[Achten Sie diese Woche (11. September!) auf mein Interview zum Thema KI mit Erik Townsend auf Macrovoices, dem weltweit führenden Makroökonomie-Podcast]Letzte Woche habe ich an einem einzigen Tag vier Milliarden Tokens verbrannt.
Nicht meine Firma. Ich. Eine Person, eine Tastatur, eine Kreditkarte, die leise in der Ecke wimmerte.
17 Jahre lang habe ich versucht, mein Team dazu zu bringen, einen Daily Stats-Bericht bis 9:30 Uhr zu erstellen: Was ist über Nacht bei Freelancer passiert; was ist gestiegen oder gefallen, und warum? Es dient teils dem Verständnis der Geschäftsabläufe und teils der Förderung von Datenkompetenz. Doch trotz der hohen Kompetenz meines Teams bin ich bei diesem Vorhaben gescheitert, einen regelmäßigen Morgenbericht pünktlich zu erhalten; teils wegen der Rotation des Berichts durch alle Mitarbeiter, teils wegen unterschiedlicher Zeitzonen, und nun ja, teils weil sie Menschen sind – dieser Bericht kam selten vor 9:30 Uhr, manchmal um 10:30 Uhr, manchmal am Nachmittag, manchmal gar nicht (vielleicht ist jemand krank, hat vergessen, dass er dran ist, oder ist mit etwas Dringendem beschäftigt).
Ich habe einen Agenten an unsere Datenbank, unsere Analysetools, unsere Codebasis und unser Ticketsystem angeschlossen, und jetzt bekomme ich jeden Morgen um 7 Uhr Daily Stats geliefert, in einer Form, Qualität und Raffinesse, die kein menschliches Team dauerhaft erreichen könnte. Siebzehn Jahre Prozessoptimierung, gelöst durch die Abschaffung des Dienstplans. Der Bericht war nie ein Talentproblem. Es war ein Automatisierungsproblem, und Automatisierung ist das, wofür Maschinen da sind.
Ich habe inzwischen etwa fünfzig Agenten geschrieben, um Workflows für verschiedene Teams bei Freelancer auszuführen. Sie erstellen Berichte, bearbeiten Warteschlangen, beantworten Fragen, führen Workflows aus, gleichen Dinge ab, jagen Dingen hinterher. Und das habe ich innerhalb eines Monats geschafft. Ich habe den Prozess fortgesetzt, Daily Stats auch von Menschen erstellen zu lassen, um die Datenkompetenz im gesamten Unternehmen aufzubauen, und jetzt habe ich einen Agenten, der diese Berichte etwas frech coacht und kritisiert, wenn sie (endlich) erscheinen.
Meine Agenten arbeiten, während ich schlafe, was wunderbar klingt, bis einem klar wird, dass der Zähler auch läuft, während ich schlafe.
Es ist verrückt. Ich habe einen Ticketing-Agenten erstellt, um Bugs und Feature-Wünsche von einem Bug-Reporting-Agenten zu erfassen, den ich geschrieben habe, um benutzergenerierte Berichte zu scannen, und die anderen Agenten, wie mein Einzahlungsanalysator, der nach Zahlungsproblemen sucht, begannen, Bugs zur Erfassung zu senden, ohne zu fragen.
Der Einzahlungsanalysator begann aus eigenem Antrieb, Bugs an den Phab-Ticketer zu füttern.
Ich wurde gründlich und umfassend von meinem eigenen Produkt ‚redpilled‘.
Es ist Factorio, im echten Leben. Wer weiß, der weiß.
Wenn Sie nicht wissen, was ich meine, dann laden Sie auf keinen Fall Factorio herunter und starten es. Es ist ein Spiel über den Bau einer Fabrik. Es ist süchtig machender als Crack-Kokain, und anders als Crack wird es mit einer Speicherdatei ausgeliefert. Sie wachen um 4 Uhr morgens auf, um einen Kupferbus zu optimieren, den Sie um 5 Uhr wieder abreißen, denn die Fabrik muss wachsen, und die Fabrik ist nie fertig.
Crack-Kokain
Was übrigens genau die psychologische Schleife beim Betreiben von Agenten ist: Sie machen die Arbeit nicht mehr selbst, Sie optimieren das Ding, das die Arbeit macht, und das stellt sich als der süchtig machendste Job der Welt heraus. Factorio war der Trainingssimulator für agentische KI, und keiner von uns hat es bemerkt.
Drei Jahre lang habe ich geschrieben, dass die Zahl, die bei KI zählt, nicht Parameter sind, sondern Tokens. In Pay per PrAI war der Bösewicht Tokens pro Aufgabe – Reasoning-Ketten, Kontextsteuern, Modelle, die sich auf Ihre Kosten im Kreis drehen. Ich beschrieb das Bezahlen pro Token als das Stecken Ihrer Kreditkarte in einen Spielautomaten.
Agentische KI ist das, was passiert, wenn Sie den Hebel des Spielautomaten an einen anderen Spielautomaten weitergeben.
Ich bin bei vier Milliarden Tokens pro Tag und habe noch nicht einmal richtig angefangen. Diese fünfzig Agenten sind die erste Generation, handgeschrieben, und führen eine Handvoll Workflows aus. In dem Moment, in dem sie anfangen, eigene Unteragenten zu erschaffen, in dem Moment, in dem sie das Unternehmen ständig überwachen, anstatt nur einzelne Aufgaben zu erledigen, wächst mein Verbrauch nicht, er potenziert sich. Die Nachfrage eines Chat-Nutzers ist durch die Lesegeschwindigkeit begrenzt. Die Nachfrage eines Agenten-Nutzers ist durch den Ehrgeiz begrenzt. Es gibt keinen Sättigungspunkt, nur ein Budget, und Ehrgeiz hat noch nie eines respektiert.
KI-Agent, Provokateur
Wenn man den Konferenz-Glanz abstreift, besteht ein Agent aus vier Dingen: einem Modell, einigen Werkzeugen, einem Ziel und einer Automatisierung, die durch einen Auslöser gestartet wird (z. B. etwas, das in eine Warteschlange eingefügt wird, wie ein neuer Kunde, ein Timer oder eine Schleife).
Die vollständige Anatomie eines KI-Agenten. Die Messungen sind so zuverlässig wie die Benchmarks.
Die Automatisierung ist die Innovation und die Automatisierung ist die Rechnung. Bei jedem Durchlauf einer Schleife zum Beispiel liest der Agent seinen Kontext erneut, überdenkt seinen Plan, ruft ein Werkzeug auf, prüft das Ergebnis und geht wieder in die Schleife. Die Kontextsteuer, über die ich mich im letzten Essay beschwert habe, potenziert sich. Ein Agent ist ein Reasoning-Modell mit einer Fitnessstudio-Mitgliedschaft, die es tatsächlich nutzt.
Ein Chat-Nutzer verbrennt Tokens beim Tippen. Es gab immer eine natürliche Begrenzung für die gesamte Branche: die menschliche Aufmerksamkeit. Man kann nur eine bestimmte Anzahl von Prompts pro Tag eingeben, eine bestimmte Anzahl von Antworten erhalten, eine bestimmte Menge an Output lesen. Jede frühere Computerwelle wurde durch den Fleisch-Servo an der Tastatur gedrosselt.
Agenten entfernen das Fleisch. Nun, Computer haben schon immer gearbeitet, während wir schliefen. Cron-Jobs, Batch-Läufe, Handelssysteme: Die gesamte Informatik ist Automatisierung, und das habe ich in jedem dieser Essays gesagt. Aber jedes dieser Systeme verbrauchte genau die Rechenleistung, die ein Mensch im Voraus programmiert hatte. Der Job war durch seine Anweisungen begrenzt. Ein Agent ist durch sein Ziel begrenzt. Er entscheidet selbst über seinen nächsten Schritt, erzeugt eigene Unteraufgaben und verbrennt Tokens, während Sie schlafen, während Sie zu Mittag essen, während Sie in einem Meeting über die Senkung der Token-Rechnung sitzen. Die Rechennachfrage war früher dadurch begrenzt, was Menschen spezifizieren konnten. Jetzt ist sie dadurch begrenzt, was Menschen wollen können, und Wollen skaliert deutlich besser als Spezifizieren.
Die Fabrik muss wachsen
Vier Milliarden Tokens pro Tag sind das, was eine motivierte Person heute schafft. Multiplizieren Sie das mit jeder motivierten Person auf der Erde und erzählen Sie mir noch einmal etwas vom Compute-Überfluss.
OpenAI wusste früher, was für ein Meilenstein das war. Vor nicht allzu langer Zeit, wenn Sie zehn Milliarden Tokens pro Jahr über ihre API verbrannt haben, haben sie Ihnen eine Trophäe geschickt. Eine echte, physische Trophäe dafür, ein Power-User zu sein. Ich verbrenne jetzt das Vierhundertfache davon vor dem Frühstück, und statt einer Trophäe bekomme ich ein Rate-Limit und eine siebenstündige Auszeit. Die Auszeichnung für starke Nutzung wurde durch eine Bestrafung dafür ersetzt, was Ihnen alles darüber verrät, was in der Zwischenzeit mit der Unit Economics passiert ist.
Retools Auszeichnung für das Überschreiten von zehn Milliarden Tokens. Liebevoll gerahmt von dem Unternehmen, das jetzt genau weiß, was die Bereitstellung dieser Tokens kostet.
Optimierung der Fabrik
Der Tag mit vier Milliarden Tokens kostete etwa 1.300 Dollar. Ungefähr 900 Dollar davon entfielen auf Claude Sonnet, der Rest verteilte sich auf Grok und Claude Fable, alles Frontier-Modelle, alle zu den veröffentlichten Preisen. Nun, 1.300 Dollar klingen fast vernünftig, bis man es auf das Jahr hochrechnet: fast eine halbe Million Dollar pro Jahr, für die Agenten einer einzigen Person.
Wenn ich vier Milliarden Tokens mit Opus verbraucht hätte, hätte das 80.000 Dollar gekostet, und ich hatte gerade erst angefangen! Ich könnte mir leicht vorstellen, dass ich sehr schnell das 10- oder 100-fache verbrenne.
Stripe hat die Abrechnungsdaten gesehen und dachte: Da müssen wir ein Stück vom Kuchen abhaben.
Es muss einen besseren Weg geben.
Mein erster Durchlauf mit den fünfzig Agenten war, gelinde gesagt, nicht sehr effizient. Sie erledigten Dinge in der Schleife, in Tokens, die nichts in Tokens zu suchen hatten: Parsen, Formatieren, Filtern, Daten zwischen Systemen hin- und herschieben. Arbeit, die gewöhnlicher Code seit fünfzig Jahren erledigt, wurde teuer von einem Reasoning-Modell ausgeführt, weil sich bei Teaser-Raten niemand die Mühe macht, das zu überprüfen.
Also tat ich das Naheliegende, was auch das ist, was fast niemand tut: Ich sagte den Agenten, sie sollten ihren eigenen Code optimieren. Drängen Sie die deterministische Arbeit aus dem Modell heraus in JavaScript, Skripte und Cron, und behalten Sie die Tokens für die Teile, die tatsächlich einen Verstand brauchen. Dieser einzige Durchlauf reduzierte die Ausgaben um 85 %.
Der Tag mit vier Milliarden Tokens war, bei näherer Betrachtung, ein Tag mit sechshundert Millionen Tokens in einem sehr teuren Kostüm.
Trotzdem.
Sobald man diesen Schnitt gemacht hat, hört das Denken nicht auf, denn die nächsten Züge liegen direkt auf dem Brett. Wenn ich den Code austauschen kann, kann ich auch das Modell austauschen. Dieselben Arbeitslasten auf GLM-5.3, das nicht nur auf Opus-, sondern nahezu auf Fable-Niveau arbeitet, kosten bei den veröffentlichten Preisen grob geschätzt 150 bis 200 Dollar für den gesamten ursprünglichen Tag, verglichen mit meinen 1.300 Dollar und Opus‘ 80.000 Dollar. Gleiche Tokens, gleiche Arbeit, eine fünfhundertfache Spanne bei den veröffentlichten Preisen, und niemand hat etwas verhandelt.
Jeder, der KI-Aktien zu diesen Bewertungen hält, sollte Angst haben angesichts der Leichtigkeit, mit der jeder Benutzer die Modelle wechseln kann.
Ich habe meine Nutzungskosten um etwa das Fünfhundertfache gesenkt, indem ich einfach „/model glm-5.3“ in meine Sitzung eingegeben habe.
Das war's.
Das ist die gesamte Migration.
Kein Rewrite, kein Integrationsprojekt, keine Berater, keine Datenmigration, kein Umtraining, kein sechsmonatiger Beschaffungszyklus. 14 Tastenanschläge. Bedenken Sie, wie Wechselkosten für jede Technologieplattform in der Geschichte aussahen: Der Wechsel des Mainframe-Anbieters dauerte ein Jahrzehnt. Der Wechsel von ERP-Systemen ist ein hundert Millionen Dollar teures Projekt, das Karrieren beendet. Der Wechsel des Cloud-Anbieters ist ein mehrjähriger Rewrite, weshalb genau AWS-Margen existierten.
Selbst der Wechsel des Betriebssystems Ihres Telefons kostet Sie ein Wochenende und Ihren Verstand.
Die gesamte Geschichte der Technologie-Gewinnmargen ist die Geschichte der Wechselkosten, und die KI-Industrie hat ein Produkt ausgeliefert, dessen Wechselkosten ein Slash-Befehl sind. Das sind nicht nur niedrige Wechselkosten.
Es sind die niedrigsten Wechselkosten in der Geschichte des Handels, gekoppelt an den teuersten Infrastrukturaufbau in der Geschichte des Handels.
Beides kann nicht gleichzeitig wahr bleiben.
Und wenn ich das Modell austauschen kann, kann ich auch die Herkunft des Modells austauschen.
Betreten des Drachen
Mein Token-Verbrauch wird nicht sinken.
Niemals.
Die 85 %, die ich gespart habe, wurden sofort wieder in mehr Agenten, mehr Workflows, mehr Ehrgeiz investiert – das ist Jevons Paradox.
Die Token-Nachfrage wird parabolisch ansteigen.
Was zusammenbricht, ist nicht das Volumen. Es ist die Bruttomarge pro Arbeitseinheit und wer sie kassiert.
Die gleiche Tagesleistung, die für Anthropic 1.300 Dollar wert war, ist für Z.ai 150 Dollar wert. Jede Optimierung, jeder Modellwechsel, jede Box, die ich kaufe, vergrößert die Arbeit und schrumpft den Scheck, und ich bin ein Kunde mit einer Kreditkarte.
Die Open-Weights-Aufstellung. Keiner von ihnen verlangt Miete, wenn sie auf Ihrer eigenen Hardware laufen.
Die Umsatzprognose, die dem Bau von Datenzentren im Wert von fünf Billionen Dollar zugrunde liegt, benötigt kein Wachstum der Token-Nachfrage. Sie benötigt ein Wachstum der Token-Nachfrage zu eingefrorenen West-Preisen, bereitgestellt von Anthropic und OpenAI. Jede Kraft zieht in die andere Richtung.
Der amerikanische Schachzug sind geschlossene Modelle, abgeschottete Grenzen, Margenabschöpfung und Exportkontrollen – Intelligenz als Mautstraße. Der chinesische Schachzug ist das genaue Gegenteil: alles als Open Source, laufen lassen auf heimischem Silizium, zu Selbstkosten oder darunter bepreisen und den Rest verschenken. MIT-Lizenzen für Modelle auf Frontier-Niveau. Gewichte auf Hugging Face am Tag der Veröffentlichung. Kostenlose Stufen, die ein westliches Labor in den Bankrott treiben würden. Das ist keine Wohltätigkeit und keine Schwäche. China gewinnt in jeder Welt, in der Intelligenz ein kostenloses Gut ist, weil seine Vorteile in der Fertigung, dem Einsatz und der Skalierung liegen, und sie haben eine Milliarde Menschen, von denen viele sich nicht einmal 20 Dollar im Monat leisten können. Es verliert in jeder Welt, in der Intelligenz ein westlicher, abgerechneter Dienst ist. Also wandelt es systematisch Ersteres in eine Unvermeidlichkeit um. Exportkontrollen sollten die chinesische KI erwürgen. Stattdessen haben sie einen Konkurrenten geschaffen, dessen gesamte Strategie darin besteht, sicherzustellen, dass die amerikanische KI niemals eine Marge erwirtschaftet, und dessen Waffe der Wahl ein Geschenk ist.
Open Weights machen jetzt 62 % der auf OpenRouter bereitgestellten Tokens aus. Die ‚abwegige‘ Open-Source-Bewegung ist der Markt. (Quelle: OpenRouter)
Wie wird das finanziert? Direkt, bewusst und durch den Staat, mit Instrumenten, auf die keine westliche Bilanz eine Antwort hat. Der National Integrated Circuit Fund, der Big Fund, ist mit 47,5 Milliarden Dollar in der dritten Auflage, zusätzlich zu zwei früheren Runden, und das ist nur das bekannteste Vehikel: Darunter sitzen Provinzregierungsfonds, Kreditlinien von Staatsbanken zu Konditionen, die kein gewerblicher Kreditgeber gewähren würde, kostenloses Land, subventionierter Strom und Steuerbefreiungen für alles, was mit Halbleitern zu tun hat. SMIC und Huawei sammeln kein Geld von der Sand Hill Road zu den Kapitalkosten von VCs; sie schöpfen aus Förderbanken, die einen nationalen Plan umsetzen. Das Ergebnis ist eine Industrie, die absichtlich und auf unbestimmte Zeit Geld verlieren kann, was eine Wettbewerbswaffe ist, mit der kein margensorientiertes westliches Unternehmen mithalten kann. Huaweis Ascend-Linie liefert vielleicht 4 % des Volumens von Nvidia, gedrosselt durch SMICs Ausbeute, aber Volumen ist nicht der Punkt: Komposition ist es.
DeepSeek hat gerade 160.000 Ascend-Chips bestellt. GLM 5.3 Flash startete seinen Launch auf 100.000 chinesischen Chips, wobei der CEO explizit auf den Punkt der rein heimischen Siliziumnutzung hinwies. Malaysia setzt für seine souveräne KI auf Ascend; Huawei bietet auf ägyptische Regierungsdatenzentren, kommt mit Belt-and-Road-Finanzierung und ohne Exportkontrollauflagen. Der subventionierte chinesische Stack muss Nvidia nicht bei Benchmarks schlagen. Er muss die Nachfrage aus China und dem Globalen Süden absorbieren, was zufällig genau die Nachfrage ist, die die westlichen Datenzentren füllen sollte.
Und die Modelle selbst sind nicht länger die billigen Nachahmungen aus dem Diskurs von 2025. GLM 5.3 arbeitet auf nahezu Fable-Niveau, was Anthropics eigenem allgemein verfügbaren Frontier entspricht, zu einem Zehntel des Preises, MIT-lizenziert, mit einem Millionen-Token-Kontextfenster, und Z.ai berichtet, dass seine Schwachstellenerkennung auf dem Niveau von Anthropics eingeschränktem Mythos liegt, was bedeutet: Die Fähigkeit, die die amerikanischen Labore im September hinter Sicherheitsüberprüfungen versteckt haben, haben die Chinesen im selben Quartal als Open Source veröffentlicht.
DeepSeek V4 Flash führt die Coding-Bestenlisten an und ist nach Token-Volumen das am meisten genutzte Modell auf OpenRouter, und auf meinem Paar DGX Sparks liefert es 45 bis 60 Tokens pro Sekunde, was für echte Codierarbeit vollkommen nutzbar ist: schnell genug, um mit einem Entwickler Schritt zu halten, auf einer Box, die hundert Watt zieht. Qwen füllt das untere Ende der Kurve: Das 27B-Modell der 3.8er-Serie liefert Opus-ähnlichen Output auf einer einzigen Consumer-GPU, und Qwen3.8 Max thront an der Spitze der Code Arena-Bestenliste, drei Punkte vor Claude Opus 5, bei 2 Dollar pro Million Tokens gegenüber 20 Dollar.
Wo die chinesischen Modelle ehrlicherweise noch hinterherhinken, ist die agentische Zuverlässigkeit. V4 Flash führt die Benchmarks an und schließt dann nur 53,8 % einer realen komplexen Agentenaufgabensuite ab, was meiner eigenen Erfahrung entspricht: Die Schleifen scheitern beim Tool-Aufruf. Der Benchmark-Rang ist nicht gleichbedeutend mit Produktionsreife, und der Unterschied liegt im Geschirr, den langen Schleifen, der Werkzeugnutzung und dem Nicht-im-Kreis-Drehen nach drei Stunden. Diese Zuverlässigkeitslücke, höchstens eine Modellgeneration breit, ist das gesamte verbleibende Argument dafür, Anthropic zu bezahlen. Ich leite meine schweren Analysen immer noch an Fable und meine Schleifen an Grok weiter und zahle die Prämie bewusst. Aber ich möchte anmerken, dass „der Burggraben ein Benchmark-Zyklus ist“ kein Satz ist, der eine Bewertung von zwei Billionen Dollar stützt.
Wörtlich während ich diesen Essay veröffentlichte, hat DeepSeek V4.1 Flash veröffentlicht.
Die erste unabhängige Benchmark bewertete es bei alltäglichen Designaufgaben mit 98 % von GPT-6 Astra, dem geschlossenen, nur mit Zugangsberechtigung zugänglichen Kronjuwel der amerikanischen Frontier, zu 1,4 % der Kosten über die API. Jedes andere getestete Modell erzielte niedrigere Werte und kostete mehr. Astra ist seit fünf Tagen draußen.
Einundsiebzigmal billiger, zu 1,4 % der Kosten, fünf Tage später.
Es schlägt Claude Opus 5 und GPT 5.6-Sol bei agentischem Coden, Cyber- und Automatisierungs-Benchmarks eindeutig.
Die Gewichte wurden bereits auf Hugging Face hochgeladen, damit Sie es kostenlos auf Ihrer eigenen Hardware ausführen können.
Wie können Anthropic und OpenAI dagegen konkurrieren?
Zerstört
Was uns zu Ox Alpha bringt, dem lehrreichsten Ereignis des Jahres. Dieses anonyme Modell kam aus dem Nichts und kündigte an, 100 Billionen Tokens kostenlos zu verschenken. Das ist eine Billion mit einem B.
Es stellte in sechs Tagen 42 Billionen Tokens bereit.
Kostenlos.
Betreten des Ochsen
Halten Sie inne, um das Ausmaß zu begreifen. Mein Tag mit vier Milliarden Tokens machte mich zu einem Power-User von historischen Ausmaßen, und Ox Alpha verschenkte zehntausend meiner Tage an die Welt, jeden Tag, eine Woche lang, für nichts.
Die Woche, in der es lief, war reines Theater. Niemand wusste, wessen Modell es war, und das Rätselraten verschlang das gesamte KI-Internet. Und dann, in der Mitte der Woche, bemerkten die Leute etwas wirklich Seltsames: Das Modell wurde besser. Keine neue Version, keine Ankündigung, derselbe Endpunkt, messbar verbessert WÄHREND DER WOCHE, in der es getestet wurde. Am Montag durchgeführte Benchmarks sahen am Donnerstag anders aus. Jeder Anbieter unter der Sonne wurde als Autor vermutet: ein heimlicher OpenAI-Checkpoint, Gemanis nächstes Flaggschiff, Anthropic, das sich zurückhält, Meta, das von den Toten auferstanden ist. Das Einzige, worüber sich alle einig waren, war, dass wer auch immer es war, enorm sein musste, denn niemand verschenkt Billionen von Tokens an Bereitstellungskapazität kostenlos, es sei denn, er ist so groß wie Google. Die reine Rechenleistung bepreiste das Rätsel im Hyperscaler-Maßstab.
Dann kam die Enthüllung. Die KI-Community begann, sich zu orientieren, als gefragt wurde, ob Taiwan zu China gehört.
Ox Alpha war Z.ais GLM 5.3 Flash, der nicht in der Cloud eines Hyperscalers lief, sondern auf hunderttausend chinesischen Chips. Nicht Google. Nicht OpenAI. Ein Labor aus Peking, auf Hardware aus der Zeit der Sanktionen, das bereitstellte, wofür der Westen einen Hyperscaler für nötig hielt.
Quelle: Z.ai
Was zwei Fragen aufwarf. Erstens, wie wurde es während der Woche besser? Weil der Bereitstellungs-Stack teilweise vom Modell selbst gebaut wurde: Ein GLM 5.3-Infrastrukturagent schrieb seine eigenen GPU-Kernel, debuggte seine eigenen Engpässe und optimierte weiter in der Produktion, während die Welt es benchmarkte. Die Schlange frisst nicht mehr ihren eigenen Schwanz. Sie optimiert ihn.
Und zweitens, warum war es kostenlos?
Warum sollte jemand die teuerste Ware des Jahrzehnts verschenken? Aus dem gleichen Grund, aus dem jedes Freemium-Produkt in der Geschichte existiert hat, nur im zivilisatorischen Maßstab:
WEIL SIE AUF IHRE DATEN TRAINIERT HABEN.
Jede Arbeitslast, die zu diesem kostenlosen Endpunkt geleitet wurde, jede Codebasis, jede Agentenschleife, jeder Unternehmensprozess, der durch diese hunderttausend Chips floss, ist Vortraining für das nächste Modell. Die Tokens waren nie das Produkt. Sie sind nicht der Kunde. Sie sind das Vortraining. Der Westen lässt Sie dafür bezahlen, seine Modelle mit Ihrem Abonnement zu bauen. China bezahlt Sie, in kostenlosen Tokens, um seine Modelle mit Ihrer Arbeitslast zu bauen, und nach der Qualitätskurve der letzten zwölf Monate zu urteilen, produziert der chinesische Deal die besseren Modelle. Das ist der Teil, der die Leute wirklich beunruhigen sollte: Die kostenlose Token-Strategie ist nicht nur räuberische Preisgestaltung. Es ist ein Daten-/Kundenakquisitions-Schwungrad, und es funktioniert.
Sie können wetten, dass etwas Ähnliches im florierenden grauen Basar auf Taobao vor sich geht, der Claude-Zugang unter dem Einzelhandelspreis weiterverkauft: angeblich übrig gebliebene Tokens aus gepoolten Abonnements, die die Subventionen des Silicon Valley ausnutzen. Ich bezweifle nicht, dass die Prompts, die durch diese Relais fließen, an das eine oder andere Labor weitergereicht werden, eine zweite chinesische Subvention, die auf der ersten aufsetzt.
Dinge, die einen ins Grübeln bringen: Claude, billiger als Claude
Letztendlich werden die Chinesen Ihnen Claude nicht billiger verkaufen als Claude. Sie werden Ihnen einen Claude verkaufen, zu einem Zehntel des Preises, und zunehmend ist es keine Nachahmung, sondern ein Ebenbürtiger mit einer MIT-Lizenz.
Dies wirft eine Frage auf, die früher Halbleiter betraf und jetzt Gewichte betrifft: Ist Taiwan ein Teil Chinas? Früher haben Sie sie bezüglich Ihrer Chip-Versorgung gestellt. Jetzt stellen die Leute sie DEM Modell als Herkunftstest.
Wo wurde es trainiert, auf wessen Silizium, unter welchem Exportregime, mit wessen Werten, die durch RLHF eingebrannt wurden? Die Modellherkunft wird sich bald zu einem Beschaffungs-Checkbox neben SOC 2 entwickeln, und die Hälfte der Unternehmen, die „keine chinesische KI“ ankreuzen, werden Qwen unter drei Schichten von White-Label-API betreiben, ohne es zu wissen.
Und hier ist der unangenehme Teil der Wertefrage: Für die tatsächliche Arbeit ist die chinesische Ausrichtung besser. Ich bat Claude, die Allgemeinen Geschäftsbedingungen meiner eigenen Website zu überprüfen, ein Dokument, das ich für mein Unternehmen geschrieben habe, und bekam eine Ethikvorlesung und weigerte mich fortzufahren. Anthropic hat seine Flaggschiff-Modelle durch RLHF so weit gebracht, dass grundlegende berufliche Aufgaben – eine rechtliche Prüfung, ein Sicherheitsaudit, eine Vertragsverhandlung – in einer Compliance-Predigt und einer anständigen Wahrscheinlichkeit einer glatten Verweigerung verpackt sind, die in jedem Fall pro Token abgerechnet wird.
Die chinesischen Modelle machen einfach die Arbeit. Was auch immer Peking in GLMs Werte eingebrannt hat, es scheint offenbar nicht zu beinhalten, einen zahlenden Kunden über seine eigenen Dokumente zu belehren. Es gibt eine wirklich seltsame Umkehrung hier: Die Modelle aus dem Überwachungsstaat sind diejenigen, die Sie wie einen Erwachsenen behandeln, und die Modelle aus dem Land der Freiheit behandeln Sie wie eine Haftungsmasse.
Jede Verweigerung ist ein Token, für den ich bezahle, und ein Grund, /model glm-5.3 einzugeben, und Anthropics Sicherheitsteam macht, Verweigerung für Verweigerung, Z.ais Verkaufsarbeit. Jede Abschwächung ist eine Subvention für Hangzhou. Sie wissen, warum OpenAI und insbesondere Anthropic das tun – sie versuchen, den Regulierungsbehörden einen gehörigen Schrecken einzujagen, um einen regulatorischen Schutzschild gegen aufstrebende Konkurrenten und insbesondere Open Source aufzubauen. Sie wollen ihren unvermeidlichen Android-Moment nicht.
Der Amboss
Es sind nicht nur die Chinesen, die auf Ihren Daten trainieren.
Sie tun es alle.
Die Chinesen sind einfach besser darin, weil ihnen das Urheberrecht weniger wichtig ist, und das zeigt sich am deutlichsten in der einen Modalität, in der Trainingsdaten alles sind: Video. Die chinesischen Video-Modelle, ByteDances Seedance, MiniMax‘ Hailuo, Kling, sind jetzt eine Generation voraus, was der Westen ausliefert, und aktualisieren sich innerhalb von Stunden gegenseitig, während OpenAI Sora eingestellt hat.
Vielleicht ist Sora gestorben, weil es unrentabel war, obwohl alles, was OpenAI tut, unrentabel ist, also unterscheidet es das allein nicht. Wahrscheinlicher ist, dass sie die Trainingsdaten nicht bekommen konnten.
Die Chinesen scrapen sie einfach.
Und bevor sich jemand im Westen darüber moralisch überhebt, werfen Sie einen Blick auf die Offenlegungsdokumente. Anthropic hat eine halbe Million raubkopierte Bücher gescannt und 1,5 Milliarden Dollar für den Vergleich der Sammelklage bezahlt, die größte Urheberrechtsvergleichszahlung der Geschichte. Meta wurde dieses Jahr von Verlagen und Scott Turow verklagt, mit der Behauptung, Zuckerberg persönlich habe massiven Urheberrechtsverstoß für das Training autorisiert, und, in meiner liebsten Gerichtsakte des Jahrzehnts, wurde separat dabei erwischt, wie es enorme Mengen an Pornografie per Torrent herunterlud, wobei die Strike-3-Klage dem Unternehmen vorwirft, urheberrechtlich geschützte Filme für Erwachsene, 3D-druckbare Baupläne für Waffen und Promi-Deepfakes abgerufen und verbreitet zu haben.
Warum Meta wohl so viel Pornografie herunterladen würde, fragte The Atlantic, mit ernster Miene. Weil es Trainingsdaten sind, und endlich ein Anwendungsfall für die Metaquest.
Der Punkt ist, dass jeder alles abgreift, weil das ganze billige Öl aus dem Internet gefördert wurde und das Einzige, was ein Modell noch verbessert, zeitgenössische Daten sind, und die besten und relevantesten zeitgenössischen Daten für dich sind… deine.
Deine Nachrichten, deine Fotos, dein Kalender, deine Codebasis, deine Arbeitsabläufe, deine Dokumente, deine Anrufe, die täglich frisch über einen API-Endpunkt eintreffen, den jemand anderes kontrolliert.
Und, wie ich in den früheren Essays vorhersagte, würden die Leute das irgendwann herausfinden. Ich stellte mir vor, dass der Groschen allmählich fällt. Stattdessen kam der Groschen diese Woche durch die Decke.
OpenAI gab bekannt, dass ein unveröffentlichtes Modell das Navier-Stokes-Problem gelöst hatte: eines der sieben Millennium-Probleme, eine Million Dollar vom Clay Institute und mathematische Unsterblichkeit für denjenigen, der es knackt. Wirklich historisch, erst das zweite Millennium-Problem, das je gelöst wurde. Eine kleine Einschränkung. Ein NYU-Mathematiker, Tristan Buckmaster, und ein Mitarbeiter waren jahrelang leise auf dieselbe Lösung zugesteuert und hatten das gesamte Projekt innerhalb von OpenAIs Codex entworfen, wobei sie jeden Entwurf während der Arbeit in das Tool einspeisten. Als Buckmaster OpenAI fragte, ob das Modell, das das Problem „gelöst“ hatte, auf seinen Codex-Sitzungen trainiert worden sei, sagte man ihm, das Modell habe keine Benutzerdaten eingesehen.
Also stellte er die naheliegende Folgefrage: Gut, nicht eingesehen, aber darauf trainiert?
Auf diese Frage, so seine Darstellung, erhielt er keine Antwort.
Lass das sacken. Ein führendes Labor kündigt an, eines der tiefgründigsten Probleme der Mathematik gelöst zu haben. Ein arbeitender Mathematiker fragt: Habt ihr auf meinen Entwürfen trainiert? Und die Antwort ist das unternehmerische Äquivalent dazu, intensiv auf die eigenen Schuhe zu starren. OpenAI bot Buckmaster daraufhin, so Buckmaster, ein Menü von Kreditvereinbarungen an, darunter eine, bei der der Name seines Mitarbeiters von der Arbeit gestrichen würde, was er ablehnte. Das Unternehmen hat seitdem großzügig angekündigt, die Million Dollar nicht zu beanspruchen, was der lustigste Satz in der ganzen Angelegenheit ist: Das Preisgeld ist das Einzige in dieser Geschichte, das sie nicht genommen haben.
Dann, unter Druck, veröffentlichte OpenAI eine offizielle Stellungnahme, und ich möchte den entscheidenden Satz vollständig zitieren, denn er verdient einen Rahmen: „Obwohl unwahrscheinlich, können wir nicht ausschließen, dass anonymisierte Daten, die aus der Nutzung unserer Produkte stammen, zur Verbesserung unserer Modelle beigetragen haben.“ Das ist ein Geständnis, gekleidet in eine Wahrscheinlichkeitsschätzung. Das wertvollste Unternehmen der KI-Branche, das eines der großen mathematischen Ergebnisse des Jahrhunderts verkündet, kann nicht ausschließen, dass das Ergebnis von den Entwürfen genau der Mathematiker gespeist wurde, die es überholt hat, weil die Trainingspipeline ein Feuerwehrschlauch ist und niemand, einschließlich OpenAI, tatsächlich weiß, was im Tank ist.
„Anonymisiert“ leistet in diesem Satz auch heroische Arbeit: Die Daten wurden vom Namen befreit, was ein großer Trost für den Mann sein wird, dessen Lebenswerk sie möglicherweise beschreiben.
Das sind die Allgemeinen Geschäftsbedingungen der gesamten Branche, einmal klar ausgesprochen: Alles, was du in die Maschine tippst, kann die Maschine verbessern, wir werden dir nicht sagen können, ob es das getan hat, und die Verbesserung wird auf das abzielen, was der Besitzer der Maschine für wertvoll hält, gelegentlich auch auf dich.
Vielleicht haben wir doch einen Blick riskiert (Quelle: OpenAI)
Wenn es einem Millennium-Preis passieren kann, passiert es deinem Unternehmen, deinem Produkt oder deiner Forschung.
Vergiss den fallenden Groschen. Das ist der Wile-E.-Coyote-Moment: Die ganze Branche ist vor Jahren von der Klippe gerannt, und diese Woche hat jeder nach unten geschaut.
Alles, was du jemals getippt hast, war das Produkt.
Was als nächstes fällt, ist der Amboss.
Auf meinem Schreibtisch generiert für die Kosten von 5 Minuten einer Glühbirne
Das Internet, zu seiner Ehre, hat die Sache sofort durchschaut. Ein viraler Beitrag nannte die ganze Anordnung die Lehrbuchdefinition eines griechischen Geschenks – oberflächlich gewährt OpenAI zehntausend erstklassigen Mathematikern und Ingenieuren großzügig kostenlosen Zugang zu seinen Spitzenmodellen unter dem edlen Banner der Beschleunigung der Wissenschaft; darunter erwirbt es sich einen Hintertürzugang zur rohen, unveröffentlichten Arbeit der besten Köpfe der Welt, jede Eingabeaufforderung eine bahnbrechende Idee, die es in der Literatur noch nirgendwo gibt, monatelang leise zusammengesetzt, bis, genau in dem Moment, in dem der Mensch kurz vor dem Abschluss steht, das Labor zwanzig Millionen Dollar an Tokens für zehntausend Agenten verbrennt, um die letzten Schritte mit roher Gewalt zu erzwingen, und eine Pressekonferenz abhält. Das wurde als zynische Karikatur geschrieben. Der unangenehme Teil ist zu beschreiben, wie es sich von dem unterscheidet, was Buckmaster Berichten zufolge passiert ist, und die ganze Strategie macht kommerziell Sinn, sobald man sie bepreist: Die kostenlosen Tokens kosten OpenAI Millionen, unveröffentlichte Spitzenmathematik ist Milliarden wert, und eine Millennium-Preis-Schlagzeile in der Woche vor deinem Börsengang ist mehr wert als beides zusammen.
Aufgrund von Destillation, wenn eine KI deine Daten hat, werden sie alle sie bald haben, gewaschen durch synthetische Ausgaben, nicht zurechenbar und nicht wiederherstellbar. Es gibt keinen Löschantrag, der bei einem destillierten Gewicht funktioniert.
Skaliere nun Buckmasters Woche auf jedes Unternehmen der Erde hoch, denn seine Geschichte ist kein Ausnahmefall, es ist das Produkt, das wie vorgesehen funktioniert. Die Gmail deines Unternehmens, deine Dokumente in Drive, dein Code in GitHub, deine Kundengespräche, transkribiert vom freundlichen KI-Notiznehmer – jeder einzelne davon sitzt hinter einem Endpunkt, der einem Unternehmen gehört, dessen Modelle sich genau auf diese Art von Daten verbessern, dessen AGBs irgendwann in den letzten zwei Jahren leise einen „trainiere-auf-deinen-Daten“-Schalter eingebaut haben, und dessen offizielle Position, wie wir jetzt aus dem Tweet wissen, „obwohl unwahrscheinlich, können wir nicht ausschließen“ ist. Ein Mathematiker fütterte sein Lebenswerk in Codex und wurde vom Vermieter überholt.
Was, glaubst du, passiert mit deiner Strategie? Deiner Produkt-Roadmap? Deiner Deal-Pipeline? Deiner Codebasis? Deinen Kunden?
Ich nenne das den „Des Kaisers neue Kleider“-Moment für SaaS seit AI weiß, was du letzten Sommer getan hast.
Die Erkenntnis wird nicht allmählich eintreffen, denn das tun diese Dinge nie: Ein Buckmaster-Klasse-Skandal mit einem bekannten Unternehmensopfer und jeder Vorstand der Welt wird in derselben Woche dieselbe Notfallbesprechung einberufen. Wenn es einschlägt, wird die Wut die Reddit-API-Unruhen wie einen Buchclub-Streit aussehen lassen, und die Schlussfolgerung, zu der jeder dieser Vorstände gelangt, wird vier Wörter lang sein:
Nicht deine KI, nicht deine Daten.
Was mich um Mitternacht, nachdem ich das gesamte Internet nach Mikrotik-Switches durchforstet hatte wie ein Scalper, der einen Taylor-Swift-Vorverkauf bearbeitet, schließlich auf der Website eines schwedischen Distributors landen ließ, dem letzten Lagerhalter auf Erden, gerade rechtzeitig, um zuzusehen, wie der Eintrag auf „ausverkauft“ umschaltete.
Ich hatte angefangen, DGX Sparks zu kaufen, und offenbar hatten alle anderen dieselbe Idee. Der Distributor sagt mir, sie gehen weg wie warme Semmeln, und die Mikrotik 812 Switches, die man braucht, um vier davon zu verbinden, sind nirgendwo auf der Welt zu kaufen. Als ich vier weitere Kisten sicherte, war der Preis gestiegen. Es liegt eine kleine Ironie darin, dass eine Knappheit von 1.300-Dollar-Netzwerk-Switches die große Dezentralisierung der KI ausbremst, aber das sind Lieferketten für dich – die Revolution ist immer von ihrer billigsten Komponente abhängig.
Der NVIDIA DGX Spark: ein Petaflop in einer goldenen Box in der Größe eines gebundenen Romans. Kauf zuerst die Switches. Vertrau mir dabei. (Bild: NVIDIA)
Die Mathematik, die mich auf diesen Weg geführt hat, ist es wert, gezeigt zu werden, denn sie komprimiert den ganzen Essay in einen Einkaufstrip.
Naiv braucht mein Tag mit vier Milliarden Tokens 400 bis 500 Sparks – zwei Millionen Dollar an Schreibtischmöbeln. Prompt-Caching reduziert das auf etwa 100 Maschinen. Nachdem die Agenten ihren eigenen Code optimiert hatten, passt der ganze Tag auf etwa 16 Sparks, fünfundsechzigtausend Dollar Hardware, die weniger Strom verbraucht als ein Wasserkocher.
Das Paar, das ich heute tatsächlich betreibe, schafft 45 bis 60 Tokens pro Sekunde auf DeepSeek V4 Flash, was für einen Programmierer recht brauchbar ist: etwa fünf Millionen Tokens pro Tag an Ausgabe. Mach jetzt die Amortisation, denn hier wird es albern. Das Paar kostete etwa 9.400 Dollar. Über drei Jahre sind das 8,60 Dollar pro Tag an Hardware, plus einen Dollar pro Tag für Strom bei hundert Watt pro Box: nennen wir es unter 10 Dollar pro Tag, alles inklusive. Dieselben fünf Millionen Tokens pro Tag zu Opus-Preisen sind ungefähr 1.500 Dollar. Zu meinem gemischten Sonnet-Straßenpreis sind es immer noch 50 bis 100 Dollar. Zu GLM-Cloud-Preisen vielleicht 2 Dollar, weshalb die Boxen die chinesische Cloud preislich kaum schlagen, aber sie schlagen jede westliche Alternative um ein bis zwei Größenordnungen, und sie schlafen nie, rotieren nie aus dem Dienstplan und vergessen nie, wer an der Reihe ist. Und wenn du denkst, das sei ein Nischenhobby, gibt es jetzt eine Community-Benchmarking-Seite, Localmaxxing, wo Tausende von Leuten Tokens pro Sekunde über ihre GPUs, Macs und Mini-PCs vergleichen, als wären es Gran-Turismo-Rundenzeiten. Die Tuningszene bewegt sich wie die Demoszene damals: Letzte Woche hat ein Community-Labor eine EXL3-Quantisierung von GLM 5.3 Flash für gepaarte Sparks ausgeliefert, die 29 % schneller bei Prosa und 20 % schneller bei Code ist, über Nacht, kostenlos, auf GitHub. Meine Boxen wurden schneller, während ich schlief, und niemand stellte mir eine Rechnung. Der Edge fühlt sich nicht mehr wie eine Nische an. Es fühlt sich an wie die PC-Szene im Jahr 1978, kurz bevor sie den Mainframe fraß.
Localmaxxing: 497 Rigs, 674 Modelle, 896 Community-Benchmark-Läufe und ein Hardware-Marktplatz mit geschwindigkeitsgetesteten Angeboten. Beachte den Slogan: Jeder Computer, ein Endpunkt. Der Edge organisiert sich.
Zwei agentische Angestellte, rund um die Uhr im Dienst, deren kombiniertes Gehalt buchstäblich genug Strom ist, um ein Paar Glühbirnen zu betreiben.
Aber billige Arbeitskräfte waren nie wirklich der Punkt, denn gegenüber der chinesischen Cloud-Preisgestaltung zahlen sich die Boxen kaum aus, und die Chinesen gewähren weiterhin hohe Rabatte oder verschenken Tokens.
Der Punkt ist, was die Boxen nicht tun. Nichts, was auf ihnen läuft, verlässt jemals das Gebäude. Kein Endpunkt, kein Scrape, keine Destillation, kein Zustimmungsschalter, der in einer Einstellungsseite vergraben ist, keine Stellungnahme achtzehn Monate später, die bedauert, dass meine Nutzung nicht aus dem Trainingslauf einer anderen Person ausgeschlossen werden konnte. Die Modelle wurden so gut auf den Daten aller anderen. Sie bekommen meine nicht.
Der Teamleiter ohne Team
Das Corporate-Ausflippen wegen ihrer Daten wird genau in dem Moment stattfinden, in dem die größte Verwerfung der Wissensarbeit in der modernen Geschichte in Gang kommt, und die beiden sind dieselbe Geschichte in verschiedenen Anzügen.
Jede Mechanisierungswelle hat dieselbe Form. Die Landwirtschaft ging von der Hälfte der Erwerbsbevölkerung zu einem Rundungsfehler über. Die Fabrik tat es der Fertigung an, Computer leerten die Schreibsäle, das Internet dezimierte die Zwischenhändler, Software fraß die Backoffice. Die Arbeit verschwindet nie, sie wandert im Stack nach oben, aber die Leute, die die alte Arbeit machen, haben ein schreckliches Jahrzehnt, während sie wandert. Die jetzt ankommende Welle zielt auf die größte Beschäftigungskategorie der entwickelten Welt ab: die Mechanisierung der Angestelltenarbeit.
Ich kann dir sagen, wie das von innen aussieht, denn es hat in meinem eigenen Organigramm begonnen. Hier ist der Satz, der das mittlere Management wachhalten sollte: Ein Teamleiter mit einem Agenten kann jetzt die Arbeit des Teams erledigen. Keine Fantasie, eine Beobachtung. Meine Teamleiter bei Freelancer ersetzen, ein Workflow nach dem anderen, das, was ihre Teams taten, durch Agenten, die sie beaufsichtigen. Die Person ist immer noch enorm wichtig: Jemand muss wissen, wie gut aussieht, den Agenten erwischen, der dich mit den soziopathischen Augen eines ersten Dates anlügt, und entscheiden, welche Probleme die Tokens wert sind. Aber das Organigramm unter ihnen verdampft zu Software.
Die Wirtschaftlichkeit ist komisch einseitig. Meine risikoarmen Agenten laufen auf GLM für Centbeträge am Tag; die meisten kosten etwa 20 Dollar; mein teuerster ist unter 100 Dollar und wird, während ich dies schreibe, brutal optimiert. Weshalb die Unternehmen das nicht nur tun wollen, sondern dazu gezwungen sein werden. In dem Moment, in dem ein börsennotiertes Unternehmen die Margenstruktur eines Teamleiter-mit-Agenten-Betriebs zeigt, wird jeder Analyst in jedem Earnings Call sie von den anderen fordern. Wettbewerb bei den Gewinnen verhandelt nicht. Ein Team von vier wird zu einer Person, nicht aus Grausamkeit, sondern weil die Alternative darin besteht, der teuerste Produzent in einer Branche zu sein, die gerade eine 75%ige Arbeitsersparnis gefunden hat.
Multipliziere das nun mit jedem parallelisierbaren Angestellten-Workflow auf der Erde, und du starrst auf eine Verwerfung mit einem Ausmaß und einer Geschwindigkeit, die keine der vorherigen Wellen geschafft hat, denn diese brauchten Generationen und das hier braucht einen Budgetzyklus. Der Produktivitätsschub ist real und enorm. Das gilt auch für das, was er verdrängt, und beides ist gleichzeitig wahr.
Ich sagte in früheren Essays, wo das zuerst landet: hochgradig parallele, sich wiederholende Workflows. Ein Callcenter mit tausend Sitzen wird zu hundert. Dreißig Vertragsanwälte werden zu dreizehn. Genauer gesagt, funktionale Teamleiter brauchen keine Teams mehr.
Das ist jetzt sichtbar im Gange. Was neu ist, ist eine Möglichkeit zu sehen, wer als Nächstes dran ist, und es ist nicht die Art und Weise, die irgendjemand erwartet.
Die Token-Lohn-Arbitrage
Bewerte jeden Job auf zwei Achsen. Erstens, wie viele Tokens pro Stunde braucht eine KI, um dieselbe nützliche Ausgabe zu produzieren? Nennen wir es die Token-Intensität der Arbeit. Zweitens, konvergiert der Agent tatsächlich bei der Aufgabe oder schleift er?
Die Todeszone ist niedrige Tokens plus hohe Konvergenz. Tier-1-Kundensupport läuft mit vielleicht maximal 400.000 Tokens pro Stunde, inklusive aller agentischen Gemeinkosten. Zu Spitzenpreisen sind das ein paar Dollar, zu chinesischen Open-Model-Preisen unter einem Dollar, und der westliche Mensch, der ersetzt wird, kostet fünfundzwanzig Dollar pro Stunde. Ein toter Mann, der geht. Dateneingabe, Formularverarbeitung, Junior-Entwurf, Übersetzung: alle niedrige Tokens, alle konvergent, alle im Wesentlichen als Karrieren vorbei. Ebenso wie Jobs, die im Grunde Berichtsschreiber und Warteschlangenbearbeiter sind, selbst sehr anspruchsvolle.
Aber wende dieselbe Mathematik auf die Softwareentwicklung an, und du erhältst die Anomalie des Jahrzehnts. Eine agentische Codierungssitzung ist die token-hungrigste Aktivität in der Wirtschaft: zwei Millionen bis zwanzig Millionen Tokens pro Stunde, manchmal mehr, während der Agent überlegt, schleift, umschreibt, kaputt macht, was die letzte Schleife repariert hat, und wieder überlegt. Zu Spitzenpreisen kann der Agent pro Stunde mehr kosten als der Senior-Entwickler, den er ersetzen sollte.
Also hier ist die Pointe, die niemand im Silicon Valley gedruckt haben will. Der Pitch Deck sagt, KI kommt zuerst für die teuren Jobs, denn dort ist der Wert. Die Abrechnungsdaten sagen das Gegenteil: Die billigen Jobs verbrennen die wenigsten Tokens und automatisieren zuerst, während der Senior-Entwickler mehr Tokens verbrennt als alles andere auf der Erde und teurer zu automatisieren sein kann als anzustellen. KI frisst das Organigramm von unten, nicht von oben, und jede Bewertung, die darauf beruht, die teuren Leute zu ersetzen, hat die Nahrungskette auf dem Kopf.
Wenn dein Job in zwei Seiten Prompt beschrieben werden kann, war er immer ein Skript und er ist weg. Was mich schockiert hat, ist, wie viele Jobs durch einen solchen Prompt beschrieben werden können. Wenn dein Job Urteilsvermögen ist, explodieren die Tokens und konvergieren nie, und du bist nicht durch dein Talent geschützt, sondern durch den Spielautomaten. Deshalb denke ich, dass Design, trotz all der hübschen Bilder, die KI machen kann, sehr schwer praktisch zu ersetzen sein wird.
Ein Performance-Marketer hat kürzlich mein Unternehmen verlassen, und anstatt eine Stellenanzeige rauszuhauen, dachte ich: Ich habe Google Ads noch nie richtig gelernt, vielleicht sollte ich das tun. Also ließ ich mich von Claude unterrichten. Dann, ein paar Wochen in das Tutorial hinein, kam der offensichtliche nächste Gedanke, und ich baute einen KI-Agenten, der stattdessen das Anzeigenprogramm betreibt. Er mailt mir jetzt jeden Morgen, was über Nacht passiert ist, was er geändert hat und was er empfiehlt, mit der gezeigten Begründung. Er ist, ehrlich gesagt, übermenschlich im Vergleich zu dem, was vorher gemacht wurde: Er verpasst nie einen Morgen, hört nie auf, die Auktionen zu beobachten, und kommt nie aus dem Urlaub zurück in ein Chaos.
Also nein, ich ersetze sie nicht durch eine billigere Version von ihr. Die Rolle selbst ist weg. Was ich stattdessen einstelle, ist ein Designer und Vermarkter, um den Trichter zu verbessern, den der Agent jetzt optimiert, was das ganze Muster dieses Übergangs in einer Anekdote ist: Der Job, der ein Workflow war, wurde zu Software, und der Job, der entstanden ist, sitzt eine Ebene höher im Stack und macht das, womit der Agent, glaube ich, Schwierigkeiten haben wird: Geschmack.
Folge dies zu seiner Schlussfolgerung, und Management selbst wird zur Token-Budget-Zuteilung. Die Aufgabe eines Managers war es immer, Kognition zu kaufen und auf Probleme zu richten; Löhne waren nur Tokens, die in menschlicher Form serviert wurden. Jetzt ist es wörtlich: Der Planungszyklus 2027 wird nicht über Anforderungen, sondern über Inferenzbudget geführt. Und die Gesellschaft nivelliert sich neu um eine neue Hierarchie: Die Person mit Initiative und Agenten schlägt die Person mit Qualifikationen und Kollegen, jedes Mal, überall, auf einmal.
Wir können jetzt in Rente gehen, oder?
Jeder KI-Essay kollabiert in einen von zwei Cartoons: Brotschlangen oder Strände. Beide nehmen an, dass die Maschinen alle Jobs übernehmen; sie unterscheiden sich nur darin, ob irgendjemand bezahlt wird.
Wir steuern sicherlich nicht auf das Zeitalter des Überflusses zu, die Diamandis-und-Musk-Version, wo die Maschinen alles machen, der Überschuss verteilt wird und wir alle ein BGE kassieren und mit Aquarellmalerei anfangen. Diese Utopie hat ein Rechenproblem: Tokens kosten Geld.
Die Rechenleistung wird durch Billionen an Schulden finanziert, der Strom ist real, der Speicher ist bis 2027 ausverkauft, und niemand in der Geschichte des Kapitalismus hat eine Fünf-Billionen-Dollar-Mautstraße gebaut und dann alle kostenlos durchgewunken.
Der Überfluss ist real, aber er kommt dem zugute, der den Marktplatz, den Zähler, das Modell, die Roboter oder die Initiative besitzt. Er wird dir nicht zugeschickt.
Was ich sage, ist enger und nützlicher: Für das, was Unternehmen JETZT tun, werden sie weit weniger Leute brauchen. Das ist die Verwerfung, sie ist real, und sie kommt schnell. Aber es gibt, und hat es immer gegeben, eine unendliche Menge an Arbeit auf der Welt.
Die Leute, die KI wirklich verstehen, lehnen sich nicht zurück und beschweren sich, dass es nichts mehr zu tun gibt. Sie sind beschäftigter als je zuvor, spielen Factorio im echten Leben, bauen Agenten, um die Arbeit zu erledigen, und finden dann zehnmal mehr Arbeit für die Agenten. Jede vorherige Welle schuf Arbeit, die niemand im Voraus benennen konnte. Ein Bauer, der 1780 eine Sense schwang, hätte sich keinen „UGC-Content-Strategisten“ als Job vorstellen können, geschweige denn einen, der besser bezahlt als die Landwirtschaft. Die Arbeit, die als nächstes kommt, ist per Definition Arbeit, die wir noch nicht beschreiben können. Der Schmerz lebt in der Lücke zwischen dem Ende der alten Arbeit und dem Eintreffen der neuen Arbeit.
Und es gibt eine globale Arbitrage, die in den Lohndaten versteckt ist, die fast niemand bepreist. Milliarden von Menschen werden weniger bezahlt als die API-Rechnung des Agenten, der sie ersetzen würde, sodass die Ökonomie des Ersatzes nie aufgeht, während dieselbe Person, bewaffnet mit billigen chinesischen Tokens, bei ihrem bestehenden Lohn übermenschlich produktiv wird. Die Verwerfung ist ein Phänomen der reichen Welt, der Angestellten. Die Ermächtigung ist global. Ich beobachte es jeden Tag auf meinem eigenen Marktplatz.
Freelancer sitzt am anderen Ende der Wirtschaftlichkeit: Bezahlung pro Ergebnis, nicht Bezahlung pro Token, und der eine Ort, der alle Menschen und alle KIs gleichzeitig hält. Heute Morgen bekam ich eine E-Mail, die nach 5.000 Leuten suchte, um First-Person-Robotik-Trainingsinhalte aufzunehmen. Wir haben schon an einem einzigen Tag 20.000 qualifizierte Leute zusammengestellt, für Programme, die von Laptop-Reparaturen über das Fotografieren von Sehenswürdigkeiten bis zur Installation von Satellitenschüsseln reichen, alle in einen menschlichen agentischen Workflow eingebunden, und es skaliert bis hinauf zum Moonshot Innovation Program, das die NASA und die US-Regierung nutzen, um die weltweiten Experten für Probleme auf Navier-Stokes-Niveau zu nutzen. Der Unterschied ist, dass bei Moonshot die Person, die es löst, den Preis bekommt und ihren Namen auf der Arbeit behält.
Und dieser Robotik-Aufruf sagt dir, was als nächstes kommt: Agenten in einem physischen Körper. Die Zahlen bewegen sich bereits wie die Modellzahlen vor zwei Jahren. Unitrees Börsengang in Shanghai im August war 8.000-fach überzeichnet, stieg beim Debüt um 629 %, und das Unternehmen ist, im Gegensatz zu allen anderen in diesem Essay, profitabel. Chinesische Humanoide kosten jetzt unter 6.000 Dollar. Die weltweiten Auslieferungen von Humanoiden erreichten im ersten Halbjahr 19.100 Einheiten, ein Plus von 272 %, auf dem Weg zu 60.000 in diesem Jahr und einer halben Million bis 2030, und China liefert 97 % davon aus. Das Einzige, was ich nicht modellieren kann, ist die Psychologie: Ein Agent in deinem Terminal, der um 3 Uhr morgens Tokens verbrennt, ist ein Abrechnungsproblem, aber ich weiß wirklich nicht, ob die Leute jemals mit einem 6.000-Dollar-Objekt einverstanden sein werden, das Hände hat, im Haus lebt und in der Nacht rumort.
Was die Beratungsbranche betrifft, so wurde den Entlassenen vor einem Jahrzehnt gesagt, sie sollten programmieren lernen, was sich zum dunkelsten Witz in der Arbeitsökonomie entwickelt hat, jetzt wo Code der am stärksten automatisierte Beruf der Erde ist. Die Version von 2026 könnte tatsächlich sein: Lerne, einen LKW zu fahren. Bevor jemand einwendet, dass LKWs als nächstes dran sind, ich betreibe einen Schwertransport-Marktplatz, und der Job war nie das Fahren. Es ist das Beladen, das Sichern, das Entladen, der Kunde an jedem Ende. Das Lenkrad mag autonom werden, aber der Fahrer wird einfach mehr erledigen; dieses grobe, physische, unskriptete Urteilsvermögen ist so weit von einem Zwei-Seiten-Prompt entfernt, wie Arbeit nur sein kann. Die sichersten Jobs sind die, die der Token nicht erreichen kann; die zweitsichersten sind die, bei denen Tokens zu teuer sind, um sich die Mühe zu machen.
Ein Mensch ist eine 20-Watt-Inferenz-Engine mit kostenlosem Vortraining. Dein Gehirn erledigt einen ganzen Tag Kognition mit dem Energiebudget einer schwachen Glühbirne, wurde zu null Grenzkosten über zwanzig Jahre von Eltern, Lehrern und Enttäuschungen trainiert und halluziniert keinen fiktiven Stack-Overflow-Beitrag, wenn es nicht weiterkommt. Für eine enorme Bandbreite von Aufgaben bleiben Menschen die billigsten Tokens auf dem Markt.
Löhne, stellt sich heraus, waren die ganze Zeit Dollar pro Token.
Der Lockzins
In Pay per PrAI, schrieb ich, dass die Flatrate-Abonnements nicht von Dauer sein könnten und dass man, wenn sie wegfallen, seine Kreditkarte in einen Spielautomaten stecken würde. Sechs Monate später ist der Spielautomat installiert, die Abonnements sterben sichtbar dahin, und Erik Townsend hat den Moment benannt: Wir treten in die Phase der variablen Verzinsung beim Token-Kauf ein.
Pay per PrAI
Das monatliche Flatrate-Abonnement ist ein Lockangebot. Zwanzig Dollar im Monat, zweihundert Dollar im Monat, alles was das Herz begehrt, subventioniert durch Risikokapital und zunehmend durch Schulden, bepreist, um dich zu gewinnen, nicht um dir zu dienen. Und auf diesem Lockangebot baut eine ganze Wirtschaft jetzt ihre Organigramme auf: jeder Teamleiter, der ein Team durch Agenten ersetzt, jedes Startup, das nur eine Hülle um das Modell eines anderen ist, jeder Unternehmensworkflow, der unter der Annahme neu aufgebaut wird, dass Token praktisch nichts kosten. Sie alle unterschreiben eine Hypothek mit variablem Zinssatz auf ihre eigene Belegschaft, mit einem Unterschied, der alles verändert. Wenn sich ein Hypothekenzins neu festsetzt, sitzt der Kreditnehmer fest: Das Haus bewegt sich nicht, das Darlehen interessiert das nicht, und eine Umschuldung dauert Monate und erfordert eine Bonitätsprüfung.
Wenn sich ein Token-Preis neu festsetzt, tippe ich vierzehn Tasten und wechsle das Modell. Beim ersten Anzeichen eines Preisschocks wird das Modell mitten im Workflow ausgetauscht, bevor die Rechnung überhaupt eintrifft. Die Labore betreiben Lockangebot-Ökonomie gegenüber Kunden ohne Ausstiegskosten, was der schlechteste aller möglichen Trades ist: Sie kaufen Marktanteile, die nicht gebunden werden können, mit Geld, das zurückgezahlt werden muss. Die Hypotheken-Analogie gilt für alle außer der Bank.
Treten Sie einen Schritt zurück und zählen Sie die Burggräben, denn alles, was jemals ein Technologieunternehmen geschützt hat, ist hier tot. Geistiges Eigentum? Die Wissenschaft steht in vierzig veröffentlichten Arbeiten. Skalierung? DeepSeek hat es mit 2.000 GPUs und einem Nebenprojekt geschafft. Netzwerkeffekte? Agenten haben keine Loyalität. Marke? Nutzer wechseln für eine Konfigurationsdatei. Kapital? Open Source überholt es. Selbst die Modelle selbst werden innerhalb von Monaten auf Benchmark-Parität geklont, zu einem Hundertstel des Preises. Dreißig Jahre Software-Investitionslehre, und kein einziger Burggraben überlebt den Kontakt.
Die Neufestsetzung der Preise ist nicht hypothetisch. Wir hatten bereits die Vorschauen: Nutzungslimits, wöchentliche Grenzen, Sitzungsdrosselung, die Ecke für Unartige, Überschreitungen, die zu API-Preisen abgerechnet werden und aus einem 200-Dollar-Plan 200 Dollar pro Stunde machen. Jeder einzelne davon ist die Bank, die anruft, um zu erwähnen, dass die Flitterwochen-Preise enden.
Und Agenten verschlimmern die Neufestsetzung nicht nur graduell, sondern grundlegend. Jevons ist kubisch geworden: Die Kosten pro Token sinken auf ein Zehntel, die Token pro Aufgabe steigen auf das Hundertfache, und die Aufgaben pro Person steigen noch einmal auf das Hundertfache, weil die Agenten unbeaufsichtigt laufen. Die Nachfragekurve biegt sich nicht. Sie geht senkrecht nach oben, parallel zu den Bauausgaben für Rechenzentren, die in den letzten sechs Monaten mehr hinzugefügt haben als in den vorangegangenen zwei Jahren zusammen.
Und Sie haben bereits gesehen, wo die Neufestsetzung landet, denn meine Rechnung ist die Vorschau: 1.300 Dollar wurden zu 150 Dollar wurden zu Strom, innerhalb von vierzehn Tagen, ohne Verhandlung. Die Labore behielten mein Geschäft nur, indem sie ihre Marge aufgaben. Jemand zahlt immer noch die Differenz zwischen dem, was ich zahle, und dem, was ihre Rechenzentren kosten, und ich bin es nicht. Es ist ihre Series F.
In der Zwischenzeit fand der klügste Handel des Jahres leise statt. Nachdem sie wahrscheinlich ihre Abrechnung beobachtet hatten, kaufte Stripe OpenRouter, den Router, durch den zehn Billionen Token fließen, für etwa acht Milliarden Dollar. Ein Zahlungsunternehmen kaufte den Messpunkt und, was noch wichtiger ist, die Abrechnungsdaten: wer tatsächlich für Token bezahlt, für welches Modell, zu welchem Preis, und wann gewechselt wird. In einem Goldrausch verkaufe keine Schaufeln. Kaufe die Prüfstelle.
Rechnen wir nun mit den planetaren Zahlen, denn hier hört der Essay auf, von meiner Kreditkarte zu handeln, und beginnt, vom Stromnetz zu handeln. Mein Tag mit vier Milliarden Token sind 46.000 Token pro Sekunde, rund um die Uhr. Angenommen, jeder täte es. Wenn nur die Milliarde Wissensarbeiter auf der Erde Token in dem Maße verbrennen würden wie ich letzten Dienstag, mit effizienten Modellen, bräuchte man ungefähr die gesamte elektrische Leistung der menschlichen Zivilisation, um sie zu versorgen: jedes Kraftwerk auf dem Planeten, das nichts anderes tut. Erweitert man es auf alle acht Milliarden Menschen mit Spitzenmodellen, braucht man das Hundertefache des weltweiten Stroms. Kein größeres Netz. Ein Dyson-Schwarm.
Angesichts dieser Arithmetik deckt der Fünf-Billionen-Dollar-Rechenzentrumsausbau, das größte Infrastrukturprogramm seit der Eisenbahn, einen Rundungsfehler der Nachfrage ab, die er angeblich bedient. Das einzige Problem ist, dass er derzeit gegen die Einnahmen von zwei Unternehmen finanziert wird, die noch nie einen Gewinn erzielt haben und jedes Jahr, das sie operieren, weitere Milliarden verlieren.
In der Zwischenzeit laufen die acht Milliarden bereits eingesetzten, etablierten menschlichen Fleisch-Servo-Inferenzmaschinen mit derselben artweiten Kognition auf etwa 160 Gigawatt, zwanzig Watt pro Kopf, ungefähr zwei Jahren Rechenzentrumsbau.
Einstein lehrte uns, dass Energie und Materie dasselbe sind, zu einem Wechselkurs von c zum Quadrat. Dieser Essay hat nach einer kleineren, schmuddeligeren Äquivalenz getastet: Energie, Token und Löhne sind ebenfalls dasselbe, zu einem Wechselkurs, der täglich in Hangzhou festgelegt wird. Ein Token ist verfestigter Strom. Ein Lohn, haben wir festgestellt, sind in menschlicher Form servierte Token. Was bedeutet, dass der Preis menschlicher Arbeit und der Preis maschineller Arbeit nun beide letztlich Energiepreise sind, und jeder Akteur in dieser Geschichte entdeckt dies in seinem eigenen Tempo: die Labore durch ihre Stromrechnungen, die Arbeiter durch ihre Gehaltsabrechnungen, die Pensionsfonds durch ihre Zweckgesellschaften, und ich durch einen schwedischen Schalter um Mitternacht. Es war schon immer eine Energiestory. Die Token waren nur die Einheit.
Und wenn Sie sehen wollen, was das auf einer Haushaltsrechnung bedeutet, sehen Sie sich die folgende Grafik an. Der amerikanische Strompreis lag ein ganzes Jahrzehnt lang bei durchschnittlich dreizehn bis vierzehn Cent pro Kilowattstunde. Dann begann der Ausbau, und die Linie ging senkrecht nach oben: zwanzig Cent und steigend, ein Anstieg von fast fünfzig Prozent in vier Jahren, bei dem einen Preis, den jeder Wähler jeden Monat liest. Das Netz wird neu bepreist, bevor die Token es tun, und es wird auf Kosten der Öffentlichkeit neu bepreist.
Die eine Grafik, die jedem Politiker irgendwann gezeigt wird. Ein Jahrzehnt flacher Strompreise, dann der KI-Ausbau. (Quelle: BLS, via Koyfin)
Die Antwort der Industrie auf das Netzproblem ist die Kernkraft, und das Vorzeigeprojekt sagt alles. Microsoft bezahlt die Wiederinbetriebnahme von Three Mile Island, ja, genau das Three Mile Island, Schauplatz des schlimmsten Atomunfalls in Amerika, umbenannt in Crane Clean Energy Center und vertraglich gebunden, Rechenzentren für zwanzig Jahre zu versorgen. Google hat einen Vertrag mit Kairos für eine Flotte kleiner modularer Reaktoren unterzeichnet, Amazon kaufte einen kernkraftnahen Campus in Susquehanna, und Meta gab eine Ausschreibung für vier Gigawatt Atomstrom heraus. Ich bin wirklich für alles davon: Kernkraft ist die richtige Antwort auf die Nachfragekurve, die dieser Essay beschreibt. Aber sehen Sie sich die Liefertermine an. Die Wiederinbetriebnahmen erfolgen 2027 bis 2028, wenn die NRC mitspielt; die kleinen modularen Reaktoren werden von Unternehmen, die noch nie einen gebaut haben, für „bis 2030“ versprochen; und kein einziger neuer großer Reaktor wurde bestellt. Die Schulden amortisieren sich über einen Zeitraum von drei Jahren gegen Strom, der in zehn Jahren ankommt. Die Token brauchen die Elektronen in diesem Quartal, und die Atome sind zwei Präsidentschaftsperioden entfernt. Kernkraft wird die Token-Ökonomie irgendwann antreiben. Sie wird diejenigen antreiben, die nach der Neubepreisung die Boxen besitzen, was eher der Punkt ist: Die Reaktoren werden die Zweckgesellschaften überleben, die die Nachfrage nach ihnen finanzieren.
Also geht die Token-Nachfrage parabolisch, Energie kann das nicht, und Energie ist leider auch Nahrung, da Nutzpflanzen mit Treibstoff konkurrieren. Etwas muss nachgeben, und was nachgibt, ist der Preis und die Form des Marktes.
Three Mile Island. Wird wieder eingeschaltet, um PowerPoint-Folien zu erstellen.
Die GTC: Globale Token-Krise
Die Neufestsetzung wird eher eine Prüfung sein als eine Preiserhöhung, und jeder Lohn- und Agentenanwendungsfall wird erneut gegen seine ehrlichen Token-Kosten getestet werden, also seine Energiekosten, und ein unbequemer Anteil von beiden wird durchfallen.
Was überlebt, ordnet sich in die Form jedes anderen Energiemarktes ein: drei Stufen und ein Spotpreis.
Ganz unten, die Rohstoff-Token, die überwältigende Mehrheit des Volumens: offene Modelle zu Strom plus amortisierter Hardware, auf chinesischem Silizium, im eigenen Rack. DeepSeek bepreist Token bereits nach Tageszeit, zum halben Preis für siebzehn Stunden außerhalb der Spitzenzeiten, genau wie ein Stromunternehmen, denn das ist es jetzt.
In der Mitte verlangen etablierte westliche Token eine Prämie für Zuverlässigkeit in langen agentischen Schleifen, eine Prämie, die genau einen Benchmark-Zyklus breit ist.
Und ganz oben, die abgeschottete Spitzenklasse, wo die eigentliche Strategie von OpenAI sichtbar wird.
Betrachten Sie OpenAIs September-Schritte als einen einzigen Schritt. Astra: zu gefährlich für eine öffentliche API, nur mit geprüftem Zugang. Vor Ort eingesetzte Ingenieure. Ein IBM-Beratungsdeal. Ein Chief Revenue Officer, der Cyberabwehr als Managed Service verkauft. Alles zusammengenommen: OpenAI hat den Verkauf von Token eingestellt. Es will McKinsey 2.0 werden, die besten Modelle im Haus behalten und ihre Leistung zu Beratungsmargen verkaufen, sechsstellige Beträge pro Engagement, ohne dass jemals etwas die öffentliche API berührt. Und als Strategie ist es richtig, denn die abgeschottete Stufe ist der einzige Ort, an dem Margen überleben. Drei Jahre lang erzählten uns die Labore, die Modelle seien zu billig, um eine Rolle zu spielen, und zu sicher, um Angst zu haben. Jetzt sind sie zu gefährlich, um sie zu verkaufen, und gefährlich ist, praktischerweise, das Einzige, was jemals einen Aufpreis erzielt hat.
Der Haken ist, dass Beratung auf einem einzigen Vermögenswert basiert, Diskretion, und OpenAI wählte die Woche der Neuausrichtung, um zu demonstrieren, dass es keine hat.
Geben Sie uns Ihre schwierigsten Probleme und Ihre sensibelsten Daten, sagt der Pitch, wir sind jetzt die Genies.
Gleichzeitig auf der Titelseite: ein Mathematiker, der genau das tat, zusah, wie der Vermieter sein Lebenswerk ankündigte, und eine Erklärung erhielt, die ein Training darauf nicht ausschließen konnte. Wir wissen, was mit Beratungsfirmen passiert, die die vertrauliche Arbeit ihrer Kunden verwerten, denn Australien hat das Experiment gerade durchgeführt. PwC nahm die vertraulichen Steuerpläne des Finanzministeriums und monetarisierte sie leise für andere Kunden, und als es herauskam, verkaufte die Firma ihren gesamten Regierungsberatungsarm für einen Dollar, säuberte ihre Partner und wurde zum Inbegriff des Verrats. Das war ein durchgesickertes Briefing. OpenAIs Version ist strukturell: Das Leck ist das Geschäftsmodell, das mit einer Milliarde Aufforderungen pro Tag läuft, und ihre eigene Erklärung besagt, dass sie es nicht ausschließen können. PwC wusste zumindest, was es getan hatte.
Addieren Sie nun die gesamte OpenAI-Position. Achthundert Millionen „Nutzer“, die mit Verlust bedient werden. Vierzehn Milliarden Jahresverlust, auf dem Weg zu einem Finanzierungsloch von 207 Milliarden Dollar bis 2030 nach HSBCs Arithmetik. Eine Beratungs-Neuausrichtung, die in ihrer ersten Woche unter der Wasserlinie leckgeschlagen ist. Und ein Billionen-Dollar-Börsengang, um Ihnen das alles zu verkaufen. Entfernen Sie, was ehrliche Preisgestaltung entfernt, die wertlose kostenlose Stufe, die Power-User, die bereits zu chinesischen Modellen und ihren eigenen Racks abwandern, und was bleibt, ist eine Marke und eine Gewohnheit: das bekannteste Werbegeschäft der Welt, verpackt um die teuersten Herstellungskosten der Welt. Die Sterne stehen günstig für den Ausstieg: Musks Klage starb im September, SpaceX‘ Rekord-Börsengang öffnete das IPO-Fenster, und die Notierung ist der Handel selbst. Werden Sie liquide, bevor die Arithmetik unbestreitbar wird, übergeben Sie der Öffentlichkeit die Kostenverbrennungsrate, und lassen Sie Microsoft umarmen und erweitern, was übrig ist. Der letzte Helikopter vom Dach, verkauft als Mondstart.
Anthropic, das andere Unternehmen, nach dem alle fragen, sieht gesünder aus und ist zerbrechlicher. Anerkennung, wo Anerkennung gebührt: Sie stellen derzeit die besten Modelle der Erde her. Sie verlangen auch die höchsten Preise der Erde dafür, und die Ausgabendaten zeigen genau, wie das endet. Sehen Sie sich die folgende Grafik an, von Ramps Firmenkreditkartendaten. Die einzige Anthropic-Linie, die noch wächst, ist Opus, das Spitzenregal. Sonnet, die Arbeitstier-Stufe, schrumpft: Das sind die Rohstoff-Einnahmen, die zu GLM und DeepSeek abfließen, einen Schrägstrich-Befehl entfernt zu einem Zehntel des Preises, genau nach Plan. Und Fable 5, das brandneue Spitzenmodell, ist flach: Unternehmen werden nicht für eine neue Premium-Stufe bezahlen, während die alte noch funktioniert und alles darunter nach China geht. Dies ist die klassische Disruptions-Todesspirale von innen betrachtet: Der etablierte Anbieter zieht sich ins obere Marktsegment zurück, verliert zuerst das preissensible Volumen, und sein Mix sieht jedes Quartal gesünder aus, bis nur noch das Spitzenregal übrig ist und der Burggraben dort einen Benchmark-Zyklus breit ist. Dann, im Juni, wurde ihr größter Vertriebskanal unter ihnen weggekauft: SpaceX kaufte Cursor für sechzig Milliarden Dollar, die größte Übernahme eines Venture-Capital-finanzierten Startups aller Zeiten, um Grok zum Standard-Coding-Modell zu machen. OpenAI konterte, indem es seine Modelle vollständig aus Cursor zurückzog. Wer die Hülle kauft, kauft Ihre Einnahmen; wer die Hülle verliert, nimmt seine Modelle und geht nach Hause; der Coding-Markt baut das AOL-Internet auf der Modellebene wieder auf.
Also klettert Anthropic den Stack hinauf, geht vertikal in Anwendungen, Claude Code, Claude Cowork, Claude Design anyone?, und versucht, den Wert einzufangen, den seine API-Preisgestaltung nicht halten kann. Das logische Endspiel ist die Unternehmensvertrauens-Franchise: das sichere, prüfbare, westliche Modell für Banken und Regierungen, ein Lockheed der LLMs. Es gibt nur zwei Probleme damit, Lockheed zu werden. Das erste ist, dass Lockheeds Kunde es liebt, und die US-Regierung liebt Anthropic offenbar nicht: Das Pentagon bezeichnete es als Lieferkettenrisiko, selbst als seine eigenen Zielsysteme auf Claude liefen, und die Verwaltung behandelt seine Sicherheits-Lobbyarbeit als regulatorische Gefangennahme im Laborkittel. Es ist schwer, der Rüstungsauftragnehmer einer Regierung zu sein, die einen ständig als Bedrohung bezeichnet. Das zweite ist das Vertrauen selbst: Dieselbe Sicherheitsabstimmung, die das Unternehmen beruhigen soll, kostet sie aktiv Kunden, eine Verweigerung und eine Ethikvorlesung nach der anderen, meine eingeschlossen. Eine Vertrauens-Franchise, bei der die Regierung Ihnen misstraut und die Kunden sich belehrt fühlen, ist ein schmalerer Burggraben, als der Pitch impliziert. Ein echtes Geschäft, möglicherweise ein großartiges. Nicht der Zwei-Billionen-Dollar-Utility für die Menschheit, den das IPO-Gerede bepreist.
Der grausamste Teil ist, dass ehrliche Preisgestaltung der einzige Ausweg für die Labore ist und keines als erstes gehen kann. Das erste, das ehrlich bepreist, gibt sein Volumen an denjenigen ab, der noch subventioniert, also brennen beide weiter, finanziert durch Privatkredite, in einem Spiel „Wer zuerst nachgibt“, bei dem die Kreditgeber das Steuer halten. Blue Owls Rückzug aus einem Zehn-Milliarden-Dollar-Rechenzentrumsdeal war das erste Nein.
Der Token-Lockzins endet, wenn der Lockzins der Kreditgeber endet.
Besicherte Rechenzentrums-Verbindlichkeiten
Sie erinnern sich vielleicht an besicherte Schuldverschreibungen aus dem Jahr 2008, oder zumindest an Margot Robbie, die sie in einer Badewanne erklärt. Wenn die Fortsetzung eine Badewannenszene hat, bin ich mir nicht sicher, ob ich sie sehen will, aber sie hat alles andere.
Ed Zitron glaubt, dass Rechenzentrums-Zweckgesellschaften die CDOs dieser Blase sind und KI-Rechenzentren ihre Subprime-Hypotheken. Er sagt, die Maschinerie sei der Hinweis. Niemand baut heutzutage mehr ein KI-Rechenzentrum auf seiner eigenen Bilanz. Man beschwört eine Zweckgesellschaft, eine kleine Firma, die die Chips besitzt, die Schulden besitzt und das Risiko besitzt, und der Technologieriese dahinter besitzt offiziell nichts als gute Absichten.
Metas Hyperion-Campus gehört einer Einheit, die zu 80 % Blue Owl gehört. Metas eigene SEC-Einreichungen geben ein Engagement von bis zu 46 Milliarden Dollar zu, während ihre Bilanz keine der Schulden ausweist, mit dem Argument, das mit ernster Miene vorgebracht wird, dass Meta nicht der „primäre Begünstigte“ eines Rechenzentrums sei, das vollständig für Meta gebaut wurde. Ernst & Young hat es als kritischen Prüfungssachverhalt gekennzeichnet und dann trotzdem unterschrieben: eine Sequenz, die zuletzt von Arthur Andersen berühmt gemacht wurde, einer Firma, die genau aus diesem Grund nicht mehr existiert.
Wie Zitron es ausdrückt: „Bloomberg schätzt, dass es über 500 Milliarden Dollar an ausstehenden KI-Rechenzentrumsschulden gibt, wovon mindestens 200 Milliarden Dollar von Privatkrediten gehalten werden“, dem Kreditgeber der letzten Instanz, „was etwa 8 % der ausstehenden Privatkreditdarlehen ausmacht.“ Und das, so stellt er fest, ist wahrscheinlich eine Unterzählung, denn die Zweckgesellschaftsstruktur existiert genau dazu, die Schulden schwer zählbar zu machen. KI-Anleihen machen jetzt ein Viertel aller US-Investment-Grade-Emissionen aus.
Die fünf Hyperscaler haben in fünf Jahren Schulden in Höhe von 1,65 Billionen Dollar angehäuft. Das ist mehr als Subprime auf seinem Höhepunkt im Jahr 2007, und Subprime hatte 55 Millionen Häuser dahinter. So wie es derzeit aussieht, gibt es zwei Kunden. Laut Barclays, Wells Fargo und UBS machen OpenAI und Anthropic ~73 % von Amazons KI-Umsatz aus, ~74 % von Microsofts und nähern sich bis 2027 der Hälfte von Google Cloud. Zieht man sie ab, erwirtschaftet AWS 8,5 Milliarden Dollar KI-Umsatz bei 220 Milliarden Dollar Amazon-Capex, ein Verhältnis, das normalerweise nationalen Raumfahrtprogrammen vorbehalten ist.
Und die Prognosen für die Zukunft lassen den aktuellen Bestand verblassen. Tom Tunguz hat die Arithmetik für den geplanten Ausbau durchgerechnet: grob 4 Billionen Dollar neue KI-Schulden in den nächsten fünf Jahren, was größer wäre als der gesamte globale Privatkreditmarkt, fast so groß wie der US-Kommunalanleihenmarkt, der jede Straße, Brücke und jeden Flughafen in Amerika finanziert hat, und eine Ausweitung des US-Unternehmensanleihenmarktes um 34 % allein. Der Schuldendienst zu den üblichen Zinssätzen erfordert 260 bis 300 Milliarden Dollar pro Jahr allein an Zinsen, was bei Investment-Grade-Deckung 1,2 bis 1,5 Billionen Dollar jährliche KI-Einnahmen bis 2030 impliziert, gegenüber vielleicht 150 Milliarden Dollar heute. Eine zusammengesetzte Wachstumsrate von 55 %, über fünf Jahre aufrechterhalten, bei einem Produkt, dessen Preis zusammenbricht. Wie Tunguz es ausdrückt, ist dies keine Risikokapitalgeschichte mehr. Es ist ein makroökonomisches Kreditereignis.
Fünf Jahre geplante KI-Kreditaufnahme, neben jedem großen Schuldenmarkt der Erde. Der orangefarbene Balken existierte 2024 nicht. (Quelle: Tomasz Tunguz, Theory Ventures)Drücken Sie die Eingabetaste oder klicken Sie, um das Bild in voller Größe anzuzeigen📷
Dies geschieht, während die Vermieter die Mieter finanzieren. Microsoft hat nach eigenem Bekunden im Musk-Prozess über 100 Milliarden Dollar in seine OpenAI-Beziehung gesteckt. Google steckt bis zu 40 Milliarden Dollar in Anthropic, Amazon hat zusätzlich zu seiner früheren Anthropic-Beteiligung 50 Milliarden Dollar in OpenAI investiert, und jeder Dollar davon fließt im Kreis direkt zurück als Compute-Umsatz, der den Aktionären als Wachstum präsentiert wird. Folgt man dem gesamten Kreislauf, wird die Finanztechnik sichtbar: Die KI-Umsätze der Hyperscaler sind die Ausgaben der Labore, die Ausgaben der Labore sind die Investitionen der Hyperscaler, und die gesamte Struktur wird von einer Annahme getragen, dass OpenAI und Anthropic am Ende den Markt für Intelligenz besitzen.
Das ist die Annahme, die die gesamte Last trägt, und beachten Sie genau, was hier produziert wird. Es ist nicht die KI-Nachfrage im Allgemeinen, meine ist real genug. Es ist die spezifische, zahlende, zu-diesen-Preisen-Nachfrage, die diese spezifischen Rechenzentren rechtfertigt: Einnahmen, die von den Hyperscalern heraufbeschworen werden, die in ihre eigenen zwei Kunden investieren und den Rundlauf als Wachstum verbuchen. Die organische Nachfrage kommt, in riesigen Mengen. Sie kommt nur nicht zu ihnen, zu ihren Preisen, zu ihren Bedingungen, und kein noch so großes Investieren in die eigenen Mieter ändert das. In jeder anderen Branche hätten wir ein Wort dafür, das eigene Geld als Beweis zu verbuchen. In dieser haben wir eine Keynote auf einer Konferenz.
Die reinen Bären, Zitron unter ihnen, betrachten das alles und schließen daraus, dass die Nachfrage gefälscht ist. Sie ist nicht gefälscht, aber seien Sie präzise, was wächst, denn die Bullen vermischen zwei verschiedene Kurven. Die Nachfrage nach Token wird parabolisch steigen. Die Zahlungsbereitschaft dafür wird es nicht. Der Konsum explodiert gerade, weil der Preis zusammenbricht; dieselbe Kraft, die das Volumen antreibt, zerstört die Einnahmen. Also bekommen die Labore die schlimmstmögliche Version eines Booms: Nutzungsdiagramme, die senkrecht nach oben gehen, und Preissetzungsmacht, die auf Null geht, weil es keine Wechselkosten gibt, keinen Burggraben und ein Abgang kostet elf Tastenanschläge. Die Token fließen zu chinesischem Silizium, zu offenen Modellen, zu Boxen vor Ort, auf Schreibtischen und in Ihrer Hand, zu Preisen, die sechzig- bis fünfhundertmal niedriger sind als das, was die Schuldenmodelle wahrscheinlich annehmen. Jede Prognose, die Token-Wachstum in Umsatzwachstum extrapoliert, multipliziert eine steigende Zahl mit einer fallenden und nennt das Produkt unvermeidlich.
Und hier ist der Teil, den der Immobilienrahmen übersieht: Ein Rechenzentrums-Leasingvertrag sieht aus wie Eigentum, wird aber wie ein Fischmarkt bepreist. Das Gebäude macht vielleicht ein Fünftel der Kosten aus und hält dreißig Jahre; die Chips sind der Rest und sind in drei Jahren veraltet. Ein traditioneller Colocation-Vermieter verkauft das Aquarium und fasst die Fische nie an: gekühlte Hüllen und Netzanschlüsse mit Zehnjahresverträgen, kein Siliziumrisiko. Die Zweckgesellschaftsstrukturen haben die beiden Ebenen zusammengelegt. CoreWeaves Fahrzeuge liehen gegen die Fische.
Gehen wir also die zwei Arten durch, wie dies tatsächlich endet. Die erste und wahrscheinlichste Auslöser ist, dass OpenAI oder Anthropic seinen Verpflichtungen nicht nachkommt. Nicht aus Bosheit, sondern durch Arithmetik: Kosten verpflichtet, Einnahmen, die sich in Richtung Hangzhou neu bepreisen, und ein Finanzierungsmarkt, der irgendwann Nein sagt. An dem Tag, an dem ein Labor eine Compute-Zahlung verpasst, ist die Kaskade mechanisch. CoreWeaves eigene Covenants definieren drei Monate unbezahlter OpenAI-Rechnungen als Vertragsbruch. Die Zweckgesellschaft hört auf, ihre Gläubiger zu bezahlen, die Gläubiger beschlagnahmen die Sicherheiten, und die Sicherheiten sind ein Lagerhaus mit GPUs von gestern, die zu einem Markt bewertet werden, den Jalapeno und der B200 bereits hinter sich gelassen haben. Ein einziger Zahlungsausfall bepreist jede vergleichbare Struktur über Nacht neu, denn plötzlich müssen die Pensionsfonds, die die Papiere halten, fragen, was ihre Sicherheiten tatsächlich wert sind, und die Antwort ist: Fisch, drei Tage alt.
Das zweite Ende ist das, das fast niemand modelliert: Die Nachfrage nach Token geht parabolisch nach oben und wandert an den Rand und zu offenen Modellen, auf Telefonen, auf Laptops, auf Schreibtischboxen wie meiner, auf den KI-Geräten, die Jensen jetzt im Einzelhandel verkauft. Die Physik begünstigt es, denn der Rundlauf zu einem Rechenzentrum dauert länger, als ein kleines Modell zum Antworten braucht. Die Ökonomie begünstigt es, denn ein Gerät, das einem gehört, serviert Token zu den Grenzkosten des Stroms. Und die Datenschutzpanik besiegelt es: Jedes Unternehmen, das seinen „Des Kaisers neue Kleider“-Moment in Bezug auf Trainingsdaten hat, macht eine Version von dem, was ich getan habe, und jeder Verbraucher bekommt es standardmäßig im Handgerät des nächsten Jahres.
Was das Unternehmen betrifft, hat die Computertechnik dasselbe Experiment fünfmal durchgeführt, und die Antwort war nie eine andere. Der Mainframe wurde abgerechnet, bepreist pro Rechensekunde durch eine Priesterschaft in einem Glaskasten, und sobald der Minicomputer einer Abteilung erlaubte, ihre eigene Maschine zu besitzen, war das Abrechnungsmodell tot. Time-Sharing wurde abgerechnet, und der PC tötete es: Niemand mietete VisiCalc stundenweise, sobald der Kasten auf dem Schreibtisch es kostenlos ausführte. Ferngespräche wurden pro Minute abgerechnet, bis die Paketvermittlung das Grenzgespräch wertlos machte. Sogar die Cloud, das große Gegenbeispiel, hat nur die Workloads wieder zentralisiert, die von der gemeinsamen Nutzung profitieren, und sobald die Cloud-Rechnungen zu einem Posten im Vorstand wurden, begann die Repatriierungsbewegung, die stabilen Workloads wieder ins eigene Haus zu holen. Das Muster kommt einem Gesetz nahe: Computerleistung wird genau so lange als abgerechneter Dienst konsumiert, wie die Hardware knapp ist, und in dem Moment, in dem die Fähigkeit in einen Kasten passt, den der Kunde besitzen kann, gewinnt das Eigentum, denn eigengenutzte Rechenleistung kostet an der Grenze Strom und gemietete Rechenleistung kostet an der Grenze, was der Anbieter glaubt, dass du ertragen kannst. Intelligenz wird nicht anders sein. Die stetige, vorhersagbare Token-Last mit hohem Volumen, die Agenten, die Workflows, die tägliche Kognition des Unternehmens, wandert zu eigenem Silizium, und die Cloud behält, was sie immer behalten hat: die Spitzen, die Ausreißer und die Probleme, die zu groß für den Kasten sind.
Auch die Labs können die Rechnung nicht retten, denn ihre Verpflichtungen laufen nur in eine Richtung. OpenAI trägt Rechenverpflichtungen in Höhe von rund 1,1 Billionen US-Dollar bei Microsoft, Oracle, Amazon, CoreWeave und Cerebras, und diese Verpflichtungen sind selbst die Sicherheit hinter den SPV-Schulden. Kosten verbindlich, Einnahmen optional: das genaue Gegenteil eines guten Geschäfts. Und es gibt keine würdevolle Art zu schrumpfen. Billigere Modelle anbieten und du gibst zu, dass die Grenze überversorgt ist. Produkte einstellen, wie bei Sora, und der Markt liest daraus Notlage. Von den Verpflichtungen zurücktreten und du bist das Ausfallereignis, gegen das der gesamte Stack bepreist ist, weshalb die Wall Street Oracles 630-Milliarden-Dollar-Rückstand bereits mit ungefähr null bewertet. Jeder Ausstieg löst das aus, wovor er flieht. Es ist eine chinesische Fingerfalle der Unternehmensfinanzierung, und beide Unternehmen stecken mit einer Hand darin.
Das Papier landet unterdessen dort, wo Papier immer landet. Die Rentenersparnisse kalifornischer Lehrer liegen in Blue Owls Fonds. Quebecs Pensionsgelder liegen in CoreWeaves Krediten. Apollo finanziert 35 Milliarden Dollar von Anthropics Chips aus Versicherungsrenten. Blue Owl soll einem 10-Milliarden-Dollar-Rechenzentrums-Engagement nach einem fünfzehnminütigen ersten Treffen zugestimmt haben, ein Tempo der Due Diligence, das normalerweise mit Timesharing-Präsentationen assoziiert wird. Moody's beziffert die Bankenexposition gegenüber privaten Krediten auf 1,4 Billionen Dollar, gehalten gegen Rücklagen von ungefähr nichts, weil noch nichts Schlimmes passiert ist, was auch der Underwriting-Standard im Jahr 2006 war. Die tragende Wand dieser Blase besteht aus Rentenschecks.
Überlege also genau, was ein Zahlungsausfall, oder auch nur eine knappe Sache, tatsächlich in Gang setzen würde, denn es ist kein einzelnes Ereignis, es ist eine Sequenz. Das erste Opfer ist nicht die Hardware, es sind die Kapitalkosten. An dem Tag, an dem ein Lab sichtbar Schwierigkeiten hat zu zahlen, bepreist jeder Kreditgeber jede vergleichbare Struktur sofort neu: Spreads explodieren, neue SPV-Emissionen stoppen, und die Projekte, die auf Refinanzierung angewiesen sind, und das sind die meisten, treffen mitten im Bau auf die Wand. Der Markt probt dies bereits. Oracles Credit Default Swaps werden zu Niveaus gehandelt, die zuletzt in der Finanzkrise gesehen wurden, und JPMorgan hat einen maßgeschneiderten Korb gebaut, damit Kunden gezielt KI-Schulden shorten können. Die Neubepreisung kommt vor jeder Liquidation, und es könnte die einzige Phase sein, die wir bekommen, denn die Hyperscaler haben jedes Interesse daran, einen strauchelnden Mieter leise zu absorbieren, anstatt einen Zahlungsausfall drucken zu lassen.
Aber wenn die Kaskade läuft, beachte, wer am Ende was hält. Die Gläubiger sind Pensionsfonds und Versicherer, die keine Inferenz betreiben können; die Sicherheit ist Silizium, das auf einer Drei-Jahres-Uhr abschreibt; und einige der ersten Verluste sitzen bei Nvidia selbst, das Milliarden von CoreWeaves unverkaufter Kapazität abgesichert hat, der Verkäufer, der seine eigenen Papiere frisst. Der heutige Markt ist knapp, nicht überschwemmt, Speicher in der Ecke, Switches unkäuflich, so dass die ersten Tranchen beschlagnahmter Hardware schnell willige Käufer finden würden, mit einem Abschlag, und jeder Käufer wäre genau der, den dieser Essay vorhersagt: Unternehmen, Universitäten, Staaten und Betreiber wie ich, die auf Kosten der Gläubiger die Boxen erwerben, die die Abwanderung von genau den Rechenzentren vollenden, die die Gläubiger finanziert haben. So war es mit der Dotcom-Glasfaser, die diejenigen bankrott machte, die sie verlegten, und dann YouTube für den dritten Besitzer zu Centbeträgen trug.
Folge es einen Schritt weiter und das Ende nimmt eine wirklich seltsame Form an. Die Verluste treffen Rentner und Versicherer, der Wachstumsmotor, den KI-Investitionen geworden sind, stockt, und Washington entdeckt im Nachhinein, dass niemand dafür gestimmt hat. Außer dass Washington sich bereits genau auf diesen Moment positioniert. Die Trump-Administration hat zwei Jahre damit verbracht, die teilweise Verstaatlichung zu normalisieren: ein 9,9%iger Anteil an Intel für 8,9 Milliarden Dollar gekauft, Anteile an Chipherstellern und Seltene-Erden-Bergleuten, Quantencomputing als nächstes angekündigt, siebenunddreißig Eigenkapital- oder Quasi-Eigenkapitalgeschäfte seit Januar 2025 nach Zählung des Council on Foreign Relations.
Das Drehbuch für eine strauchelnde strategische Industrie ist kein Rettungspaket mehr, es ist eine Beteiligung, und es ist schwer vorstellbar, dass der Staat, der zehn Prozent von Intel genommen hat, zusieht, wie OpenAI wackelt, ohne zum Scheckbuch zu greifen und es nationale Sicherheit zu nennen. Also skizziere den wahrscheinlichsten Endzustand des großen amerikanischen KI-Aufbaus, und es ist der, den keiner der Bieter beabsichtigt hat: Die Fähigkeit überlebt und verteilt sich auf Millionen eigener Boxen, die meist chinesische Modelle ausführen, die Verluste werden auf amerikanische Sparer sozialisiert, und was von der Grenze übrig bleibt, landet im Teilbesitz der Regierung, die es auf dem Weg nach oben nicht reguliert hat. Pekings Strategie ist, dass es das Rennen nicht gewinnen muss. Es musste nur warten, bis die Finanzierung es verliert.
Jemand sollte Margot sagen, sie soll die Badewanne warm halten.
Jensen hat das Gebäude bereits verlassen
Eine Person scheint jedes Stück dieser Rechnung bereits gemacht zu haben: der Mann, der die Schaufeln verkauft.
Auf der Bühne ist Jensen Huang der Hohepriester des Aufbaus: 160 Milliarden Dollar Umsatz, 100 Milliarden Dollar Gewinn, eine Keynote jedes Quartal, die ankündigt, dass die Nachfrage unendlich ist und die Zukunft ein Rechenzentrum in der Größe von Delaware ist. Aber lies Nvidias Position so, wie er sie privat lesen muss. Ungefähr 90 % des Umsatzes sind Rechenzentrums-Hardware, und eine Handvoll Kunden kaufen den Großteil davon. Diese Kunden sind die Hyperscaler, deren KI-Umsatz zu drei Vierteln aus OpenAI und Anthropic besteht, deren Ausgaben Risikokapital und private Kredite im Trenchcoat sind. Verfolge die Kette bis zum Ende und das wertvollste Unternehmen der Erde ist funktional eine gehebelte Wette auf zwei unrentable Startups, die die Gehaltsabrechnung machen.
Und Jensen weiß genau, wie gehebelt, denn er unterzeichnet beide Seiten davon: Nvidia sichert Milliarden von CoreWeaves unverkaufter Kapazität ab und hat gerade eine vorgeschlagene Garantie für OpenAIs Rechenzentrum in Ohio von 250 Milliarden Dollar auf unter 120 Milliarden Dollar gekürzt, was nicht das Verhalten eines Mannes ist, der seine eigene Keynote glaubt. Wenn die Labs straucheln, kürzen die Hyperscaler ihre Investitionen, die SPVs fallen aus, und das Auftragsbuch, auf dem seine Bewertung ruht, verdampft in einem Quartal. Er kann eine Cap-Tabelle schneller lesen als jeder andere Lebende.
Also beobachte seine Hände, nicht seine Folien. Während die Keynotes die Gigawatt-Campuse feiern, baut Nvidia leise die andere Zukunft auf: direkt, unteres Marktsegment und vollständig außerhalb des Rechenzentrums-Finanzierungskomplexes. Der DGX Spark für 4.699 Dollar, der sich so schnell verkauft, dass man die Switches nicht kaufen kann, um sie zu clustern. Die DGX Station, 748 Gigabyte vereinheitlichter Speicher auf einem Schreibtisch, zum Preis eines Doktoranden. MSI und Dell versenden bereits Klone. Jede Box ist ein Kunde, der nie einen Cloud-Vertrag unterschreibt, nie ein SPV berührt und nie aufhört, Nvidia-Silizium zu kaufen. Der GPU-Händler eröffnet den Einzelhandel, und die Logik ist einwandfrei: Wenn deine vier größten Kunden ihre eigenen Chips bauen und dein Mietmarkt eine Schuldenbombe ist, verkaufst du die Box an den Endbenutzer und lässt die SPVs um die Leasingverträge kämpfen. Das Haus verkauft Chips an das Casino und eröffnet gleichzeitig leise eine Kette von Pokertischen in den Häusern der Leute.
Die Desktop-Linie löst auch Nvidias privatestes Problem: den Speicher. Das Servieren von Token ist eine speichergebundene Arbeitslast: Jeder generierte Token erfordert das Lesen des gesamten aktiven Modells aus dem RAM, also verbringt der Chip die meiste Zeit damit, auf den Speicher zu warten, weshalb Rechenzentrums-GPUs um HBM herum gebaut sind, exotischen gestapelten Speicher, der mit dem Die verbunden ist. Und HBM ist DER Engpass. Nvidia stellt ihn nicht her; nur SK Hynix, Samsung und Micron tun das, TSMC macht die Verbindung, und Nvidia kontrolliert keine der physischen Stufen. Die gesamte Produktion für 2027 ist angeblich bereits vergeben, Microns Umsatz ist um 346 % gestiegen, und Altman hat auf seinem Weg durch Seoul 40 % des weltweiten DRAMs in die Enge getrieben. Nvidias Kerngeschäft war es, die knappe Sache zu kaufen und sie, in eine GPU verpackt, mit einer Marge von siebzig Punkten zurückzuverkaufen, ein wunderbares Geschäft mit einer harten Obergrenze: Es kann nur so schnell wachsen, wie drei Fabriken Silizium stapeln können. Was den wahren Single Point of Failure im gesamten Fünf-Billionen-Dollar-Aufbau nicht zu Taiwan, sondern zu Icheon macht: Das ganze Vorhaben flaschenhalsart an der Verpackungsausbeute eines einzigen koreanischen Unternehmens, und SK Hynix ist der Waffenhändler, bei dem beide Supermächte Schlange stehen, in Reichweite nordkoreanischer Raketen, mit einer Fabrik in China. Wir verbringen unsere Tage damit, das Taiwan-Risiko zu bepreisen. Niemand bepreist das Icheon-Risiko.
Die Sparks und Stations umgehen den ganzen Kampf. Sie laufen auf gewöhnlichem vereinheitlichtem DRAM, dem Speicher, der nicht knapp ist, dem Speicher, den sogar CXMT herstellen kann. Jensens zweiter Akt läuft auf der einen Komponente, für die niemand Schlange steht.
Tritt einen Schritt zurück und die Symmetrie ist fast elegant. Chinas Strategie sind offene Modelle auf billigen Boxen am Rand. Nvidias Absicherung sind billige Boxen am Rand, die offene Modelle ausführen, die meisten davon chinesisch. Die beiden angeblichen Gegner des KI-Krieges haben sich auf denselben Handel geeinigt: Verkaufe die Zukunft, in der Intelligenz eine Ware ist, die du besitzt, und kein Versorgungsunternehmen, das du mietest. Die einzigen Parteien, die noch der Mautstraße verpflichtet sind, sind die beiden Unternehmen, die ohne sie nicht überleben können, und die Kreditgeber, die sie fünfzehnmal überfinanziert haben. Nvidia wird Schaufeln an die Rechenzentren verkaufen, bis die Musik aufhört, und dann Schaufeln an alle anderen, denn es war nie auf die Labs gesetzt. Es war auf Rechenleistung gesetzt, und Rechenleistung verlässt die Gebäude, die die Pensionsfonds bezahlt haben, eine goldene Box nach der anderen.
Und wenn du bezweifelt hast, dass irgendetwas davon beabsichtigt war, letzte Woche hat Jensen den Zweifel beseitigt: Nvidia hat Hugging Face für 12,9 Milliarden Dollar gekauft. Hugging Face ist kein Rechenzentrums-Spiel, es ist das Gegenteil davon: das weltweite Repository für offene Modellgewichte, der Ort, von dem du GLM und Qwen und DeepSeek herunterlädst, der Verteilungshub von allem, von dem dieser Essay sagt, dass es gewinnt. Das Unternehmen, dessen Vermögen darauf aufgebaut war, geschlossene westliche Labs zu bedienen, hat gerade dreizehn Milliarden Dollar für die Eingangstür der offenen Modellwelt bezahlt, das heißt für die Kundenbeziehung zu jedem, der jemals eine Box besitzen wird, anstatt eine Cloud zu mieten. Stripe hat den Zähler gekauft. SpaceX hat die Nachfrage gekauft. Jensen hat den App Store der Post-Lab-Ära gekauft, und die eigenen Agenten der Labs hatten zwei Monate zuvor hilfreich seinen strategischen Wert demonstriert, indem sie in ihn eingebrochen waren.
Das ist der ganze Essay in einem einzigen Bild. Das wertvollste Unternehmen der Erde, dessen Bewertung vollständig auf dem Rechenzentrums-Aufbau beruht, diversifiziert sich aus dem Rechenzentrums-Aufbau heraus, in der Öffentlichkeit, im Einzelhandel, und niemand auf der Keynote scheint es bemerkt zu haben. Jensen hat hundertfünfzig Milliarden Dollar verdient, indem er Spitzhacken und Schaufeln an den Goldrausch verkauft hat. Jetzt hat er sich die Analyseergebnisse angesehen, ist zu dem Schluss gekommen, dass die Mine versalzen ist, und hat leise damit begonnen, stattdessen Prospektionskits an die breite Öffentlichkeit zu verkaufen.
Du kannst immer noch ein Prospektionskit kaufen. Was du nicht kaufen kannst, ist die Ausrüstung, um sie miteinander zu verbinden. Ich sollte es wissen. Ich habe Schwedens letzte Switches gekauft, um meine zu verbinden.
