Jensen Huang: 1 Billion Dollar Compute-Bedarf, 10 Billionen als Ziel

Nvidia-Chef Jensen Huang hat im Podcast BG2 mit Brad Gerstner über die Zukunft von KI-Compute gesprochen. Seine Kernthese: Die Nachfrage nach Rechenleistung wächst exponentiell, weil Reasoning und Inference deutlich mehr Kapazität brauchen als einfache Antworten. Für Anleger ist das die zentrale Frage hinter der Bewertung von Nvidia und der gesamten KI-Infrastruktur.

Huang sieht Inference als Haupttreiber der Compute-Nachfrage

Im Gespräch mit Brad Gerstner auf dem BG2-Podcast hat Nvidia-Chef Jensen Huang seine These wiederholt, dass die Nachfrage nach Rechenleistung weiter exponentiell steigt. Den wichtigsten Grund sieht er in der Inference – also dem Betrieb trainierter Modelle. Reasoning, das schrittweise Durchdenken von Aufgaben, verbraucht deutlich mehr Compute als das Abrufen gespeicherter Antworten.

Huang beschreibt einen Kreislauf: Mehr Compute führt zu besseren Ergebnissen, bessere Ergebnisse steigern die Nachfrage nach dieser Rechenleistung, und das treibt den Bedarf weiter. Nvidia selbst stützt diese Erzählung mit eigenen Zahlen. Im jüngsten Earnings-Call sprach das Unternehmen von einem Cloud-Backlog von über 2 Billionen US-Dollar und erwarteten CapEx der fünf größten Hyperscaler von fast 800 Mrd. US-Dollar im Jahr 2026 sowie 1,3 Billionen US-Dollar im Jahr 2027, wie aus dem Transkript hervorgeht. AWS plane zusätzlich 2 Millionen GPUs bis ins Fiskaljahr 2029.

Diese Zahlen sind allerdings Unternehmensangaben und keine unabhängig geprüfte Marktstatistik. Sie stützen Huangs Argument, beweisen es aber nicht.

Die Kosten für Intelligenz sinken – die Nutzung steigt stärker

Huang zufolge fallen die Kosten für KI-Intelligenz in den kommenden Jahren deutlich. Treiber seien mehr verfügbare Rechenleistung und effizientere Modelle. Als Beispiel nennt er GPT-1: Das Training habe ursprünglich rund 20 Mio. US-Dollar gekostet, heute wären es laut Huang etwa 100 US-Dollar. Eine unabhängige Bestätigung für diese Zahl ließ sich in den vorliegenden Quellen nicht finden.

Der Preisverfall führe nicht zu weniger Nachfrage, sondern zu mehr. Die Nutzung der Modelle sei seit GPT-1 um den Faktor einer Million gestiegen, so Huang. Er vergleicht das mit dem Mooreschen Gesetz: Sinkende Kosten pro Recheneinheit haben die Nachfrage historisch nie gebremst, sondern angeheizt.

Huang widerspricht zudem der Erwartung, dass die Arbeitszeit durch KI sinkt. Seine Begründung: Je mehr Menschen lernen, desto mehr wollen sie erreichen. Der Engpass sei nie die Motivation gewesen, sondern die Gelegenheit.

Tool-Nutzung und Robotik als nächste Stufen

Als größte Fortschritte der vergangenen zwölf Monate nennt Huang den Einsatz von Werkzeugen und sogenannten Harnesses – also Rahmen, die Modelle mit ihrer Umgebung verbinden. KI sei früher nur ein Wissensspeicher gewesen, heute habe sie eine Struktur, die sie nutzbar mache. Modelle lernten, vorhandene Tools zu verwenden, statt sie jedes Mal neu zu bauen. Eine unabhängige Bestätigung für diese Einordnung fand sich in den geprüften Quellen nicht.

Für Robotik sieht Huang den Beginn eines ähnlichen Durchbruchs wie bei ChatGPT. Jeder physische Aspekt der Welt werde künftig mit Software und Compute digitalisiert, jedes große Unternehmen müsse sich als Technologieunternehmen mit KI neu erfinden. Nvidia bewirbt diesen Bereich als Physical AI mit eigener Architektur und Echtzeit-Inference. Ob daraus ein vergleichbarer Marktdurchbruch wird, ist offen – die Quellen zeigen vor allem Produktstrategie und Marketing, nicht den vollzogenen Wandel.

Huangs Haltung zur Regulierung stößt auf Kritik

Huang bezeichnet Sicherheit als Kernbestandteil beschleunigter KI-Entwicklung. Sein Vergleich: Bei einem Auto denke man nicht nur an den Motor, sondern auch an Airbags und Bremsen. Regulierung und Sicherheit gehörten entsprechend dazu.

TechCrunch kritisierte Huang jedoch offen für seine Haltung zur KI-Regulierung. In einem Beitrag vom 15. September 2026 heißt es, Huang habe bei Dreamforce gesagt, man brauche keine KI-Regulierung und solle die Sicherheit der Branche überlassen. TechCrunch ordnet das in die laufende Sicherheitsdebatte ein. Bereits am 14. September 2026 hatte TechCrunch Huangs Auftritt bei All-In skeptisch kommentiert und seine Nähe zu Trumps Tonlage als geschäftlich motiviert beschrieben.

Auch Bloomberg Opinion warnte am 22. September 2026, Huang habe als Nvidia-Chef ein erhebliches Eigeninteresse an schwacher Regulierung und wirke in der Debatte wie ein Gatekeeper. Die Gegenposition dazu: Nvidia argumentiert, dass Sicherheitsmechanismen Teil des Produkts sind und die Branche selbst schnell genug reagiert.

Nvidias Anteil am KI-Capex und die Grenzen des Moore'schen Gesetzes

Huang zufolge liegt Nvidias Anteil an den Investitionen von Neoclouds – also spezialisierten GPU-Cloud-Anbietern – bei rund 80 %. Bei den großen Cloud-Anbietern seien es eher 40 %. Beide Werte wüchsen jährlich. Eine unabhängige Bestätigung für diese Zahlen ließ sich in den geprüften Quellen nicht finden.

Zur Frage, ob sich maßgeschneiderte Chips gegen Allzweck-Chips durchsetzen, vertritt Huang eine klare Position: Allzweck-Chips seien fungibel, also vielseitig einsetzbar, und senkten damit das Risiko. Das sei entscheidend, wenn man Hunderte Milliarden US-Dollar investiere.

Das Moore'sche Gesetz hält Huang für beendet. Früher habe man ein Jahr warten können, um günstigere Transistoren zu bekommen. Heute zahle man nach einem Jahr doppelt so viel. Als pauschale technologische Aussage ist das nicht sauber belegt – die aktuellen Nvidia-Aussagen deuten eher darauf hin, dass die Nachfrage nach Rechenleistung schneller wächst als die Kosten sinken.

Die globalen Ausgaben für Compute-Infrastruktur lagen laut Huang zuletzt bei rund 1 Billion US-Dollar pro Jahr. In naher Zukunft hält er 10 Billionen US-Dollar für möglich, etwa die Hälfte davon für Intelligenz-Capex. Eine belastbare unabhängige Quelle für diese Zahl fand sich nicht.

Analysten heben ihre Schätzungen an, die Aktie folgt kaum

Huang verweist darauf, dass Analysten ihre Konsensschätzungen für künftige Umsätze und freie Cashflows im Vergleich zum Vorjahr um fast 200 % angehoben haben. Die Aktie sei im selben Zeitraum nur um rund 20 % gestiegen. Diese Angaben stammen aus dem Podcast und ließen sich in den geprüften Quellen nicht unabhängig verifizieren.

Sollten die Schätzungen zutreffen, wäre die Bewertung relativ zu den Erwartungen günstiger geworden. Die Gegenposition: Steigende Schätzungen können auch bedeuten, dass die Erwartungen bereits sehr hoch sind und jede Enttäuschung überproportional bestraft wird. Genau das zeigte sich zuletzt bei KI-Infrastrukturwerten wie CoreWeave, das nach einem Renditesprung seiner Anleihen 15 % verlor.

Wer in Nvidia investiert, setzt nicht nur auf Chips, sondern auf die Fortsetzung eines Investitionszyklus, der stark von wenigen großen Cloud-Anbietern abhängt.

Unsere Einschätzung

Fazit

Huangs Argumente sind in sich schlüssig, aber ein Großteil der beeindruckenden Zahlen stammt aus seiner eigenen Verkaufslogik. Wer Nvidia oder KI-Infrastruktur kauft, setzt auf die Fortsetzung eines Investitionszyklus, der von wenigen Cloud-Anbietern abhängt. Die Regulierungskritik des Nvidia-Chefs ist kein neutraler Beitrag, sondern die Position eines Marktführers mit klarem Eigeninteresse. Achte auf die nächsten Quartalszahlen: Sie zeigen, ob der Backlog Realität wird oder Erwartung bleibt.

Quellen: nvidia.com, investor.nvidia.com, perspectives.nvidia.com, nvidia.com, nvidia.com, techcrunch.com