NVIDIA freut sich über eigene Chips von Microsoft, Meta & Co.

Ich bin überzeugt, dass die Story von NVIDIA erst anfängt.

Zukünftig entwickeln vermutlich so ziemlich alle entscheidenden Unternehmen der Tech-Branche eigene Chips: Amazon, Alphabet, Microsoft, Meta, Oracle, Dell oder auch Snowflake.

Ich erkläre hier, warum sich NVIDIA freut, wenn die Tech-Giganten ihre eigenen Chips entwickeln:

Warum Nvidia gegenüber AMD die Nase vorn hat

Nvidia hat den Markt der KI-GPUs erfunden und entwickelt. 

Natürlich gibt es Nachahmer, die günstigere Chips entwickeln. Doch die Chips von AMD schließen nach einem Jahr maximal mit der Performance der Nvidia-Chips auf und kosten dann weniger. Doch gleichzeitig zeigen Studien, dass die Chips von AMD mehr Strom verbrauchen als die Chips von Nvidia. Die "total costs of ownership", also die Vollkosten für die Entwicklung eines funktionstüchtigen KI-Modells sind bei den AMD-Chips noch immer deutlich höher als bei den Nvidia-Chips, wenn man die Stromkosten einbezieht.
 
 Und sobald AMD in Sachen Leistungsfähigkeit aufschließt, bringt Nvidia bereits die nächste Generation auf den Markt. Ich habe nicht den Eindruck, dass sich Jensen Huang auf seinen Lorbeeren ausruht, im Gegenteil, er sieht die KI-Revolution noch in einem sehr frühen Stadium und arbeitet mit Hochdruck an besseren GPUs und an der zügigen Verfügbarkeit neuer GPUs.

Inferenz vs. Training: Der wahre Nutzen eigener KI-Chips

Tatsächlich entwickeln Amazon, Alphabet, Microsoft und viele andere Mega-Techs ihre eigenen "KI-Chips". 

Doch diese Chips sind für die "Inferenz" optimiert, nicht für das Trainieren. Mit Inferenz meint man die Anwendung des trainierten KI-Modells für den beabsichtigten Zweck. ChatGPT beantwortet Ihnen alle Fragen. Dazu greift er auf ein Datenmodell zu, das über 9 Monate trainiert wurde. Doch zur Beantwortung Ihrer konkreten Frage durchforstet er das Datenmodell und stellt die bestmögliche Antwort zusammen. Diesen Prozess nennt man "Inferenz". Das Modell verfeinert die Antwort, daher können Sie auf die gleiche Frage später eine unterschiedliche Antwort erhalten.
 
 Diese Inferenz ist ebenfalls sehr rechenintensiv und es ist vorteilhaft, spezielle Chips für diese Anwendung zu optimieren. Jedoch im Vergleich zum Training ist diese Rechenoperation niedlich. Daher sagt Jensen Huang bei jeder Gelegenheit, er begrüße die Entwicklung unternehmenseigener KI-Chips. Denn damit sind die Inferenz-Chips gemeint, nicht die Trainings-Chips. Und je mehr Inferenz-Chips entwickelt werden, desto stärker werden sich KI-Angebote verbreiten. Doch jedes KI-Angebot benötigt zunächst einmal eine KI, die auf Nvidia-GPUs wie der H100 oder H200 trainiert wird.
 
 Je mehr Unternehmen also die Entwicklung eigener KI-Chips ankündigen, desto mehr Nvidia-Chips werden nachgefragt. Wer sich nicht ein wenig mit diesem Sachverhalt beschäftigt hat, der sieht jeden "KI-Chip" als Konkurrenz für Nvidia an. Doch das Gegenteil ist der Fall.

Nvidia's Innovationskraft: Die Zukunft der KI gestalten

In meinem kompletten Artikel "Nvidias Q-Zahlen sprengen jegliche Vorstellungskraft" zeige ich auf, wie früh in der Entwicklung der KI wir uns noch befinden, und wie solide der Vorsprung von Nvidia gegenüber der Konkurrenz ist. Und selbst wenn die Konkurrenz aufschließen sollte, der Markt ist groß genug für mehrere Anbieter von Trainings-GPUs.

Hier ein paar Auszüge meines Artikels:

Tesla im Fokus: Jensens Prophezeiung

Jensen Huang machte auf der Telefonkonferenz eine Nebenbemerkung, die Tesla-Gründer Elon Musk gefallen hat: Kein anderes Unternehmen sei so weit bei der Entwicklung des autonomen Fahrens wie Tesla, noch im laufenden Jahr werde man atemberaubende Ergebnisse von Tesla sehen.
 
 Sie erinnern sich: Tesla ist der Autobauer, der früher mal beliebt war unter Anlegern. Doch seit zweieinhalb Jahren hat sich der Kurs mehr als halbiert, weil das autonome Fahren doch nicht so schnell kommt wie von Elon Musk in Aussicht gestellt. Ist nun der Zeitpunkt gekommen? Jensen Huang wird schon fast wie ein Prophet verehrt. Wenn er Tesla hervorhebt, dann sollten wir die Tesla Aktie im Auge behalten.

Nvidia's Boom: Milliardenaufträge von Meta und Tesla

Noch ein paar Zahlen, damit Sie die Dimension besser erfassen können, über die wir hier sprechen: Bislang größter Kunde von Nvidia ist Meta. Mark Zuckerberg kaufte 24.000 H100 GPUs von Nvidia, um seine ausgelieferte Werbung und seine Vorschläge auf Facebook und insbesondere Instagram zu verbessern. Er nutzt KI-Modelle, die das Vorschlagswesen optimieren. Seit einigen Quartalen liefert Meta kontinuierlich bessere Zahlen ab als von Analysten erwartet.
 
 Eine H100 GPU kostet rund 40.000 USD. Meta hat 24.000 davon gekauft. Also hat allein Meta knapp 1 Mrd. USD an Nvidia überwiesen, um die erforderliche Hardware für KI-Modelle zu haben.
 
 Nun wurde bekannt, dass Tesla bereits 35.000 H100 GPUs gekauft hat. Das sind 1,4 Mrd. USD. Das Geschäft mit der Automobilbranche werde für Nvidia lauf Jensen Huang im laufenden Jahr ein Umsatz von 1,4 Mrd. USD erwirtschaften. Für das kommende Jahr erwarte er eine Umsatzverdopplung. Und mittelfristig werde die Automobilbranche zum wichtigsten Kunden von Nvidia heranwachsen, so Huang.

GPU-Power: Wie Nvidia die KI-Entwicklung beschleunigt

Je mehr Daten für das Trainieren der KI zur Verfügung stehen, desto besser das Ergebnis. Doch mit der Zunahme der Datenmenge wuchs die erforderliche Zeit für das Training exponentiell. Erst die GPUs von Nvidia, die diese Prozesse parallel laufen lassen konnten, führten zu einem Stand, mit dem binnen weniger Jahre ein gutes KI-Modell ausreichend trainiert werden kann, um brauchbare Ergebnisse zu liefern. Ende 2022 wurde plötzlich ChatGPT der Öffentlichkeit zugänglich gemacht und die Resonanz war überwältigend. Offensichtlich hatte man die für brauchbare KI-Ergebnisse kritische Masse an Daten in einer überschaubaren Zeit fürs Training verwenden können. Dank Nvidias GPUs.
 
Plötzlich konnte man berechnen, wie viele Daten wie intensiv fürs Training verwendet werden müssen, um brauchbare KI-Ergebnisse zu erhalten. Nvidia stellte die H100 GPU vor, die Graphikkarte, mit der mit einer ausreichenden Datenmenge binnen 9 Monaten eine brauchbare KI trainiert werden konnte.
 
Wer die ausreichende Menge an Daten hat, der kauft nun so viele H100-Graphikkarten, wie er kriegen kann. Meta, Amazon, Tesla, Alphabet, Microsoft, Oracle, ... auch SAP. KI-Angebote schießen aus dem Boden: Bildbearbeitung, Stimmenmodifikation, Entwicklertools etc. Diese Welle ist erst am Anfang, doch da stellt Nvidia bereits die H200 vor, die Folgegeneration der GPUs mit dem Namen Blackwell. Die bislang 9 Monate, die für das Trainieren einer KI bislang erforderlich sind, können mit der Blackwell-Technologie auf wenige Wochen verkürzt werden. Die H200 ist so leistungsstark, dass nun auch Videos in großen Mengen für das Training der KI verwendet werden können.

Gewinnexplosion und Analystenerwartungen

Für das aktuelle Geschäftsjahr, das bei Nvidia bis zum 31.01.2025 läuft, erwarten Analysten einen Gewinnsprung je Aktie von 120% auf 26,56 USD. Das entspricht beim aktuellen Kurs von 1.038 USD einem KGV von 39. Wenngleich das KGV von 39 also erneut recht teuer aussieht, relativiert sich diese Kennziffer schnell, wenn wir sie ins Verhältnis zum Wachstum setzen. Das KGV/ Wachstum, auch PEG-Ratio genannt, beträgt also 0,3. Nvidia ist nach wie vor günstig.
 
Noch vor nicht einmal fünf Monaten, also zum Jahresbeginn, erwarteten Analysten für das laufende Geschäftsjahr einen Gewinn von 20,80 USD/Aktie. Die Gewinnerwartung wurde also binnen weniger Monate um 27% angehoben. Und dennoch konnte Nvidia diese Erwartungen übertreffen.
 
Für das darauf folgende Geschäftsjahr erwarten Analysten einen Gewinnanstieg um "nur noch" 30% auf 34,29 USD/Aktie. Das KGV stünde dann bei 30, die PEG-Ratio wäre bei einer fairen 1. Spätestens jetzt winken die Skeptiker ab und sagen, die Aktie hat ihre maximale Bewertung erreicht und muss nun erst einmal in diese Bewertung hinein wachsen.
 
Das wäre richtig, wenn das Wachstum im Anschluss unter 10% fällt. Doch schon die aktuellen Erwartungen von durchschnittlich 30% Gewinnwachstum für 2025 erscheinen viel zu konservativ (= niedrig). Analysten heben ihre Erwartungen für Nvidia seit Jahren kontinuierlich an. Und wenn wir nun mal mit dem Zahlenreigen aufhören und uns die Aussagen von CEO Jensen Huang anschauen, dann deutet vieles daraufhin, dass dies auch noch lange so bleiben wird.

Jetzt noch einsteigen? Chancen und Risiken bei Nvidia

Die alles entscheidende Frage für Sie als Anleger lautet nun also: Ist es schon zu spät, Nvidia-Aktien zu kaufen? Oder sollte man noch auf den fahrenden Zug aufspringen?

Natürlich kann eine Aktie, die sich seit Jahresbeginn mehr als verdoppelt hat, im Rahmen einer Verschnaufpause an den Aktienmärkten schnell an 10%, 20%, vielleicht sogar 30% verlieren. Doch ein solcher Rückschlag sollte über die Zeit mehr als ausgeglichen werden, Sie müssen dann nur die Nerven behalten.
 
 Wir kaufen unsere Aktienpositionen stets in zwei Schritten: Einen ersten Kauf führen wir eher schnell durch, mit dem zweiten warten wir auf einen kräftigen Rücksetzer. Bei Nvidia kamen wir bislang nur einmal zum Zug, doch immerhin sind wir an Bord dieser Rallye. Vielleicht ist das auch eine Vorgehensweise für Anleger, die bislang noch zögerten.

Den kompletten Artikel finden Sie unter https://www.heibel-ticker.de/heibel_tickers/2198#ch2