Eine interessante Divergenz bei der KI-Infrastruktur derzeit: Die Mietpreise für GPUs steigen weiter, während die KI-Token-Ausgaben im September im Wesentlichen unverändert blieben (+0,2 % gegenüber dem Vormonat). Das bedeutet aber NICHT, dass die Nachfrage schwach ist – ganz im Gegenteil.
Das Token-Volumen steigt weiter, obwohl die Preise pro Einheit sinken. Daten von Vercel zeigen eine rasant zunehmende Nutzung (Token-Nachfrage): Die Ausgaben sind seit Dezember um +1.180 % gestiegen, während der durchschnittliche Token-Preis dank günstigerer Open-Weight-Modelle um etwa 47 % gefallen ist. Diese Tokens benötigen immer noch nahezu genauso viel Rechenleistung wie Frontier-Modelle.
Die Ausgaben in Dollar sind hier ein ungenauer Indikator. Das Token-Volumen gibt ein klareres Bild der tatsächlichen Inferenznachfrage.
Steigende GPU-Mietpreise = Das Angebot ist weiterhin knapp (Engpässe bei Packaging, HBM und Stromversorgung). Wachstum des Volumens = Nachfrage, die mehr Silizium, Vernetzung und Kapazitätsausbau antreibt.
Verschiedene Kennzahlen für verschiedene Bereiche des Stacks:
• Token-Volumen → besserer struktureller Indikator für Halbleiter- und Infrastruktur-Investments
• GPU-Mietpreise/-Auslastung → direkterer Indikator für Kapazitätsanbieter (Neoclouds)
Sinkende Token-Preise bei weiterhin hohen GPU-Mietpreisen bedeuten NICHT das Ende des KI-Ausbaus. Hier zeigt sich das Jevons-Paradoxon in Echtzeit: Wenn die Effizienz steigt und die Kosten sinken, explodiert der Gesamtverbrauch.
Die Nachfrage ist intakt. Das Angebot ist begrenzt. Entsprechend positioniert in Halbleitern und Infrastruktur. So entwickeln sich langfristige Wachstumsgeschichten – die Nutzung wächst schneller, als die Preise sinken, und die Infrastruktur versucht, Schritt zu halten.
Das Token-Volumen steigt weiter, obwohl die Preise pro Einheit sinken. Daten von Vercel zeigen eine rasant zunehmende Nutzung (Token-Nachfrage): Die Ausgaben sind seit Dezember um +1.180 % gestiegen, während der durchschnittliche Token-Preis dank günstigerer Open-Weight-Modelle um etwa 47 % gefallen ist. Diese Tokens benötigen immer noch nahezu genauso viel Rechenleistung wie Frontier-Modelle.
Die Ausgaben in Dollar sind hier ein ungenauer Indikator. Das Token-Volumen gibt ein klareres Bild der tatsächlichen Inferenznachfrage.
Steigende GPU-Mietpreise = Das Angebot ist weiterhin knapp (Engpässe bei Packaging, HBM und Stromversorgung). Wachstum des Volumens = Nachfrage, die mehr Silizium, Vernetzung und Kapazitätsausbau antreibt.
Verschiedene Kennzahlen für verschiedene Bereiche des Stacks:
• Token-Volumen → besserer struktureller Indikator für Halbleiter- und Infrastruktur-Investments
• GPU-Mietpreise/-Auslastung → direkterer Indikator für Kapazitätsanbieter (Neoclouds)
Sinkende Token-Preise bei weiterhin hohen GPU-Mietpreisen bedeuten NICHT das Ende des KI-Ausbaus. Hier zeigt sich das Jevons-Paradoxon in Echtzeit: Wenn die Effizienz steigt und die Kosten sinken, explodiert der Gesamtverbrauch.
Die Nachfrage ist intakt. Das Angebot ist begrenzt. Entsprechend positioniert in Halbleitern und Infrastruktur. So entwickeln sich langfristige Wachstumsgeschichten – die Nutzung wächst schneller, als die Preise sinken, und die Infrastruktur versucht, Schritt zu halten.