Wohin fließt das Geld im KI-Zeitalter? Stanford-Vorlesung eines bekannten PE-Partners

Altimeter Capital-Partner Apoorv Agrawal erklärte in einer öffentlichen Vorlesung an der Stanford University, dass die KI-Branche derzeit eine „umgekehrte Pyramide“ der Gewinnstruktur aufweist, die sich grundlegend vom traditionellen Internet unterscheidet. Von den rund 300 Milliarden US-Dollar Ökosystemeinnahmen fließen bis zu 75 % in die Halbleiterschicht mit einer Bruttomarge von etwa 75 %; die Anwendungsschicht hingegen leidet unter hohen Grenzkosten für Rechenleistung und erzielt nur Bruttomargen zwischen 0 % und 30 %. Um den Engpass niedriger Einnahmen von nur 10 US-Dollar pro Nutzer und Jahr (ARPU) zu überwinden, behauptet er, dass der Vorstoß von KI-Anwendungen wie ChatGPT in den Werbemarkt in diesem Jahr ein großer Durchbruch für die Branche sein wird.

Die „umgekehrte Pyramide“ von 300 Milliarden US-Dollar: 75 % der Einnahmen fließen in Halbleiter

Rückblickend auf die Revolutionen des Internets, der mobilen Kommunikation und des Cloud Computing der letzten 25 Jahre folgten deren Monetarisierungsmodelle typischerweise einer Pyramidenform – die zugrunde liegende Infrastruktur erzielte relativ geringe Gewinne, während die Anwendungsebene an der Spitze die üppigsten Gewinne abschöpfte. Das aktuelle KI-Ökosystem zeigt jedoch eine völlig entgegengesetzte Form.

Agrawal erklärte in der Vorlesung unverblümt, dass sich das generative KI-Ökosystem grundlegend von früheren Cloud-Computing-Ökosystemen unterscheidet und eine „umgekehrte Pyramide“ darstellt. Zur Erklärung der zugrunde liegenden Logik zitierte er den bekannten Silicon-Valley-Investor Marc Andreessen zum Vergleich:

„Wie Marc Andreessen sagte: Software frisst die Welt, weil ich Software entwickeln und an Millionen Menschen verteilen kann, während die Grenzkosten für den Betrieb dieser Software nahezu null sind und Softwareunternehmen Bruttomargen von 80 % oder sogar 90 % erzielen. Aber die Ökonomie der künstlichen Intelligenz funktioniert nicht so.“

Die Ursache für diesen Unterschied liegt in den Rechenkosten. „Zusätzliche Nutzer von KI-Anwendungen sind nicht kostenlos, da man enorme GPU-Ressourcen benötigt; die Kosten für KI-Nutzer sind viel höher.“ Agrawal wies darauf hin, dass von den rund 300 Milliarden US-Dollar an neuen Einnahmen der KI-Branche in den letzten zwei Jahren „etwa 75 % direkt in die Halbleiterindustrie flossen; das Anwendungsgeschäft ist zwar um mehr als das Zehnfache gewachsen, hat aber immer noch keine große Wirkung erzielt.“

Im gesamten Technologie-Stack ist die Halbleiterschicht derzeit der profitabelste Teil. Agrawal lieferte einen eindrucksvollen Margenvergleich:

Katalysatoren zur Durchbrechung des „Gleichgewichts“: Eigenentwickelte ASICs der Giganten und Wendepunkt bei Investitionsausgaben

Wie lange diese von Nvidia dominierte „umgekehrte Pyramide“, in der die unterste Schicht den Großteil der Gewinne abschöpft, bestehen bleibt, ist am Markt stark umstritten. Agrawal gab seine eigene Prognose ab: „Ich schätze, dass sie in der Cloud länger als von mir erwartet in diesem Zustand bleibt, etwa zehn Jahre. Ich habe das Gefühl, dass es noch länger dauern könnte, weil es extrem schwierig ist, einen stabilen Gleichgewichtszustand zu erreichen.“

Er nannte den Anlegern jedoch zwei zentrale Katalysatoren, die dieses Muster durchbrechen könnten:

Durchbrüche der Cloud-Giganten bei eigenen Chips: Wenn das ASIC-Projekt eines Hyperscale-Rechenzentrumsbetreibers einen Durchbruch erzielt – sei es Googles TPU, Metas MTIA oder Projekte von Amazon und Microsoft – könnte dies ein Wendepunkt sein. Bei einem bahnbrechenden Fortschritt wäre dies die größte Neubewertung auf dieser Ebene.

Änderungen der Investitionsausgaben-Prognosen der Giganten: Ein weiterer Katalysator sind die Prognosen der Hyperscale-Rechenzentrumsbetreiber zu den Investitionsausgaben (Capex). Wenn die großen Konzerne aufhören, erhebliche Erwartungen an die Investitionsausgaben zu stellen, könnte dies bedeuten, dass der aktuelle Gleichgewichtszustand nicht mehr funktioniert.

Darüber hinaus verdient der Wandel in der Struktur der Rechenleistungsnachfrage hohe Aufmerksamkeit. Derzeit werden etwa 60 % der von Nvidia verkauften GPUs für Training und 40 % für Inferenz verwendet. Agrawal ist der Ansicht, dass „der Anteil der Inferenzaufgaben im Laufe der Zeit allmählich zunehmen wird“, aber die Arbeitslasten von Inferenzaufgaben seien äußerst instabil, was nicht nur die Hardwareauslastung auf die Probe stellen, sondern auch die Wettbewerbslandschaft der Zwischenschicht (Inferenz-Middleware) neu gestalten werde.

Die ultimative Hypothese zur KI-Monetarisierung: „Wir müssen in den Werbemarkt einsteigen“

Auf der Anwendungsseite stehen verbraucherorientierte KI-Anwendungen wie ChatGPT vor dem Widerspruch zwischen riesigen Nutzerzahlen und ineffizienter Monetarisierung. Agrawal teilte eine Reihe von Kerndaten: ChatGPT hat etwa 1 Milliarde Nutzer (vergleichbar mit dem frühen Stadium von Facebook), aber „etwa 95 % der Nutzer sind kostenlose Nutzer“.

Im Vergleich zum durchschnittlichen Umsatz pro Nutzer und Jahr (ARPU) der aktuellen Internetgiganten ist der Rückstand der KI-Anwendungen offensichtlich:

[Alphabet] 100 $ / Jahr (ca. 4 Milliarden Nutzer) 

[Meta] 70 $ / Jahr (ca. 3,5 Milliarden Nutzer)

[ChatGPT] 10 $ / Jahr (ca. 1 Milliarde Nutzer)

Nachdem er die Möglichkeit ausgeschlossen hatte, dass ein reines Abonnementmodell für Wissensarbeit eine Billionenbewertung tragen könnte, präsentierte Agrawal seine ultimative Prognose zum KI-Kommerzialisierungsmodell: „Die zweite Frage lautet: Wie können wir den Umsatz von 10 US-Dollar pro Nutzer und Jahr auf 100 US-Dollar steigern? Ich bin mir nicht sicher, ob Werbung und Abonnements allein ausreichen. Die Antwort ist, wir müssen in den Werbemarkt einsteigen.“

Er ist der Ansicht, dass große KI-Modelle einzigartige Vorteile bei der Werbeauslieferung haben:

Günstigere Preise: Große Modelle können die tatsächliche Nutzerabsicht präziser verstehen.

Hervorragende Attributionsanalyse: Konversionspfade können genau verfolgt werden.

Höheres Vertrauen: Konversationsinteraktionen bauen starkes Nutzervertrauen auf.

Obwohl der Markt dem Einfügen von Werbung in private KI-Gespräche pessimistisch oder skeptisch gegenübersteht, vergleicht Agrawal dies mit den Argumenten der Bären gegen mobile Werbung von Facebook vor zehn Jahren. „Ich denke, das wird in diesem Jahr eine weitere große Nachricht sein, es wird definitiv eine große Sache sein … Ich bin optimistisch, dass wir eine Antwort finden werden, und das wird ein großer Durchbruch für das bestehende Wirtschaftsmodell sein.“