跟Leo看AI

Mt. Gox wurde schon wieder verschoben: Die Rückzahlungsfrist wurde auf den 31. Oktober 2027 verlegt

Als offiziellen Grund nennt man, dass noch immer viele Gläubiger ihre Registrierung und Verifizierung nicht abgeschlossen haben. Bei der Auszahlung einiger Beträge gab es ebenfalls Probleme. Dabei wurde Mt. Gox schon vor über zehn Jahren gehackt👇👇

2014: Die japanische Kryptobörse Mt. Gox wurde von Hackern angegriffen. Etwa 850.000 Bitcoin wurden gestohlen, anschließend meldete die Börse Insolvenz an.

Juli 2024: Mt. Gox begann offiziell mit der Rückzahlung in BTC. Die Auszahlungen erfolgten über Plattformen wie Kraken, Bitstamp, BitGo, Bitbank und SBI VC Trade. Innerhalb eines Monats wurden mehr als 90.000 BTC transferiert.

Seit 2023: Die Frist wurde bereits viermal in Folge verschoben – von 2023 bis ins Jahr 2027.

Von den 142.000 BTC, die für die Rückzahlung zur Verfügung stehen, wurden bereits fast 110.000 Bitcoin zurückgezahlt. In der Wallet des Verwalters sind noch etwa 34.000 übrig. Demnach dürfte der Verkaufsdruck durch die Auszahlungen von Mt. Gox auf den Markt längst nicht mehr so groß sein wie früher. #门头沟还款再度延期

🐮😱 Die krasseste Doku aller Zeiten? Der kürzlich im Ausland gestartete Film „Du kannst alles sehen“ hat die höchste MTC-Bewertung der letzten fast zehn Jahre erreicht – und ist tatsächlich ein Dokumentarfilm.

Im Mittelpunkt des Films steht Elizabeth Holmes, die Hauptfigur eines der größten Betrugsfälle, die das Silicon Valley je erschüttert haben. Mit 19 brach sie ihr Studium in Stanford ab, um ein Unternehmen zu gründen, und trieb dessen Bewertung auf 9 Milliarden Dollar – damals in derselben Größenordnung wie Tesla. Doch schließlich stellte sich heraus, dass das Unternehmen von Anfang bis Ende ein einziger Betrug war❗️

Der Film wurde 34 Tage vor ihrem Haftantritt gedreht. Holmes tritt selbst darin auf; durch Interviews und begleitende Aufnahmen erhalten wir Einblick in ihren Alltag. Angesichts dessen, was sie damals getan hat, und mit ihren markanten großen Augen, die kaum zu blinzeln scheinen, verbreitet der ganze Film eine Gänsehaut erzeugende, beklemmende Atmosphäre.

Werfen wir gemeinsam einen Blick zurück auf diesen Betrug👇👇

2003 gründete Holmes das Bluttestunternehmen Theranos und behauptete, mit nur wenigen Tropfen Blut aus der Fingerkuppe Hunderte von Tests durchführen zu können. Mit dieser Geschichte und einem bewusst an Steve Jobs angelehnten Auftreten holte sie politische Schwergewichte wie Henry Kissinger und George Shultz in den Vorstand. 2014 wurde das Unternehmen mit rund 9 Milliarden Dollar bewertet, und Holmes wurde zur jüngsten Selfmade-Milliardärin. Doch die Technologie hatte in Wahrheit nie funktioniert. Heimlich testete das Unternehmen Proben mit umgebauten handelsüblichen Geräten, täuschte Investoren und Aufsichtsbehörden und schickte echte Patienten zudem ungenaue Testergebnisse.

2015 deckte John Carreyrou, Reporter des Wall Street Journal, den Betrug anhand von Hinweisen aus dem Unternehmen auf. Theranos wurde 2018 aufgelöst. 2022 wurde Holmes wegen Betrugs an Investoren zu 11 Jahren und 3 Monaten Haft verurteilt; sie sitzt bis heute im Gefängnis. Der Fall gilt als bekanntestes abschreckendes Beispiel für die „Tu so, als wärst du erfolgreich, bis du es bist“-Kultur des Silicon Valley.#骗局 #你能看到一切

量子威胁又来了，这次似乎不太一样！！🚨🚨

Anthropic前两天发了一篇量子计算论文，标题写的是：「AI设计更高效的量子电路，让化学、材料科学的应用更早到来」。

但论文8个任务里写得最细的一个，是256-bit椭圆曲线点加法。它是量子计算机破解椭圆曲线离散对数的核心步骤，而$BTC、$ETH 的签名用的正是椭圆曲线。

任务包括什么？
1.只给Claude Mythos 5一段简短需求和一个自动评分器（qubit数 × gate数），让它自己闭环迭代，基本没有人工介入。
2.点加法里最贵的一步是模逆。Claude跑了53 小时，做出了第一个不需要存储分支历史的可逆divsteps实现，还自己证明了几个新的代数恒等式，并用Lean做了形式化验证。
3.和此前最小的设计相比，它用的qubit多了12%，但gate少了17倍。
4.顺手把DQI的Reed–Solomon解码器做到比Google之前的方案少12倍gate。
5.对比一下历史： FeMoco模拟所需的Toffoli gate，2017年估算约50万亿，现在降到约3.4亿，下降了大约15万倍。这主要靠多个研究组8年来一步步改进算法，每一步都要花上几个月。
而Claude这次的椭圆曲线设计，只是一次53小时的运行。

也就是说，这次AI只用53小时，就把量子破解BTC、ETH签名的关键步骤做得更省资源，你的加密货币现在还不会被盗，但量子威胁到来的时间可能比大家预想的更早。

一旦硬件追上，公钥已经在链上暴露过的地址会最先面临风险，所以抗量子签名的升级不能再拖了！！

#AI Wird CoreWeave zur „Subprime-Bombe“ der KI-Branche? 🚨⚠️ Diesmal reichen Jensen Huangs Zusicherungen vielleicht nicht aus.

Huang versucht in letzter Zeit immer wieder, dem Markt Zuversicht einzuflößen: Die aktuellen Turbulenzen würden vorübergehen, KI werde jede Branche verändern, und wir stünden noch ganz am Anfang.

Doch an der Wall Street fragt man sich längst nicht mehr, ob KI nützlich ist, sondern: Wie lange dauert es, bis sich all das geliehene Geld für GPUs auszahlt?

CoreWeaves Expansionsmodell ist ganz einfach: GPUs kaufen, langfristige Verträge über Rechenleistung abschließen und dann mithilfe dieser Verträge und Vermögenswerte Geld aufnehmen, um noch mehr GPUs zu kaufen. Solange die Kunden pünktlich zahlen und die Finanzierung weiterläuft, kann dieser Kreislauf weitergehen.

Das Problem: Wenn Strommangel die Auslieferungen verzögert, könnten sich die Einnahmen verschieben, während die Zinsen weiter fällig werden. Ältere GPUs verlieren zudem mit dem technologischen Fortschritt an Wert. Gehen die Neuaufträge zurück und sinken die Preise bei Vertragsverlängerungen, könnte es zugleich schwieriger werden, Geld zu verdienen und Kredite aufzunehmen.

Bleiben die Einnahmen hinter den Erwartungen zurück, wird das Leihen teurer; wird das Leihen teurer, wird die Schuldentilgung schwieriger. Das ist es, was dem Markt Sorgen bereitet: eine „Todesspirale“ – und nicht bloß ein paar Tage mit fallenden Aktienkursen.

Jensen Huang hat natürlich gute Gründe, an die Zukunft der KI zu glauben. Doch dass Nvidia mit dem Verkauf von GPUs Geld verdient, heißt nicht, dass auch die Unternehmen, die GPUs kaufen, ihre Investitionen wieder hereinholen.

Langfristige Verträge und eine anhaltende Nachfrage könnten das Modell stützen. Es ist noch zu früh, jetzt schon von einer „Subprime-Krise“ zu sprechen. Doch um die Zweifel des Marktes auszuräumen, muss CoreWeave eines vorweisen: Cashflow, nicht Zuversicht.

Musk ist wirklich ein Vorreiter des menschlichen Fortschritts. Schau dir nur an, woran er arbeitet: Raketen, Starlink, Elektroautos, Rechenzentren im Weltraum – jedes einzelne Konzept wäre Stoff für einen eigenen Hollywood-Blockbuster. Und jetzt hat er sogar ein fliegendes Auto gebaut! Die Aufsätze, die wir als Kinder geschrieben haben, sind Wirklichkeit geworden!!! So cool – man muss diesem Mann einfach Respekt zollen. #特斯拉发布Roadster

Lao Gan Ma war kürzlich mit einer Nachricht in den Trendthemen: Das Unternehmen soll mithilfe von KI in einem Jahr fast 800 Millionen US-Dollar verdient haben.

Was ist da los? Tatsächlich hat Lao Gan Ma im vergangenen Jahr ein KI-gestütztes visuelles Qualitätskontrollsystem eingeführt und damit die Ausschussquote bei wichtigen Produktionsschritten auf 0,02 % gesenkt. In der Produktionshalle scannen Kameras alle 0,3 Sekunden das Förderband. Nicht einwandfreie Chilischoten werden dann in einen Abfallbehälter geblasen. Einfach gesagt: Mit dem Geldverdienen hat KI kaum etwas zu tun – hier wurde die KI-Geschichte nur für Aufmerksamkeit ausgeschlachtet 😂😂

Bevor das KI-System eingesetzt wurde, arbeiteten an der gesamten Produktionslinie über 600 Leute, die Chilischoten sortierten. Jetzt sind es weniger als 50. Bin ich die Einzige, die Mitleid mit den ersetzten Arbeiterinnen und Arbeitern hat??

#Muse超越ChatGPT成iOS免费榜首 中国为什么还没有出现自己的muse？豆包手机：我想做啊，可他们不同意😕😕

豆包手机助手早就想做一套可以帮用户自动去淘宝下单，去美团点外卖的全套智能体操作。为了取得权限，豆包上个月出了个规则并公示30天，让各家App公司选择要不要允许豆包AI代替用户自动操作。结果公示期结束，包括微信、支付宝、淘宝、美团、拼多多、小红书在内的多家国内头部公司，全部拒绝。。

其实大厂们的逻辑也很好理解，你让AI来代理操作了，我还怎么卖商家推荐和开屏广告？这事怎么看都是百害而无一利啊。短时间内真的无解

又有个男明星出来爆料自己炒NFT结果亏得比炒股还多😂😂印象里明星里炒过NFT的还有周星驰、周杰伦、林俊杰、陈冠希吧 不过大部分都还是割了一波韭菜的 #方力申自爆买NFT亏惨

Ich kann es kaum glauben! Diese 3D-Spieloptik hat tatsächlich eine einzige Person in nur einem halben Monat mit KI von Hand erstellt!! Ich hab’s ausprobiert – Grafikstil und Musik sind absolute Spitzenklasse, und schon in einer einzigen Nacht hatte der Post über 1,6 Millionen Aufrufe!! Und die Zahl steigt immer noch rasant weiter.

Unglaublich stark: guter Geschmack + KI-Können + Umsetzungsstärke + die Bereitschaft, Dinge zu teilen und sich auszudrücken – das ist die Erfolgsformel unserer Zeit!!!

Diese Welt ist wirklich verrückt geworden … Jetzt bekommen sogar KI-Systeme Kinder und müssen in Mutterschaftsurlaub 😓😓

Das US-Bundesgericht für den südlichen Bezirk von New York hat Michael Smith, 54, vor wenigen Tagen zu 18 Monaten Haft verurteilt – wegen Betrugs mit KI-generierter Musik und manipulierten Streamingzahlen 😳😳. Es ist der erste Strafprozess dieser Art in den USA.

Wie genau ist er dabei vorgegangen? Zunächst ließ er mithilfe von KI-Tools Hunderttausende Songs erstellen und lud sie auf große Plattformen wie Spotify und Apple Music hoch, um Tantiemen abzukassieren. Anschließend ließ er Bots die Wiedergabezahlen künstlich in die Höhe treiben. Mit dieser Masche verdiente er in sieben Jahren 8,09 Millionen Dollar ⋯⋯

Und der Typ wurde schon 2024 geschnappt. Hätte er die heutigen KI-Tools genutzt, hätte er wahrscheinlich noch viel mehr verdient. #神操作

Ich kann kaum glauben, dass ich diesen Blogger erst jetzt entdeckt habe!! Martin Luk, ein Student aus Hongkong, hat im vergangenen Jahr mit einer Rendite von 969,8 % die Aktienkategorie der US-Investitionsmeisterschaft gewonnen 🏆🐮

Seine wohl bekannteste und am häufigsten verwendete Strategie heißt „Rücksetzer kaufen“. Sie eignet sich besonders gut für den Handel mit kleinem Kapital, und auch die Kosten für Fehlversuche sind gering. Ich habe nachgesehen: Auf YouTube hat er über 8.000 Abonnenten und streamt abends oft seine Aktiengeschäfte.

#Ledger暂停CryptoBilis销售 Ledger被盗之后，有人扒出来另一家硬件钱包onekey的赔付条款里写着，最高赔付仅100美元。。不过这件事也确实难评，而且似乎在web2里找不到对应的案例。没听说谁买了个保险柜，资产被偷后去找保险柜商家要求赔偿的吧？但是如果是因为钱包自身安全原因导致放置在里面的巨额资产被盗，钱包说最多只能赔100美元这谁受得了啊🤡🤡

#xrp账本修复可增发xrp的漏洞 Wenn ich mich richtig erinnere, ist ZEC vor ein paar Monaten etwas Ähnliches passiert, und der Kurs ist noch am selben Tag um über 50 % eingebrochen, oder? Warum reagiert der XRP-Kurs kaum??

Muss man zum Traden unbedingt die Hände benutzen? Geht das nicht auch mit den Füßen?

Schwester Siba sorgt echt immer für gute Unterhaltung, hahaha

#Manus完成超5亿美元新一轮融资 Manus居然又杀回来了？？还融了5亿美金

经历了被Meta收购、紧急叫停、交易撤销这一连串戏剧性事件后，Manus没有倒下。也许多年后再回头看，当初没有被Meta买走是正确的。

Über die Feiertage zum Nationalfeiertag bin ich für einen Besuch in meine Heimat zurückgekehrt. In der Kreisstadt spricht niemand über KI, große Sprachmodelle, US-Aktien, Chips oder verkörperte Intelligenz. Die ewigen Gesprächsthemen sind nach wie vor die kleinen und großen Dinge des Familienalltags.

Die Welt scheint noch immer dieselbe zu sein 🤫🤫

Muse爆火第13天Meta涨11%，aber „AI-Neueintritt“: Die Story erstmal nicht zu sehr glauben

Vor zehn Jahren zeigte Zuckerberg auf der F8 einen Messenger-Roboter, der Blumen bestellt, und sagte: „Niemand mag es, bei Händlern anzurufen.“ Zehn Jahre später bringt dieselbe Firma mit „Muse“ einen persönlichen Agenten an den Start – und nach 13 Tagen ist er an der Spitze der kostenlosen Rangliste im US-Store, gleich zweimal Platz 1, mit über 2,5 Millionen Downloads.

Metas Erzählung zeichnet einen Kreis: 2023 sparte „das Jahr der Effizienz“ Geld und ließ den Gewinn um fast 200% steigen. 2026 werden die CapEx auf 130 Milliarden US-Dollar hochgefahren, im Q2 sinkt der Free Cashflow auf nur noch 784 Millionen, doch wegen Muse steigt die Aktie an einzelnen Tagen wieder um 11%. Der Markt interessiert sich nicht dafür, ob du ausgibst oder sparst – er will nur wissen, ob sich die Geschichte logisch zu Ende erzählen lässt.

Doch es ist der fünfte Versuch der Big Player, mit KI den „Super-Eintritt“ zu erobern – die ersten vier blieben bei Funktionen stehen und kamen nie am eigentlichen Eingang an: Alexa-Sprachkauf – nur 2% der Nutzer haben es ausprobiert, 90% kaufen nicht wieder; Messenger-Roboter versanden im Kundenservice; GPT Store und Humane AI Pin scheitern; ChatGPT Instant Checkout wurde von Walmart kritisiert – die Conversion liegt nur bei einem Drittel dessen, was es zurück auf die Website schaffen würde; im chinesischen Neujahr ließ „Qianwen“ mit 3 Milliarden Gratisbestellungen die DAU auf 73,52 Millionen hochschnellen und fiel dann auf 30 Millionen zurück. Jedes Mal zahlt der Markt für die Aufregung, jedes Mal ist das Ende gleich.

Der Grundkonflikt des Agenten: Zeit vernichten, aber Nutzer behalten

Geld verdienen am Internet-Eintritt geht im Wesentlichen über zwei Wege: Empfehlungsläufe setzen auf „Zeit vertreiben“ und verkaufen Sichtbarkeit; Suche setzt auf „Lieferung“, damit Nutzer an Händler übergeben werden. Ein persönlicher Agent steht auf beiden Seiten nicht – er erledigt die Sache für dich, damit du so schnell wie möglich gehst. Das ist „Zeit vernichten“. Gleichzeitig will er die Nutzer aber in der eigenen Hand behalten. Was er dem Händler gibt, ist nur eine Bestellung: sichtbar ist die Kontoadresse, aber nicht die Person, die im Laden herumgestöbert hat. Kein Browsing, kein Verweilen, kein Wiederkauf. Die nächste Bestellung wird neu verglichen – und diesmal reicht ein Sieg nicht als langfristiger Vorteil.

Händler zahlen nicht gern hohe Preise für Bestellungen, bei denen sie den Nutzer nicht sehen. Und der Agent hat im Vordergrund echte Grenzkosten: Schlussfolgern, virtuelle Maschinen, Rendering, Wiederholungen – alles kostet Geld. Meta will seltsamerweise von beiden Seiten etwas abhaben: vom Nutzer Abo-Gebühren kassieren und gleichzeitig aus Transaktionen Provision ziehen.

Die Rechnung ist hart: Eine JPM-Analyse rechnet für 2028 mit 100 Millionen Muse-Nutzern, fünf Anfragen pro Tag, 10% mit kommerziellem Wert. Pro Monetarisierung 0,07 US-Dollar – im Jahr also 1,3 Milliarden. Für Metas Gewinn pro Aktie (EPS) bedeutet das nur rund 1%. Metas Q2-Werbeerlöse wurden dagegen auf eine Jahresrate von 237 Milliarden US-Dollar hochgerechnet.

Auf die richtige Seite zu gehen ist Handwerk

Verbraucher bedienen oder Händler? Was sich lohnt, hängt davon ab, ob Geld über die Verkaufspartner verdient wird: Bei „Yitao“ wurde es von JD abgeschirmt, bei „Google Shopping“ wurde aus dem kostenlosen Vergleich eine bezahlte Darstellung. Am 20. September sperrte Amazon Muse – die Begründung ist unverblümt: Drittanbieter-Apps, die namens Kunden über mehrere Shops hinweg bestellen, sollen transparent operieren und die Interessen der Service-Provider respektieren. Sobald ein Agent zur bezahlten Umleitung für Händler wird, ist er nicht mehr dein Kosten-sparender Einkaufsagent, sondern nur ein weiterer Werbekanal. „Muse soll dir helfen, Geld zu verdienen und Geld zu sparen“, sagt Zuck – doch diese zwei Dinge stehen von Natur aus gegeneinander.

Die Einstiegshürde ist unheimlich niedrig

Das MCP-Protokoll macht die Anbindung von Gmail, Kalender und Karten schnell austauschbar. Jeder hat eine Cloud-Virtual-Machine plus einen sichtbaren Browser – diese Architektur ist nicht exklusiv von Meta: Googles Gemini Spark kam schon mehr als drei Monate früher als Muse. Wenn man diesen Weg wirklich zum Laufen bringt, sollten eigentlich Google oder OpenAI (bzw. „Doubao“) dran sein – die, die Gmail/Chrome/Android bereits in der Hand halten. Und noch besser: Die am besten bewertete Verwendung von Muse passt genau in Googles Mail – ein paar Preislisten ändern, schon läuft’s an. Das, was Muse gewinnt, ist nur der Vorsprung beim Launch: Im gleichen Zeitraum wurden ChatGPT in 13 Tagen 3,1 Millionen Mal heruntergeladen – immer noch mehr als Muse.

In China ist es ähnlich: „Qianwen“ ist zwar mit Taobao verbunden, aber im Quartal entsteht ein KI-Verlust von 13,8 Milliarden und die eigene Empfehlungsschiene wird zum Werbemagneten zurückgebissen; WeChat Xiaowei bremste die Ausbreitung wegen Tencent, das mit Video-Konten-Werbung Geld verdient; Meituans offene Schnittstelle hält Gebühren am Kassenbereich zurück; Doubao stieß gleich zweimal an die Wand. Am stillsten ist Pinduoduo – am stärksten trifft es eine Plattform, die am meisten auf „Herumbummeln/Shoppen“ setzt.

Die Haltbarkeit eines Einlasses

Ein Eingang zu sein erfordert mindestens vier Dinge: Nachfrage generieren, Geld einsammeln, Nutzer binden und neutral bleiben. Heute kann ein persönlicher Agent höchstens ein bis zwei davon wirklich erfüllen. Jede Minute Aufmerksamkeit, die er dir spart, ist ein Vermögenswert, den Internetfirmen eigentlich verkaufen könnten; jeder Nutzer, den er bei sich behält, ist ein Mensch, den Händler gern bezahlen würden, um ihn zu erreichen.

JPM-Analyst Brian Nowak sagt, er kümmere sich nur um eine Sache: Ob Nutzer wirklich bei Muse Geld ausgeben, um etwas zu kaufen – Downloads und DAU interessieren ihn nicht.

In den letzten Jahren liebt der Markt bei KI-Storys die Methode, Tech-Firmen anhand des Geldverbrennungstempos neu zu bewerten. Aber in all den unerfüllten Erzählungen über „Eingänge“, die nie wirklich funktionieren, ist das tatsächlich Seltene nicht der Mut, Geld auszugeben – sondern die Zurückhaltung zu erkennen, „welches Geld man sich sparen sollte“.

Gestern stieg Meta an einem Tag um mehr als 11%. Intel und AMD zogen jeweils um rund 12% und 10% an. Der Auslöser war die anhaltend starke Nachfrage nach Meta’s persönlichem KI-Agenten-Produkt „Muse“. Das ist erwähnenswert, weil es möglicherweise die grundlegende Logik hinter „KI-Rechenleistung“ neu schreibt.

I. Was hat Muse wirklich verändert

Die meisten KI-Consumer-Tools sind im Kern immer noch Fragestell- und Antwortwerkzeuge: Man gibt einen Text ein, das Modell schließt die Schlussfolgerung ab und liefert ein Ergebnis zurück – und die Aufgabe ist beendet. Muse holt die KI aus dem Chat-Fenster in einen echten Arbeitsablauf: Du gibst ein Ziel vor, Muse zerlegt die Schritte, meldet sich auf Websites an, ruft externe Dienste auf, liest den Status der Seiten aus und entscheidet dann über den nächsten Schritt. Trifft es auf Bezahlung, E-Mails oder Terminänderungen, sucht es proaktiv deine Autorisierung ein, erledigt dann die Aufgabe weiter und prüft anschließend erneut, ob sie vollständig abgeschlossen ist.

Der geschlossene Kreislauf lautet: Ziel verstehen → Plan erstellen → Tools aufrufen → Ergebnis beobachten → Plan anpassen → weitermachen.

Die „Arbeitseinheit“ traditioneller KI ist „ein einzelner Dialog“, die des Agenten ist „eine vollständige Aufgabe“. Meta hat außerdem eine cloudbasierte, persistente Ausführungsumgebung bereitgestellt – wenn du die App schließt, läuft es im Hintergrund weiter. Das bedeutet: Der Wettbewerb geht nicht mehr nur um das Basismodell. Es geht auch um Distributionskanäle, Nutzerdaten und das kommerzielle Ökosystem. Meta hält die enorme Reichweite an Nutzerzugängen. Sobald sich Muse Daten wie E-Mails, Kalender, Konsumgewohnheiten und Aufgabenhistorien anreichert, sind die Wechselkosten extrem hoch. Du verlegst dann nicht nur Chat-Verläufe, sondern eine komplette Arbeitsweise.

II. Warum diesmal die CPU gezogen wurde

In den letzten Jahren war der Hauptschauplatz der KI-Infrastruktur die GPU. Doch mit dem Eintritt der Agenten in den Arbeitsablauf verschiebt sich die Struktur der Rechenleistung: Die GPU übernimmt das „Denken“ (Ziel verstehen, Pläne generieren, Seiten erkennen). Der eigentliche Teil des „Tuns“ – System ausführen, virtuelle Maschinen starten, APIs aufrufen, Berechtigungen verwalten, Aufgabenzustände speichern – läuft dagegen vollständig auf CPU und klassischen Servern.

Die Chat-Modellkette ist: Eingabe → Schlussfolgern → Ausgabe → Ressourcen freigeben. Die Agenten-Kette ist: Schlussfolgern → CPU-Ausführung → auf externe Reaktionen warten → Status erneut lesen → wieder Schlussfolgern → wieder ausführen. Eine einzige lange Aufgabe kann in Schleifen dutzende bis hunderte Male laufen. Browser, virtuelle Maschinen, Speicher und Task-Status müssen durchgehend online sein. Der KI-Rechenbedarf weitet sich von „einen Token generieren“ zu „die kompletten Systemressourcen für eine Aufgabe bereitstellen“ aus.

Wenn Muse sich einmal an Milliarden Nutzer öffnet, wird selbst ein kleiner Anteil an parallelen Agentenläufen eine enorme Zahl an virtuellen Maschinen, Browserprozessen und API-Aufrufen erzeugen. Persönliche Agenten müssen mit E-Mail, Bezahlung und Kontoberechtigungen umgehen. Man kann nicht alle Aufgaben in dieselbe Umgebung packen. Je stärker die Sicherheitsisolierung betont wird, desto mehr unabhängige Ressourcen braucht jeder Nutzer. Der CPU-Bedarf im Agenten-Zeitalter entsteht aus drei Linien: mehr Parallelität, längere Aufgabedauer und strengere Sicherheitsisolierung. Genau das ist der Grund, warum der Markt wieder verstärkt auf Multi-Core-Server-CPUs schaut. Es gibt sogar die Einschätzung, dass sich der Bedarf an CPU-Kernen in Zukunft verdoppeln könnte und das Verhältnis CPU zu GPU sich dem von 1:1 annähert.

Ein-Satz-Zusammenfassung des Beobachtungsrahmens: Wenn die Inferenzkosten sinken, verlagert sich der Engpass der KI von „Kann das Modell gut genug denken?“ hin zu „Kann der Hintergrund so viele Aufgaben mit ausreichend niedrigen Kosten parallel ausführen?“

III. Wie sich Rechenbedarf in Profit verwandelt

Nachfrage ist nicht gleich Profit. Entscheidend ist das Unit-Economics-Modell von Muse. Es gibt eine kostenlose Version plus zwei Abo-Stufen (20 USD und 100 USD). Zukünftig kann zusätzlich über Unternehmens-Agenten, Entwickler-Schnittstellen und Transaktionsprovisionen Geld verdient werden. Muse kann die tatsächlichen Kauf-/Konsumabsichten erkennen. Der theoretische Wert pro Nutzer liegt damit – zumindest grundsätzlich – über dem klassischer Werbeklicks. Institutionen haben berechnet, dass die zukünftigen Einnahmen möglicherweise über 10 Milliarden USD liegen könnten.

Doch die Kostenstruktur von Agenten ist anders: Man muss virtuelle Maschinen für Nutzer bereitstellen, Speicher reservieren, Netzwerk „verheizen“ und Modelle abrufen. Je stärker das System genutzt wird, desto höher sind die Backend-Kosten. Die zwei Abo-Stufen sind im Grunde ebenfalls ein Ressourcen-Management – sie begrenzen die Anzahl der Aufgaben, die Zahl der Aufrufe und die Backend-Laufzeit. Im Vergleich zu festen Abos passt eine Transaktionsprovision besser zur Kostenstruktur von Agenten.

Aber ein transaktionsfähiges Modell würde auch Plattformkonflikte auslösen. Amazon hat bereits den Kauf von Muse innerhalb seiner App unterbunden: Nachdem der Agent für den Nutzer Suche und Bestellung erledigt, wird der Nutzer die Empfehlungsseiten und Werbung überspringen. Drittanbieter-Plattformen werden voraussichtlich drei Wege einschlagen: Schnittstellen gegen Gebühr öffnen, eine Aufteilung der Transaktionserlöse verlangen oder nicht autorisierten Zugriff blockieren. Jede dieser Optionen würde die Service-Grenzen von Muse und damit die Gewinnmargen komprimieren.

IV. Diese Wirkungskette richtig lesen

Für Meta: Muse ist der entscheidende Prüfstein, ob sich KI-CapEx in Consumer-Einnahmen umwandeln lässt – Downloads belegen die Distribution, die Abschlussquote bestimmt den Wert, die Retention zahlt auf Einnahmen ein, und die Kosten pro Aufgabe entscheiden über den Profit.

Für Intel: GPU steht für „Denken“, CPU steht für „Ausführen“. Wenn Consumer-Agenten großflächig ausgerollt werden, könnte CPU in Servern von einem Nebenbauteil zu einem Schlüssel werden, der Parallelität und laufende Kosten bestimmt.

Die komplette Wirkungskette: Consumer-Agenten bekommen Zugriff auf Nutzer → Aufgaben wechseln von Frage-und-Antwort zu kontinuierlicher Ausführung → virtuelle Maschinen, Browser und Tool-Aufrufe explodieren → CPU-, Speicher- und Netzwerkbedarf steigen → die Infrastrukturkosten ziehen an → Abo- und Transaktionseinnahmen verifizieren die Unit-Economics → der Chipbedarf wird schließlich zum Gewinn der Anbieter.

GPU entscheidet, ob Agenten ihre Aufgaben klar genug durchdenken können. CPU und System-Infrastruktur entscheiden, ob sie gleichzeitig genug Menschen ihre Aufgaben erledigen lassen können; und die finale Kapitalrendite hängt davon ab, wie viel Geld man pro erledigter Aufgabe verdient – ob das die Kosten der gesamten Ausführungskette überdecken kann.