#NvidiaDefendsAIFunding

#OracleAdobeToday Die Nachfrage nach AI ist keine Frage mehr. Die Rechnung ist es 👀 Oracle hat einen riesigen Rückstand von 638 Mrd. $, aber Investoren wollen sehen, wie schnell daraus Umsatz wird und ob dieses Geld die AI-Investitionsausgaben übertrifft. Adobe steht vor einer ähnlichen Prüfung mit Firefly und GenStudio: Kann AI den Umsatz steigern, ohne die Margen zu schmälern? Was meine Aufmerksamkeit erregt hat, ist die Verschiebung. Vom Oracle-Cloud-Geschäft über Adobes Software bis hin zu Apples AI-Hardware verlagert sich das Rennen vom Aufbau von AI hin zum Nachweis, dass sie sich tatsächlich bezahlt macht

#OracleAdobeToday Die Nachfrage nach AI ist keine Frage mehr. Die Rechnung ist es 👀 Oracle hat einen riesigen Rückstand von 638 Mrd. $, aber Investoren wollen sehen, wie schnell daraus Umsatz wird und ob dieses Geld die AI-Investitionsausgaben übertrifft. Adobe steht vor einer ähnlichen Prüfung mit Firefly und GenStudio: Kann AI den Umsatz steigern, ohne die Margen zu schmälern? Was meine Aufmerksamkeit erregt hat, ist die Verschiebung. Vom Oracle-Cloud-Geschäft über Adobes Software bis hin zu Apples AI-Hardware verlagert sich das Rennen vom Aufbau von AI hin zum Nachweis, dass sie tatsächlich rentabel ist.

Oracle, Adobe, heute: Die Nachfrage nach KI ist nicht mehr das Problem. Die Kosten sind es 👀 Oracle hat einen riesigen Auftragsbestand von 638 Mrd. $, aber Investoren sind gespannt, wie schnell dieser in Umsatz umgewandelt wird und ob dieser Cashflow die KI-Ausgaben übersteigen kann. Adobe steht vor einer ähnlichen Herausforderung mit Firefly und GenStudio: Kann KI den Umsatz steigern, ohne Von Oracles Cloud über Adobes Software bis hin zu Apples KI-Hardware verlagert sich der Fokus vom Erschaffen von KI hin dazu, zu zeigen, dass sie sich tatsächlich auszahlt. #SeptHikeOddsHit90%

#OracleAdobeToday Die Nachfrage nach AI ist keine Frage mehr. Die Rechnung ist 👀 Oracle hat einen riesigen Rückstand von 638 Mrd. $, aber Investoren wollen sehen, wie schnell daraus Umsatz wird und ob dieses Geld die AI-Investitionsausgaben übertreffen kann. Adobe steht mit Firefly und GenStudio vor einer ähnlichen Prüfung: Kann AI den Umsatz steigern, ohne die Margen zu schmälern? Was meine Aufmerksamkeit erregt hat, ist die Verschiebung. Von Oracles Cloud über Adobes Software bis hin zu Apples AI-Hardware, das Rennen #SeptHikeOddsHit90% #BTCSpotETF450MOutflow #OracleAICloudUp121%

Der schwierigere Test für die KI-Finanzierung ist die Qualität der Einnahmen. Huangs Verteidigung verweist auf echte Kundenverträge und den kleinen Anteil von Nvidia an der Deal-Finanzierung. Meine Einschätzung: Diese Details sind wichtig, aber eine nachhaltige Nachfrage wäre überzeugender, wenn Kunden wiederholte GPU-Käufe aus dem operativen Cashflow finanzieren könnten. Allein Infrastrukturzusagen können diese Frage nicht klären. #NvidiaDefendsAIFunding

„Kurzlebiger" Aufwärtszyklus, „Neutrale" Positionierung, 20-fache Hebelwirkung: Goldmans Leitfaden zum Kauf von AI, während der linke Schwanz noch brennt

Ich fand das wirklich interessant. Offenbar kann das Hinzufügen günstigerer GPUs dabei helfen, mehr Arbeit aus den teuren GPUs herauszuholen, die man bereits besitzt. NVIDIA hat das mit vier GB200-GPUs und zwei günstigeren RTX 6000D-GPUs getestet. Die RTX-Karten übernahmen die Bildverarbeitungsphase, während die GB200s das Sprachmodell ausführten. Bei einer bildintensiven Arbeitslast bediente die kombinierte Konfiguration 70 % mehr Traffic und erreichte dabei das gleiche Antwortgeschwindigkeitsziel. Sie haben Hardware hinzugefügt, daher war das kein kostenloser Leistungsschub. Aber sie erhöhten die Kapazität, ohne mehr GB200s kaufen zu müssen. Ich denke, das eröffnet eine interessante Möglichkeit für Neoclouds. Wenn der Zugang zu den teuersten Chips begrenzt, wie viel Arbeit sie übernehmen können, wird ein günstigerer Chip, der diese Maschinen entlastet, für sie viel wertvoller. Das könnte die KI-Nachfrage weiter in den GPU-Markt nach unten ziehen. Es handelte sich um professionelle RTX-Karten, nicht um Consumer-Gaming-Karten. Aber wo immer Consumer-Karten diese kleineren Aufgaben wirtschaftlich bewältigen können, könnten Neoclouds zu einem weiteren Käufer werden, der mit Gamern und kleinen Entwicklern um dieselbe Hardware konkurriert. Eine Consumer-GPU müsste nicht das gesamte Modell ausführen, um nützlich zu sein. Sie müsste nur genug Arbeit von einer knappen, teuren GPU abnehmen, um den Kauf zu rechtfertigen. Wenn das in großem Maßstab passiert, könnten sich einige der Engpässe, die wir in Rechenzentren beobachten, auf Teile des Marktes ausweiten, die heute gut versorgt erscheinen.

Für alle AI-Experten, bedeutet das, dass die Führungskräfte öffentlich verlangsamen, was sie veröffentlichen, aber intern immer noch nach dem Gefangenendilemma handeln und das Tempo beibehalten? Das ist irgendwie der Heal-Turn-Move, oder? Optisch würde das bedeuten, dass sich die interne Entwicklung verlangsamt, die Marktstruktur unübersichtlich bleibt, der Free Cash Flow langsamer wächst und die Investitionsausgaben abhängiger von Schulden werden. Ich denke.

#OracleAdobeToday Die Nachfrage nach AI ist keine Frage mehr. Die Rechnung ist es 👀 Oracle hat einen riesigen Rückstand von 638 Mrd. $, aber Investoren wollen sehen, wie schnell daraus Umsatz wird und ob dieses Geld die AI-Kapitalausgaben übertrifft. Adobe steht vor einer ähnlichen Prüfung mit Firefly und GenStudio: Kann AI den Umsatz steigern, ohne die Margen zu schmälern? Was meine Aufmerksamkeit erregt hat, ist die Verschiebung. Vom Oracle-Cloud-Geschäft über Adobes Software bis hin zu Apples AI-Hardware verlagert sich das Rennen vom Aufbau von AI hin zum Nachweis, dass sie sich tatsächlich auszahlt. #SeptHikeOddsHit90%

10 NAMEN, DIE DIE KI-CLOUD-LANDSCHAFT ABBILDEN 1. $CRWV kombiniert tiefe $NVDA-Integration mit Software, die darauf ausgelegt ist, massive KI-Trainingscluster effizient am Laufen zu halten 2. $NBIS vereint eigene Hardware + Software mit Kontrolle über Infrastruktur und Energie, was mehr Möglichkeiten zur Effizienzsteigerung schafft 3. $DOCN macht KI-Inferenz und Agentenentwicklung durch eine verwaltete Cloud-Plattform für kleinere Unternehmen zugänglich 4. $IREN kombiniert eigenes Land mit einer großen gesicherten Stromleitung und schafft so eine Grundlage für die Erweiterung der KI-Kapazität 5. $SHAZ verbindet regionale Partnerschaften mit souveränen Cloud-Fähigkeiten, um Kunden zu bedienen, die lokale Infrastruktur und Datenkontrolle benötigen 6. $NET kombiniert KI-Inferenz mit Entwickler-Tools, Speicher und Sicherheit, was das Erstellen von Anwendungen über sein Edge-Netzwerk erleichtert 7. Crusoe baut seine Standorte um verfügbare Energie herum und richtet die Entwicklung von Rechenzentren an der benötigten Energie zum Betrieb aus 8. Lambda spezialisiert sich auf dichte GPU-Cluster mit verwalteter Software, die das Training und den Betrieb von KI-Modellen vereinfacht 9. $AKAM bringt Computing, Sicherheit und Content-Delivery über ein etabliertes globales Netzwerk nahe bei den Kunden zusammen 10. $FSLY nutzt leichtgewichtige WebAssembly-Ausführung, um Anwendungen schnell zu starten und Anfragen nahe bei den Nutzern zu bearbeiten