell ist das der lockeren Allianzen: Die Tech-Giganten teilen sich die Aufgaben – Nvidia liefert GPUs, OpenAI, Anthropic und andere entwickeln AI-Modelle, Cloud-Giganten wie Microsoft kaufen GPUs von Chip-Herstellern, um die Modelle dieser AI-Labore zu hosten. In diesem Netzwerk gibt es keine absoluten Verbündeten oder Gegner: Man arbeitet zusammen, wenn es passt, und kämpft, wenn es nötig ist.
Die Player bilden eine Art „Kreislaufstruktur“, das Kapital zirkuliert im geschlossenen Kreislauf zwischen wenigen Tech-Giganten.
Typischerweise läuft das Kreislauf-Finanzierungsmodell so: Unternehmen A zahlt Unternehmen B Geld (z. B. als Investition, Kredit oder Leasing), B nutzt das Geld, um Produkte oder Dienstleistungen von A zu kaufen – ohne diese „Anschubfinanzierung“ könnte B sich den Kauf gar nicht leisten.
Ein Beispiel: OpenAI zahlt Oracle 300 Milliarden Dollar für Rechenleistung, Oracle kauft für mehrere Milliarden Nvidia-Chips, um Rechenzentren zu bauen, Nvidia investiert bis zu 100 Milliarden Dollar zurück in OpenAI – unter der Bedingung, dass OpenAI weiterhin Nvidia-Chips nutzt. (OpenAI zahlt 300 Milliarden Dollar an Oracle → Oracle kauft mit dem Geld Nvidia-Chips → Nvidia investiert die Gewinne zurück in OpenAI.)
Solche Fälle führen zu einem Labyrinth von Kapitalflüssen. Analysten von Morgan Stanley stellten am 8. Oktober in einem Bericht ein Foto vor, das die Kapitalströme im Silicon-Valley-AI-Ökosystem zeigt. Sie warnen: Die Intransparenz erschwert es Investoren, die tatsächlichen Risiken und Renditen zu erkennen.
Das Wall Street Journal kommentierte das Bild: „Die Pfeile, die sie verbinden, sind so verschlungen wie ein Teller Spaghetti.“
Mit dem Rückenwind des Kapitals wartet das Umriss des Giganten darauf, Gestalt anzunehmen – niemand kennt sein wahres Gesicht. Manche fürchten sich, andere sind begeistert.
