Worauf konzentriert sich das Silicon Valley? Die zweite Halbzeit der KI beginnt! Zusammenfassung der Meinungen der Tech-Giganten auf der Goldman Sachs TMT-Konferenz (Tiefenanalyse)

Das klarste Signal, das die Goldman Sachs Communacopia + TMT Konferenz 2026 vermittelt, ist: Der Schwerpunkt der KI-Investitionen verschiebt sich von "Kapazitätsaufbau" zu "Kapazitätsnutzung", aber die Kapazität selbst bleibt weiterhin schwer unterversorgt. Dass beide Aussagen gleichzeitig zutreffen, bildet derzeit die zentrale Spannung in Silicon Valley.

Jan Hatzius, Chefökonom von Goldman Sachs, stellte auf der Konferenz die Richtung klar: "Der Boom bei KI-Investitionen wird nicht für immer anhalten." Doch Jensen Huang von Nvidia vermittelte bei derselben Veranstaltung das Gegenteil: "70% Wachstum ist eine Grenze des Angebots, nicht des Bedarfs." Genau diese Diskrepanz ist das entscheidende Merkmal der zweiten KI-Phase—an der Richtung gibt es keine Streit, aber Tempo und Verteilung sind die eigentlichen Fragen.

Was wird in Silicon Valley diskutiert: Sechs Kernthemen

Thema 1: Das "physische Limit" der Kapazität wird zur neuen Erzählung

Jensen Huang hat bei der Konferenz das Narrativ der KI-Infrastruktur systematisch neu definiert. Er sieht die treibenden Kräfte als zwei sich überlagernde Branchenumwälzungen: Vom Retrieval-basierten Computing zur Generativen KI und das Ende des Mooreschen Gesetzes.

Die Computer der letzten 60 Jahre waren grundsätzlich "vorab aufgezeichnet" — Nutzer rufen per Klick gespeicherte Informationen ab. Doch generative KI verlangt, dass Antworten kontextbasiert und in Echtzeit generiert werden, was den Aufbau einer neuen, dauerhaften Rechenschicht erfordert. Gleichzeitig verschwinden die Vorteile der Miniaturisierung von Transistoren, Leistung wächst nicht mehr durch kleinere Fertigung. Huang begegnet dem durch extrem koordinierte Designs der CoWoS Multi-Chip-Pakete und NVLink vertikale Skalierung und stellt klar: "Wenn du kein NVLink hast, keine echte vertikale Skalierung realisieren kannst, bist du erledigt, denn das Mooresche Gesetz ist dein Feind."

Der entscheidende Wendepunkt dieser Erzählung ist: Das Kernlimit für das KI-Wachstum ist nicht mehr "gibt es Nachfrage", sondern "kann die physische Welt mithalten". Huang erkennt Engpässe bei Upstream-Packaging, Wafern, Speicher und Downstream-Rechenzentren hinsichtlich Strom und Standort, und bleibt bei einer erwarteten YoY-Steigerung von etwa 70% bis CY27. SpaceX CFO Bret Johnsen plant eine noch deutlichere Expansion: Bis 2027 soll die KI-Kapazität von 2 auf 5-10 GW steigen und KI-Satelliten sollen die Kosten für orbitales Computing auf Boden-Niveau senken.

Thema 2: Der "Gewinnerpfad" auf der KI-Anwendungsebene wird klarer

Hock Tan, CEO von Broadcom, präsentierte ein aufschlussreiches ökonomisches Modell: 1GW Frontier-Kapazität entspricht 30 Milliarden USD ARR, davon sind 10 Milliarden Kosten, die verbleibenden 20 Milliarden werden durch Modell- und Anwendungsebene abgeschöpft, und 10 Milliarden entfallen auf einen Wettbewerb entlang Cloud+Chip+Memory+Power-Kette.

Dies bedeutet, dass die Wertverteilung in der KI-Wertschöpfungskette inzwischen quantifizierbar ist. Goldman Sachs stellt darauf aufbauend die Reihenfolge des "Gewinnerpfads" auf: Closed Source Modellschicht > eigene Chipfertigung > Hyperscaler > Strom+Flüssigkühlung > Netzwerk > Anwendungsebene.

Goldman Sachs stellt zugleich fest, dass Marktkapital aus Phase eins (GPU/HBM/Rechenzentrumshardware) in Phase zwei (Anwendungs-Gewinner, die Token in Produktivität, Umsatz und Cashflow für Unternehmen wandeln können) diffundiert. Die Bewertungsdivergenz könnte künftig "noch heftiger" sein: Softwarefirmen mit exklusiven Daten, komplexen Workflows und klaren ROI erhalten Neubewertung, während SaaS, das sich eher durch Basis-Modelle automatisieren lässt, weiterhin belastet bleibt.

Ali Ghodsi, CEO von Databricks, bekräftigt dies: Das Zentrum des Wettbewerbs im KI-Anwendungssoftwarebereich verschiebt sich auf die tatsächliche Unternehmensimplementierung. Plattformen, die Modellfähigkeiten effizient und präzise in verlässliche Geschäftsergebnisse übertragen können, erschließen neues Wachstumspotenzial.

Thema 3: Agentic KI entwächst dem "Konzept" und führt zu "organisatorischer Rekonstruktion"

Agentic KI bleibt bei dieser Konferenz nicht bloß Funktionsdemo, sondern beginnt, interne Strukturen von Unternehmen neu zu formen.

CHYM berichtet von einer 10%-igen Entlassung mit dem Ziel, eine "flachere und schnellere Organisation" zu schaffen, wobei Produkt- und Engineering-Teams jetzt nur noch halb so groß sind, aber "durch klarere Verantwortlichkeiten und effizienteren Betrieb bleibt der Output unverändert". Block erzielte nach einer umfassenden organisatorischen Restrukturierung zu Jahresbeginn (weniger Hierarchie zwischen Entscheidungsträgern und Ausführenden) signifikante Hebelwirkungen bei den Fixkosten.

Technologisch sieht AMD Agentic KI als eine neue Art von Workload, die vermehrt Nachfrage nach verschiedenen CPU-Typen generiert, nicht nur nach GPU. SailPoint nennt als konkretes Ziel: Agentic KI könnte zum Hauptwachstumstreiber werden, mit einem Ziel von 800 Millionen USD agentic Umsatz bis GJ 2029.

Amy Hood, CFO von Microsoft, beschrieb das am systematischsten: Microsoft kombiniert vorhersehbare Nutzerlizenzen mit verbrauchsbasierten KI-Servicepreisen und erweitert Agent 365 und Copilot. Sie betont, dass "sichere, regulierte agentic Workflows" Wachstum fördern könnten, denn Agenten, Anwendungen und Menschen arbeiten immer enger zusammen.

Thema 4: Cybersicherheit als "am häufigsten behandeltes Thema"

Cybersicherheit ist die meistgenannte Anwendung bei dieser Konferenz. Jensen Huang zählt es klar als das nächste Hauptanwendungsfeld der KI und liefert wirtschaftliche Logik:

"Ein Nebenprodukt des Codierens ist natürlich das Auffinden von Bugs, und daraus entsteht ein riesiger Markt namens Cybersicherheit. Code-Assistenten reagieren auf Prompts und stoppen; Sicherheitsagenten überwachen das Netz dauerhaft, weswegen Kunden rund um die Uhr für Inferenz zahlen, nicht nur sporadisch."

Palo Alto Networks CEO stellt fest, dass "die KI-Sicherheitsbranche noch gar nicht existiert", und CrowdStrike sowie Palo Alto haben zusammen eine Marktkapitalisierung von rund 490 Milliarden USD, deutlich weniger als die Billionen-Bewertung typischer KI-Unternehmen, sodass Neubewertungspotenzial besteht.

CrowdStrike CEO George Kurtz lieferte eindringliche Zahlen: KI-gestützte Cyberangriffe stiegen im letzten Jahr um 89%, die schnellste Durchbruchzeit liegt bei 27 Sekunden. Das sind weniger als die meisten menschlichen Sicherheitsteams für Alarmdiagnose brauchen — das zentrale Argument für autonome Agenten als Ersatz für Analystenteams.

Huang betitelte CrowdStrike als Nvidias "erstes Cybersicherheits-Partnerunternehmen" und bezeichnete die Veröffentlichung von SafeMind als "Wendepunkt für Cybersicherheit".

Thema 5: OpenAIs "Ergebnis-basierte Abrechnung" und die Wirtschaft der Nutzungsintensität

Sarah Friar, CFO von OpenAI, signalisierte auf der Konferenz die fortschrittlichsten Entwicklungen der KI-Kommerzialisierung.

Unternehmensgeschäft macht die Hälfte aus: Der Anteil von Consumer vs. Unternehmen-Einnahmen erreichte bereits zur Jahresmitte statt zum Jahresende das Verhältnis 50:50 (vorher 60:40). Im Juli stieg das annualisierte Run-Rate Einkommen um 20% zum Vormonat, Unternehmensumsatz um 32%, und das bei hoher Ausgangsbasis.

Die wirklich neue Zahl betrifft die Nutzungsintensität: Die Top-10% der innovativen Unternehmenskunden verbrauchen schon achtmal so viele Tokens wie normale Kunden (vorher dreimal), OpenAI selbst 33-mal. Friar bezeichnet diese 33-fache Steigerung als "Vorschau der Zukunft bestehender Kunden", das Wachstum auf Unternehmensseite basiert nicht auf Neukundengewinn, sondern auf steigendem Verbrauch pro Kunde.

Die Preisstruktur ist klar: Abo → Nutzungsbasiert → Ergebnisbasierte Abrechnung. Friar sagt explizit, man wolle weg von tokenbasierter Abrechnung, hin zu vertikalen Umsatzbeteiligungen. Schon beim Modellwettbewerb gilt: nicht mehr Token-Kosten, sondern Kosten pro Aufgabe — für das gleiche Ergebnis sind 68% weniger ausgegebene Tokens nötig als bei der Konkurrenz.

Thema 6: "Angebotssignale" für Speicher, Verbrauch und Organisationseffizienz

SanDisk äußerte auf der Konferenz eine vom Markt unterschätzte Einschätzung: Das Angebot an NAND wird absehbar weiter begrenzt bleiben, während die Verbreitung von KI-Inferenz die Nachfrage ständig steigert. Das Verhältnis von Nachfrage zu Angebot spricht für stabile NAND-Preise.

Die Signale auf Verbraucherseite sind konsistent: Block berichtet, dass "die Konsumausgaben im gesamten zweiten Quartal extreme Robustheit gezeigt haben, und dieser Trend hält auch im Juli und August an"; Toast sagt, das Konsumniveau bleibt stabil; Booking.com meint, die Reise-Nachfrage sei weiterhin robust. Das passt zur früheren Stellungnahme von Visa auf der Konferenz.

Auch die Effizienzsteigerung durch KI wird direkt thematisiert: Booking.com setzt generative KI für Kundenservice und Softwareentwicklung ein und sieht "echte Vorteile"; Etsy sagt, KI ermöglicht "tiefere Bestandsverständnis, Käuferanalyse und Erkennung von Kaufabsichten".

Das "KI zweite Halbzeit"-Framework der Goldman Sachs Berichte

Die von Goldman Sachs vor und nach der Konferenz veröffentlichten Berichte bilden die analytische Grundlage zum Verständnis dieser Konferenz.

Ebene 1: Von "Kapazitätserweiterung" zu "Token-Monetarisierung". Analysten von Goldman Sachs stellen klar, dass das globale Kapital von der ersten Investitionsphase (Hardware-Engpässe) zu Anwendungs-Gewinnern der zweiten Phase diffundiert, die Tokens in Produktivität, Umsatz und Cashflow für Unternehmen umwandeln. Schlüssel für Anwendungen: große und exklusive Datenbanken, starke Workflows, Agenten-Workflows mit Ausführungsschluss, und klarer ROI.

Ebene 2: Von "dualem Wettbewerb" zu "multipolarer Konkurrenz". Rich Privorotsky, Leiter des One-Delta Trading Desk, sagt, das KI-Narrativ wandelt sich von "Nvidia vs. Google Hightech-Rennen" zu "stark wettbewerbsbetonte multipolare Struktur". Meta und xAI bieten schon API-Services zur Frontier-Klasse signifikant günstiger an. Der Hardware-Bull-Case "billigere Tokens lösen exponentielle Nachfrage aus", tritt in der Realität nicht zwangsläufig ein. Die Unternehmensakzeptanz für KI-Tools liegt stabil bei über 50%, bloße Preissenkung dürfte keine neue Nachfragewelle auslösen.

Ebene 3: Von "großen Modellen" zu "speziellen kleinen Modellen". Unternehmens-Workloads wandern zunehmend zu kleineren, spezialisierten Modellen — Dokumentenverarbeitung, Workflow-Routing, Compliance-Prüfung, Kundenservice. Diese Modelle sind billiger, schneller und lokal auf Edge-Geräten nutzbar. Huggin Face CEO wird von Goldman Sachs zitiert: Unternehmen durchlaufen eine strukturelle Transformation vom "Mieten von Closed Source APIs" hin zu eigenen, open source Modellen.

Ebene 4: Kapitaleffizienz als ultimative Herausforderung. Goldman Sachs sieht das Kernproblem darin, wann die Aktionäre von den Cloud-Giganten mehr Kapitaleffizienz verlangen. Sobald Cloud-Giganten kapitale Sparmaßnahmen aus Shareholder-Gründen eingeführt werden, können Hardwarer nicht mehr ihre hohen Bewertungsmultiplikatoren halten, selbst wenn die Geschäftszahlen weiter glänzen.

Silicon Valley in einem Satz zusammengefasst

Das Wesen der zweiten KI-Phase ist nicht "KI verlangsamt sich", sondern "KI wandelt sich vom Narrative der Knappheit zur Narrative der Verteilung". Die Kapazität bleibt limitiert, der Markt fragt aber: Wer bekommt am Ende den Cashflow aus dieser Kapazität? Jensen Huang antwortet "aus 1 Dollar werden 100", OpenAI sagt "Ergebnisbasierte Abrechnung", Goldman Sachs betont "messbaren Produktivitätsgewinn pro KI-Dollar". Wer Tokens in verifizierbare Unternehmensresultate umwandeln kann, der definiert die Regeln der zweiten KI-Halbzeit.