Da die Nachfrage nach KI-Rechenleistung weiter wächst, verlagert sich der Wettbewerb der neuen Cloud-Unternehmen von „wer mehr GPUs besitzt“ zu „wer den vollständigen Technologie-Stack von Hardware bis Software kontrollieren kann“. Wenn sich das pure Mieten ungeschliffener Rechenleistung immer schwieriger der Preiswettbewerbslogik entziehen lässt, rückt eine entscheidendere Frage in den Fokus: Ist der Wert der KI-Infrastruktur im Kern die GPU selbst – oder liegt er eher in der Softwareebene, die das Scheduling, die Orchestrierung und die Optimierung der GPU-Laufzeit steuert?

Nscale übernimmt für rund 1,65 Milliarden US-Dollar Anyscale; Nebius übernimmt Eigen AI; CoreWeave übernimmt Weights & Biases; IREN übernimmt Mirantis – und weitere Transaktionen. Fünf Übernahmen deuten auf denselben Trend hin: Neue Cloud-Unternehmen mit GPUs, Strom und Rechenzentren erweitern sich gemeinsam in Richtung MLOps und die AI-Orchestrierungs-Schicht.

Beim Kauf handelt es sich bei dem Unternehmen New Cloud nicht nur um ein Softwarepaket oder eine Kundengruppe, sondern um die Fähigkeit, sich von „Abrechnung nach GPU-Stunden“ hin zu „Wettbewerb nach dem Ergebnis von Aufgaben“ zu bewegen. Das Dispatching-System bestimmt, wie viele GPU-Stunden eine Aufgabe verbraucht, und damit auch Auslastung der Rechenleistung, die Kundenkosten und den Plattformgewinn. Wer sowohl die beiden Ebenen Software als auch Hardware beherrscht, kann nicht nur koordiniert optimieren, sondern auch durch eine tiefere Systemintegration die Wechselkosten für Kunden erhöhen – und die durch Effizienzsteigerungen erzielten Vorteile innerhalb der Plattform behalten.

Gleichzeitig findet die Integration auch in umgekehrter Richtung statt. Lightning AI fusioniert mit dem GPU-Anbieter Voltage Park, und Inferenzplattformen wie Fireworks, Modal und Baseten bauen in unterschiedlichem Ausmaß die zugrunde liegende Rechenleistung aus oder kontrollieren sie. Infrastrukturfirmen kaufen Software nach oben ein, Inferenzplattformen dehnen sich nach unten in Hardware aus – beide gehen vom entgegengesetzten Ende in Richtung desselben Ziels: gleichzeitig Rechenleistungsanlagen und Orchestrierungssoftware besitzen.

Das bedeutet: In der nächsten Phase des Wettbewerbs geht es für New Cloud nicht mehr nur darum, wie viele GPUs verfügbar sind, wie günstig Stromverträge sind und wie schnell ausgeliefert werden kann, sondern darum, die Kontrolle über den gesamten KI-Workload zu gewinnen. Die eigentliche Hürde könnte daher rühren, wer es schafft, Chips, Cluster, Scheduling und Inferenzdienste zu einem effizienteren System zu integrieren, von dem Kunden schwerer wegwechseln können. Obwohl beide Wege zum selben Ziel führen, unterscheiden sich die Kostenstrukturen grundlegend: New Cloud kann die Software durch Zukäufe ergänzen, während Inferenzplattformen ihre Infrastruktur nach unten aufbauen wollen und dafür deutlich höhere Investitionsausgaben tragen müssen. Das wirft zugleich eine zentrale Frage für den zweiten Teil auf: Wenn alle Unternehmen den vollständigen Technologie-Stack kontrollieren wollen – wer kann für diese Expansion genug günstiges Kapital aufbringen?