Die Ausführungen des OpenAI-CFO auf der Goldman Sachs Communacopia-Konferenz waren äu ßerst aufschlussreich!
Auf der Communacopia-Konferenz von Goldman Sachs hielt Sarah Friar, CFO von OpenAI, einen äußerst informationsreichen Vortrag. Obwohl sie keine neuen konkreten Zahlen nannte, legte sie OpenAIs Geschäftsmodell, Nachfragestruktur und Strategie für Rechenleistung von Grund auf offen.
Erstens: Das Unternehmensgeschäft trägt die Hälfte des Geschäfts, die Einkommensstruktur hat sich verändert.
OpenAI strebt zum Jahr 2026 ein Verhältnis von Verbraucher- zu Unternehmenseinnahmen von etwa 60 zu 40 an, ursprünglich sollte bis Ende des Jahres 50 zu 50 erreicht werden, aber bereits zur Jahresmitte wurde dieses Ziel vorzeitig erreicht — "das Unternehmensgeschäft boomt ununterbrochen". Im Juli stieg die Gesamteinnahme-Run-Rate im Jahresvergleich um etwa 20 %, das Unternehmensgeschäft wuchs im Jahresvergleich um 32 %, und das auf einer ohnehin hohen Basis.
Warum ist der Strukturwandel so wichtig? US-Aktien Investmentportal analysiert, dass die Migrationskosten sehr hoch sind, wenn sich Unternehmenskunden einmal in Arbeitsabläufe integrieren, und die Vorhersagbarkeit der Einkünfte ist deutlich stärker als bei Verbrauchersubscription. Die Qualität der Einnahmen bei OpenAI nimmt zu.
Zweitens: Die Nutzungsintensität ist wichtiger als die Einkommenszahlen.
Die Top-10%-Kunden verbrauchen pro Nutzer pro Woche etwa das Achtfache an Tokens im Vergleich zu durchschnittlichen Kunden — vorher waren es das Dreifache; die interne Nutzung bei OpenAI liegt beim 33-fachen des Durchschnitts.
Ihre Botschaft ist: Wir selbst sind die Vorschau auf die Zukunft der Kunden. Die Nutzung von Spitzenkunden heute entspricht der Nutzung gewöhnlicher Kunden in zwei Jahren, beim Tokenverbrauch wirkt ein Verstärker nur in eine Richtung.
Konkrete Anwendungsbeispiele: Der Code von Canva stammt "zu 100% von OpenAI", Nutzer erstellen wöchentlich Milliarden von Bildern; der KI-Assistent für Schadenregulierung bei Travelers expandierte innerhalb von zwei Monaten von acht US-Bundesstaaten auf landesweite Abdeckung;
Die Nutzer von Codex stiegen von rund 100.000 Anfang des Jahres auf 25 Millionen.
Ihr Originalsatz: Automatisierte Programmierung ist entscheidend, es gibt keinen Entwickler mehr, der KI nur als Hilfsmittel nutzt.
Drittens: Werbung ist eine unterschätzte Einnahmequelle.
Das Werbegeschäft erreichte innerhalb von sieben Monaten einen Run-Rate von einer Milliarde US-Dollar, sie betitelte dies als "das am schnellsten zur Milliarde Dollar aufgestiegene Produkt". Bereits in 40 Ländern lanciert, WPP und Dentsu sind dabei, das native KI-Anzeigenformat wurde noch nicht eingeführt.
Ihre Beschreibung: "Wenn Google und Meta ein Kind bekämen, wäre das ChatGPT" — gezielte Suche kombiniert mit Gedächtnis, an der Schnittstelle beider Geschäftsmodelle der Branchenriesen. Es gibt noch kein Limit nach oben.
Viertens: Astra und Preisgestaltung – Antwort auf lang diskutierte Branchenthemen.
Astra wurde auf 100.000 GPUs trainiert, das größte Training in der Geschichte von OpenAI.
Zwei Schwerpunkte:
Erstens: Die Branche sollte Modelle besser anhand der "Kosten pro Aufgabe" und nicht der "Kosten pro Token" bewerten — gemäß Artificial Analysis benötigt Astra 68 % weniger Ausgabetokens zur Erreichung vergleichbarer Ergebnisse als Konkurrenzmodelle;
Zweitens: Luna wurde um 80 % günstiger, das Nutzungvolumen stieg sofort um das Zehnfache, inzwischen übertrifft Luna auf OpenRouter das nächste chinesische Modell in Marktanteilen.
80 % Preisreduktion, zehnfacher Anstieg des Verbrauchs, Einkommen steigen – die Preissensibilität der Nachfrage ist sehr groß. Sie ergänzt: Luna auf Cloudflare ist sogar günstiger als GLM 5.3, führende Labore können mit niedrigeren Kosten als Open-Source-Deploiements die Inferenz anbieten. Open-Source-Gewichte "haben ihren Platz", aber Kunden bezahlen für die gesamte Stack – Rechenleistung, Datenintegration, Unternehmenskontext, Zuverlässigkeit.
Fünftens: Rechenleistung ist weiterhin "stark knapp".
Originalsatz: "Wir spüren weiterhin eine starke Knappheit", jede Woche sind Kompromisse zwischen Training, Forschung und Service bei der Rechenleistung nötig. Die Lösung ist ein Full-Stack-Ansatz: Cloud-Partner, eigene Chips, OpenAI-eigenes Datacenter in Texas, "zunehmend" mehr eigene Infrastruktur.
Zwei Details: Am schwierigsten ist die Vorhersage eines Geschäfts, das "die Welt noch nie gesehen hat", Planung muss zwei bis drei Jahre im Voraus beginnen – die in den letzten zwei Jahren kritisierten "Überinvestitionen", "haben dieses Jahr wirklich Früchte getragen".
ROI-Disziplin: Jede Modellfamilie, basierend auf bisherigen Einnahmen und den nächsten zwölf Monaten, wird die Investition in Rechenleistung verglichen – Forderung ist "nicht nur positiv, sondern extrem positiv". Höheres Einkommen pro Gigawatt, sinkende Kostenkurve – für sie der Schlüssel zur Erweiterung der Bruttomarge.
Sechstens: Drei neue Nachfragerichtungen
Die Anfrage der Kunden konzentriert sich am stärksten auf Cybersicherheit, "sehr dringlich".
Ihr Standpunkt ist klar: "Modelle in einer Box verstecken" ist ein Irrtum — OpenAI nutzt Astra selbst, um maschinenschnell Schwachstellen zu finden und zu beheben, letzte Woche wurden in San Francisco etwa 300 CISOs empfangen, den Verteidigern mehr Zugang zu geben ist "eine unglaublich große Geschäftschance". Vertikale Branchen sind Chipdesign, Life Sciences, Finanzdienstleistungen, und sie deutet an, dass später in der Woche in New York Finanznachrichten offiziell angekündigt werden.
Das Lebenswissenschafts-Modell heißt GPT Rosalind; der eigene Jalapeño-Chip hat nach neun Monaten Tape-Out, das Modell fertig gelaufen, und bevor die Ingenieure es zu TSMC schicken, fehlte Optimierung in den letzten 30 Tagen.
Wie ist das zu bewerten?
Diese Rede bestätigte tatsächlich zwei Dinge und gab dem Markt eine sehr direkte Schlussfolgerung für die Wertschöpfungskette.
Erstens: KI-Nachfrage geht von "Nutzerwachstum" zu "Steigerung der Nutzungsintensität" über.
Der Unternehmensanteil am Umsatz liegt bei über der Hälfte, Spitzenkunden verbrauchen achtmal so viele Tokens wie der Durchschnitt, und Programmierung wandelt sich vom Hilfswerkzeug zur automatisierten Ausführung. Entscheidend ist nicht, wie viele neue Nutzer kommen, sondern wie viel Rechenleistung jeder Nutzer und jedes Unternehmen künftig verbrauchen wird.
Zweitens: OpenAI erweitert das Geschäftsmodell.
Von Subscription, über verbrauchsbasierte Abrechnung, bis zu ergebnisorientierter Verrechnung und einer zweiten Einkommenskurve durch Werbung – die Einnahmen hängen nicht mehr nur vom ChatGPT-Abonnement.
Am deutlichsten bleibt das Signal für US-Aktien weiterhin Rechenleistung. Einer der größten Modellhersteller der Welt gibt offen zu: Rechenkapazität bleibt "stark knapp", viele Kapazitäten müssen zwei bis drei Jahre im Voraus geplant werden.
Solange die Nutzungsintensität je Nutzer weiter steigt und der Umsatz je Gigawatt weiter erhöht wird, wird die Wertschöpfungskette für Rechenleistung, Speicher, Netzwerk und Datenzentrum schwerlich nur als eine kurzfristige Investitionswelle angesehen werden können.
US-Aktien Investmentportal VIP – komplett neues Upgrade
Haftungsausschluss: Der Inhalt dieses Artikels gibt ausschließlich die Meinung des Autors wieder und repräsentiert nicht die Plattform in irgendeiner Form. Dieser Artikel ist nicht dazu gedacht, als Referenz für Investitionsentscheidungen zu dienen.
Das könnte Ihnen auch gefallen
Der Kampf um das Amt des Präsidenten der Europäischen Zentralbank konzentriert sich auf die Fähigkeit zur Krisenbewältigung: Das französische Schuldenrisiko wird zum Prüfstein.
Der Kampf um das Amt des Präsidenten der Europäischen Zentralbank konzentriert sich zunehmend auf eine zentrale Frage: Welcher Kandidat ist am besten geeignet, den „Sheriffs“ des Anleihemarktes entgegenzutreten? Da die französische Schuldenproblematik die Erinnerungen an Turbulenzen in der Eurozone wachruft und die amtierende Präsidentin Lagarde sich auf einen vorzeitigen Rücktritt vorbereitet, könnten der Niederländer Klaas Knot und der Spanier Pablo Hernández de Cos schon bald während finanzieller Unruhen die Führung übernehmen.
Die Deutsche Bank, die vor zwei Wochen den "präzisen Höchstpunkt" vorhergesagt hat: Technologieaktien müssen noch um 5 % fallen, um den "Langfrist-Trendboden" zu erreichen
Vor zwei Wochen hat die Deutsche Bank die Bewertung von US-Technologieaktien und Large-Cap-Growth-Aktien herabgestuft. Seitdem haben sich Technologieaktien im Vergleich zu den übrigen Komponenten des S&P 500 um 12 Prozentpunkte schlechter entwickelt. Dennoch weist die Deutsche Bank darauf hin, dass Technologieaktien noch etwa 5 Prozentpunkte Abwärtspotenzial bis zum unteren Ende des langfristigen Trendkanals haben. Die Positionierung von institutionellen Anlegern kühlt schnell ab, und die Zeichen für eine Abwanderung von rund 30 Milliarden Dollar an Bottom-fishing-Kapital werden sichtbar. In der nächsten Zeit werden die Entwicklung der Quartalsberichte, die Kapitalflüsse und externe Risiken darüber entscheiden, ob die Anpassung bei einer strukturellen Rotation stoppen kann.
Goldman Sachs warnt: Egal, ob die Fed im Dezember die Zinsen erhöht oder nicht, der Markt ist möglicherweise auf beides nicht vorbereitet.
Goldman Sachs betrachtet eine Zinserhöhung im Dezember weiterhin als Basisszenario, aber der Markt preist eine Erhöhung mit etwa 90 % Wahrscheinlichkeit ein, wobei es zunehmend schwieriger wird, einen vollen Anstieg um 25 Basispunkte einzupreisen. Gleichzeitig wird erwartet, dass die KI-Investitionsausgaben im Jahr 2027 auf 1,6 Billionen US-Dollar steigen. Der Bedarf an Schuldenfinanzierung sowie das Risiko von Energieinflation bestehen weiterhin, und die Kreditspreads im Zusammenhang mit KI haben sich auf das breiteste Niveau im laufenden Jahr ausgeweitet. Der weitere Verlauf der US-Staatsanleihenrenditen bleibt somit weiterhin von einem ständigen Tauziehen zwischen bullishen und bearishen Kräften bestimmt.
Wann endet der Abwärtstrend beim KI-Handel? Der Markt blickt auf das "Gefangenendilemma" hinter Metas "gigantischer Anleiheemission"
Barclays ist der Ansicht, dass der Wettlauf der KI-Giganten um eine frühzeitige Finanzierung ein „Gefangenendilemma“ schafft. Die kollektive Emission von Anleihen wird die Finanzierungskosten erhöhen und die Verengung der Kreditspreads begrenzen. Mit dem zunehmenden Risiko von niedrig bewerteten Anleihen und der verstärkten Kreditdifferenzierung bei KI-Emittenten wird die Frage, ob das Angebot an Finanzierungsmöglichkeiten vom Markt absorbiert werden kann, zum Schlüssel für die Beurteilung, ob KI-Transaktionen Stabilität erreichen können.
Krypto-Preise
Mehr
