Letzte Nacht machte NVIDIA ordentlich Schlagzeilen.
Indem sie mit Blackstone, BlackRock, Goldman Sachs, Apollo, KKR und anderen zusammenarbeiten—sechs Giganten der Wall Street—wollen sie eine 500 Milliarden Dollar schwere Plattform zur Finanzierung von KI-Computing auf den Weg bringen.
Was das bedeutet, ist: Ihr Kunden, die meine GPUs kaufen wollen, aber kein Geld habt—keine Sorge. Ich habe die ganz großen Investoren geholt, die euch das Geld leihen, damit ihr meine Produkte kaufen könnt.
Huang Renxun hat das persönlich in die Hand genommen, und keiner der sechs großen Schwergewichte hat Nein gesagt.
Und was ist damit?
Der Kurs von NVIDIAs Aktie fiel um 2,86%, und sein Marktwert schrumpfte um 130 Milliarden Dollar.
Im Späthandel brach der Philadelphia-Semiconductor-Index ein; Coherent fiel um mehr als 14 %, und Lumentum um mehr als 8 %.
Der 500-Milliarden-Dollar-Impuls für die Stimmung führte dazu, dass 130 Milliarden an Wert verdampften.
Ist der Markt gerade durchgedreht?
Der Markt ist nicht verrückt. Der Markt rechnet nur.Die Bezeichnung dieses Buchhaltungsmodells ist „zirkuläre Finanzierung“.
Übersetzt in ganz normale menschliche Sprache heißt das: linke Hand zur rechten Hand.
Nvidia verkauft Chips an Kunden und zieht gleichzeitig Wall-Street-Geld heran, um diese Kunden zu finanzieren – damit die Kunden weiter Chips von Nvidia kaufen.
Ich leihe dir Geld, damit du meine Waren kaufen kannst.
Du nutzt meine Waren als Sicherheit und kommst dann zu mir, um Geld zu borgen, damit du noch mehr Waren kaufen kannst.
Klingt das nicht vertraut?
Klingt das nicht nach vorher – vor der Finanzkrise 2008, als Banken Subprime-Hypotheken zu CDS bündelten und sie dann an Investoren verkauften, und diese Investoren dann diese CDS als Sicherheit nutzten, um noch mehr Geld zu borgen, richtig?
Nun, der bekannte Shortseller Jim Chanos hat das direkt in den sozialen Medien frontal angegriffen und Nvidias Vorgehen mit „Finanztechnik“ während der Finanzkrise 2008 verglichen.
Er sagt es sehr deutlich: Wenn die KI-Blase platzt, könnten die beteiligten Parteien das Schicksal der Wall-Street-Manager von damals wiederholen – zur Rechenschaft gezogen vor dem Kongress.
Noch unheimlicher ist die zweite Frage:
Warum leiht sich Nvidia nicht bei traditionellen Banken Geld, statt private Equity hereinzuholen?
Einige Analysten glauben, das zeige, dass Banken inzwischen nicht mehr viel Vertrauen in die massiven Investitionen in Datencenter haben – was es für Unternehmen schwerer macht, Kredite von Banken zu bekommen.
Denk mal drüber nach—
Wenn KI-Datencenter wirklich ein risikofreies, garantiert profitables Geschäft wären, wären Banken schon längst hineingerannt.
Muss Nvidia wirklich persönlich eine ganze Reihe privater Beteiligungsgesellschaften an Bord holen, um eine Finanzierungsplattform aufzubauen?
Private Equity ist bereit, Geld zu verleihen, das Banken nicht verleihen.
Nicht weil Private Equity schlauer wäre – sondern weil das Geld von Private Equity teurer ist, kurzfristiger und dringlicher.Die dritte Befürchtung liegt sogar noch tiefer:
Sind diese 500 Milliarden „neue Nachfrage“ oder „vorausbezahlter übermäßiger Konsum“?
Seit diesem Jahr drängt Nvidia eine Reihe massiver Transaktionen:
Mit SK Group: Zusammenarbeit bei KI-Infrastruktur im Wert von 500 Milliarden.
Mit OpenAI: über die Bereitstellung von 250 Milliarden US-Dollar an Finanzierungs-Garantien für das Leasing von Datencentern sprechen – während man gleichzeitig über 350 Milliarden US-Dollar an Chip-Beschaffungsfinanzierung diskutiert.
Für CoreWeave und Nebius: investiere jeweils 2 Milliarden US-Dollar.
Schon diese wenigen Deals summieren sich auf mehr als 1 Billion US-Dollar.
Auf was wettet Huang Renxun?
Wettet darauf, dass die KI-Anwendungen in 2–3 Jahren explodieren – und dass die Kunden ihre Kosten dann zurückholen können.
Aber was, wenn die KI-Anwendungen in 2–3 Jahren immer noch nicht profitabel sind?Dann sind diese 500 Milliarden kein Überbrückungskapital – sondern ein „Schulden-Schwarzes Loch“.
Wenn das passiert – der linke Fuß tritt auf den rechten, und man fällt – dann trifft es nicht nur Nvidia.
Was ist am Ende eigentlich das ironischste an der ganzen Sache?
Sogar Nvidia weiß, wie groß die Risiken sind.
Nach der Ankündigung schoss der Preis für den 5-Jahres-Credit-Default-Swap (CDS), der zur Einschätzung des Nvidia-Kreditrisikos verwendet wird, auf 77,2 Basispunkte – der größte Ein-Tages-Sprung in zwei Wochen.
Seit Ende Mai hat sich die Kosten für die Absicherung von Nvidias Schulden gegen Zahlungsausfall verdoppelt – von 41,6 Basispunkten auf 77,5 Basispunkte.
Die Kosten für die Absicherung von Nvidias Schulden verdoppelten sich in zwei Monaten.
Sogar Versicherungsgesellschaften haben davor Angst.
Lass mich etwas sagen, das richtig reinhaut—
Wenn es um die Preisbildung an den Kapitalmärkten geht, geht es nie darum, wie groß die „Story“ ist, sondern darum, wie greifbar das „Risiko“ ist.Eine 500-Milliarden-Dollar-Narrative klingt wunderschön.
Doch die Verdampfung der Marktkapitalisierung von 130 Milliarden zeigt, dass der Markt mit den Füßen abstimmt.
Nvidia will sich vom „Verkauf von Schaufeln“ hin zu „Kredite vergeben“ entwickeln.
Doch der Markt interessiert sich nur für eine Sache: Kann dieses Geld wirklich eingetrieben werden?
Lass mich schließlich noch etwas Härteres sagen—
Nvidia hängt jetzt an der Hälfte des Lebens von Wall Street, hängt an Amerikas Technologiemacht und hängt an Pensionsfonds.
Wenn es irgendwann an den Frontlinien zu lodernden Bränden kommt, wird die Fed höchstwahrscheinlich einschreiten, um als Rückversicherung zu fungieren.
Ist das nicht derselbe Ablauf wie damals bei Fannie Mae?
Groß gewinnen und du verdienst riesig; verlieren und die ganze Öffentlichkeit zahlt die Rechnung.
Huang Renxun macht aus KI eine Infrastruktur – und aus GPUs „digitales Immobilienvermögen“.
Aber was ist das größte Merkmal von Infrastruktur? Dass sie zu wichtig ist, um zu scheitern.
Also wer zahlt die Rechnung? Jeder einzelne Steuerzahler.
Wenn KI-Anwendungen in 2–3 Jahren immer noch nicht profitabel sind – wer füllt die 500-Milliarden-Dollar-Lücke?
Lass uns in den Kommentaren drüber sprechen.