600 Milliarden Dollar Verlust: Nvidia-Aktie stürzt historisch ab

[Apfeltalk Redaktion]

Geschrieben von: Michael Reimann

Der spektakuläre Kurssturz der Nvidia-Aktie hat knapp 600 Milliarden Dollar Börsenwert vernichtet – der größte Tagesverlust in der Geschichte der Wall Street. Verantwortlich dafür ist das chinesische KI-Start-up DeepSeek, das die Tech-Welt mit einem bahnbrechenden Modell erschüttert hat.

Nvidia verliert Platzierung an Apple​

Mit einem Verlust von 17 Prozent fiel der Kurs der Nvidia-Aktie auf 118,42 Dollar. Damit büßte der Chipriese an einem einzigen Tag 589 Milliarden Dollar an Marktwert ein – ein beispielloser Verlust, der selbst für ein Unternehmen von Nvidias Größe außergewöhnlich ist. Die Marktkapitalisierung schrumpfte von 3,5 Billionen auf 2,9 Billionen Dollar.

Dieser Einbruch führte dazu, dass Nvidia den Titel des wertvollsten Unternehmens der Welt an Apple verlor. Der iPhone-Hersteller konnte seinen Börsenwert um 3,2 Prozent auf 3,46 Billionen Dollar steigern. Auch Microsoft überholte Nvidia und rangiert mit einer Marktkapitalisierung von 3,23 Billionen Dollar auf dem zweiten Platz.

DeepSeek revolutioniert KI-Entwicklung​

Der Hintergrund dieses historischen Kurssturzes liegt in der Veröffentlichung des neuen KI-Modells R1 von DeepSeek. Dieses Modell zeigt, dass leistungsstarke KI-Technologien mit einem Bruchteil der Ressourcen entwickelt werden können, die bisher als notwendig galten. Im Gegensatz zu Nvidia setzt DeepSeek auf ältere und weniger leistungsfähige Chips, die dennoch beeindruckende Ergebnisse liefern.

Dieses disruptive Modell stellt die bisherige Annahme infrage, dass enorme Investitionen in teure Hardware der einzige Weg zur Entwicklung moderner KI sind. Der Erfolg von DeepSeek sorgt für Zweifel an den Bewertungen von Unternehmen wie Nvidia, deren Geschäft stark auf der Nachfrage nach High-End-Chips basiert.

Neubewertung für Tech-Giganten?​

Der Erfolg von DeepSeek könnte die Strategien der großen US-Technologieunternehmen nachhaltig beeinflussen. Analyst:innen wie Nirgunan Tiruchelvam von Aletheia Capital hinterfragen die hohen Investitionskosten, die im Silicon Valley bisher als unumgänglich galten. Ed Yardeni, renommierter Ökonom, sieht das Potenzial für eine Neubewertung der „Glorreichen Sieben“ – die dominanten US-Tech-Unternehmen Apple, Microsoft, Nvidia, Amazon, Alphabet, Meta und Tesla.

Die aktuellen Entwicklungen werfen die Frage auf, ob die KI-Investitionen dieser Konzerne schneller steigen als ihre Einnahmen und wie nachhaltig ihre Strategien sind. Anleger:innen dürften in der laufenden Berichtssaison besonders genau auf die Quartalszahlen der großen Tech-Konzerne achten.

Fazit: Ein Paradigmenwechsel?​

DeepSeek zeigt, dass KI-Entwicklung effizienter und kostengünstiger möglich ist. Dies könnte die Dynamik im KI-Markt grundlegend verändern. Für Nvidia und andere US-Technologieunternehmen wird es entscheidend sein, auf diese neue Konkurrenz zu reagieren. Ob sie ihre dominante Position halten können, wird sich in den kommenden Monaten zeigen. Klar ist jedoch: Der Erfolg von DeepSeek ist ein Weckruf für die gesamte Branche.

Via: Tagesschau

Im Magazin lesen....

 

[MichaNbg]

Konnten die gemeldeten Erfolge und Ressourcen-Einsparungen eigentlich schon bestätigt werden? Habe mih die letzten Tage nicht damit beschäftigt, aber es ist jetzt eher die Regel als die Ausnahme dass herausragende Leistungsmeldungen aus China eher politische Blendgranaten als reale Entwicklungen sind und die tatsächlichen Ergebnisse dann schon eher dem entsprechen, was zu erwarten wäre.

 

[jensche]

Das hat eigentlich nicht viel mit NVIDIA selbst zu tun. NVIDIA stellt keine Software-Modelle her, sondern Hardwarekomponenten für KI-Supercomputer, die auch für Deepseek essenziell sind. Daher wirkt dieser Börsenrückgang eher paradox.

Von einem „Verlust“ zu sprechen, ist ebenfalls übertrieben, da es sich nicht um einen realen Verlust handelt. Es geht lediglich darum, dass der Aktienwert, also das virtuelle Geld, gesunken ist. Ein echter Verlust würde bedeuten, dass NVIDIA tatsächlich Geld verloren hat. Die Aktien können jederzeit wieder steigen.

 

[Marcel Bresink]

Konnten die gemeldeten Erfolge und Ressourcen-Einsparungen eigentlich schon bestätigt werden?

Ja, so hat zum Beispiel der Microsoft-Chef höchstpersönlich vermeldet, dass er "beeindruckt" ist. Auch alle unabhängigen Benchmark-Tests bestätigen die Leistung.

Wirklich überraschend ist das nicht. Schon als Meta vor ein paar Monaten sein "Llama"-Modell offen und kostenlos angeboten hat, war den Fachleuten eigentlich klar, dass man das auf preiswerte Weise weiterentwickeln kann.

Den Investoren und vor allem Politikern sollte langsam klar werden, dass das Endergebnis einer LLM-Entwicklung letztlich nur eine große Datenbank ist. Der Materialwert liegt bei Null. Der intellektuelle Wert ist höher, aber die Wertschöpfung ist nicht ortsgebunden. Wenn eine KI-Firma beschließt, morgen in ein anderes Land zu ziehen, wird die vorherige lokale Investition in ein Entwicklungsrechenzentrum weitgehend sinnlos.

NVIDIA stellt keine Software-Modelle her, sondern Hardwarekomponenten für KI-Supercomputer

Es ist noch komplizierter, denn NVIDIA entwickelt in Wirklichkeit nur die Ideen für Chips. Auch wenn sie nach außen hin den gegenteiligen Eindruck vermitteln: Sie stellen die Hardware niemals selbst her. Das ist zu hundert Prozent outgesourcet.

 

[jensche]

Es ist noch komplizierter, denn NVIDIA entwickelt in Wirklichkeit nur die Ideen für Chips. Auch wenn sie nach außen hin den gegenteiligen Eindruck vermitteln: Sie stellen die Hardware niemals selbst her. Das ist zu hundert Prozent outgesourcet.

Wie bei Apple: Die Ausführung erfolgt durch Foundries – das ist ganz normal. Aber darum geht es nicht. Sogar Intel lässt inzwischen extern produzieren, obwohl sie traditionell eigene Fertigungsstätten betrieben haben.

Deepseek ist ein reines Software-Modell, das weniger Leistung benötigt als ChatGPT, selbst wenn es umfangreich genutzt wird. Trotzdem gilt: Wie bei jedem hochentwickelten KI-Modell steigt die Leistung, je mehr Rechenkapazität zur Verfügung steht – und das liebt Deepseek.

Darum ist es eben unverständlich, warum ein Hardwarehersteller für KI-Chips einen solchen Börsendip erleidet. Eigentlich müsste die Nachfrage in diesem Bereich langfristig stabil oder sogar wachsend sein. Aber ja, das ist eben die Börse – oft irrational und schwer vorhersehbar.

 

[Marcel Bresink]

Da scheint ein Missverständnis vorzuliegen. Die teuren KI-Chips werden im Wesentlichen für das Lernen, also für die Entwicklung oder Weiterentwicklung eines LLM benötigt.

Ist das Modell fertig, reicht für die Nutzung (also z.B. für das Chatten mit einem KI-Assistenten) ein Chip für wenige Dollar. Und damit meine ich lokale Ausführung, nicht den Aufruf eines Web-Dienstes. Nur genug Hauptspeicher muss man haben.

Die Effizienz über die hier gesprochen wird, bezieht sich auf die Entwicklung des KI-Modells, nicht auf dessen Nutzung.

 

[jensche]

Die Effizienz über die hier gesprochen wird, bezieht sich auf die Entwicklung des KI-Modells, nicht auf dessen Nutzung.

Ja eben erst recht...

Nvidia-Chips könnten für Deepseek besonders wichtig sein, da selbst effizientere Modelle wie Deepseek auf leistungsstarker Hardware angewiesen sind, um ihr volles Potenzial auszuschöpfen. Nur weil Deepseek möglicherweise weniger Leistung benötigt als andere KI-Modelle, bedeutet das nicht, dass die Super-Chips von Nvidia überflüssig wären – eher im Gegenteil.

 

[Marcel Bresink]

Nochmal: In diesem Thread geht es darum, wie viel Aufwand nötig war, um Deepseek zu entwickeln. Es geht nicht darum, wieviel Leistung nötig sein wird, um Deepseek zu verwenden.

 

[jensche]

Wie bei allen KI-Modellen benötigt auch Deepseek enorme Rechenleistung, insbesondere während des Trainingsprozesses. Das Anlernen von Deepseek erfordert – wie bei jeder fortschrittlichen KI – eine massive Menge an Rechenkapazität, um die komplexen Algorithmen und riesigen Datensätze zu verarbeiten.

Wenn Deepseek als effizienter bezeichnet wird, bedeutet das, dass es mit der gleichen Hochleistungshardware wie Nvidia-Chips schnellerlernt. Es nutzt die verfügbaren Ressourcen besser aus, was zu kürzeren Trainingszeiten führen kann, ohne die grundlegende Anforderung an leistungsstarke Hardware zu verringern.

Nochmals:
Effizienteres Lernen heißt vor allem, dass Deepseek schneller Ergebnisse liefert, jedoch auf der gleichen leistungsstarken Hardware wie andere KI-Modelle angewiesen bleibt.

"Effizienter” heisst nicht “geringe Leistung” beim anlernen der KI.