Genau deshalb bleibe ich bei der KI-Infrastruktur optimistisch.
Vergleicht die GPU-Mietpreise mit den Preisen für KI-Token seit Juli. Die Token-Kosten sind eingebrochen. Die Mietpreise für H100-GPUs? Mit rund 2,70 $ pro Stunde sind sie weiterhin hoch.
Das ist das klassische Jevons-Paradoxon: Wenn etwas günstiger wird, nutzen die Menschen viel mehr davon. KI-Aufgaben, die in großem Maßstab zu teuer waren, werden plötzlich rentabel. Wenn der Betrieb eines KI-Agenten weniger kostet, setzen Unternehmen Tausende statt Hunderte ein. Programmierassistenten, Suche, Kundensupport – alle rechenintensiven Anwendungsfälle werden ausgeweitet.
Mehr Nutzung = mehr Nachfrage nach GPUs, Speicher, Netzwerktechnik, Rechenzentren und Strom.
Selbst als die Token-Preise einbrachen, blieben die Mietpreise für H100-GPUs stabil. Das zeigt, dass die Nachfrage nach Rechenleistung trotz Effizienzsteigerungen weiterhin stark ist. Ja, Angebotsdynamik und neuere GPU-Generationen spielen eine Rolle. Aber dass die Preise für Rechenleistung stabil bleiben, während die Token-Preise sinken? Das ist ein Signal.
Ich glaube, der Markt unterschätzt, wie viel zusätzliche KI-Nutzung niedrigere Preise in den nächsten Jahren ermöglichen werden. Wir stehen noch ganz am Anfang. Die meisten Unternehmen haben kaum damit begonnen, KI in ihre täglichen Abläufe zu integrieren.
Deshalb bevorzuge ich Anbieter von Infrastruktur, statt darauf zu setzen, welcher Modellanbieter sich durchsetzt. Ob OpenAI, Anthropic, Google oder Open Source – irgendjemand muss die Rechenleistung bereitstellen. Solange die KI-Nutzung schneller wächst, als Effizienzgewinne den Bedarf an Rechenleistung senken, geht der Ausbau weiter.
Optimistisch bei Rechenleistung, Speicher, Netzwerktechnik und Strom.
Vergleicht die GPU-Mietpreise mit den Preisen für KI-Token seit Juli. Die Token-Kosten sind eingebrochen. Die Mietpreise für H100-GPUs? Mit rund 2,70 $ pro Stunde sind sie weiterhin hoch.
Das ist das klassische Jevons-Paradoxon: Wenn etwas günstiger wird, nutzen die Menschen viel mehr davon. KI-Aufgaben, die in großem Maßstab zu teuer waren, werden plötzlich rentabel. Wenn der Betrieb eines KI-Agenten weniger kostet, setzen Unternehmen Tausende statt Hunderte ein. Programmierassistenten, Suche, Kundensupport – alle rechenintensiven Anwendungsfälle werden ausgeweitet.
Mehr Nutzung = mehr Nachfrage nach GPUs, Speicher, Netzwerktechnik, Rechenzentren und Strom.
Selbst als die Token-Preise einbrachen, blieben die Mietpreise für H100-GPUs stabil. Das zeigt, dass die Nachfrage nach Rechenleistung trotz Effizienzsteigerungen weiterhin stark ist. Ja, Angebotsdynamik und neuere GPU-Generationen spielen eine Rolle. Aber dass die Preise für Rechenleistung stabil bleiben, während die Token-Preise sinken? Das ist ein Signal.
Ich glaube, der Markt unterschätzt, wie viel zusätzliche KI-Nutzung niedrigere Preise in den nächsten Jahren ermöglichen werden. Wir stehen noch ganz am Anfang. Die meisten Unternehmen haben kaum damit begonnen, KI in ihre täglichen Abläufe zu integrieren.
Deshalb bevorzuge ich Anbieter von Infrastruktur, statt darauf zu setzen, welcher Modellanbieter sich durchsetzt. Ob OpenAI, Anthropic, Google oder Open Source – irgendjemand muss die Rechenleistung bereitstellen. Solange die KI-Nutzung schneller wächst, als Effizienzgewinne den Bedarf an Rechenleistung senken, geht der Ausbau weiter.
Optimistisch bei Rechenleistung, Speicher, Netzwerktechnik und Strom.