Wie Nvidia KI-Token in das weltweit neueste strategische Asset verwandelt

Jensen Huang möchte Ingenieuren eine neue Art von Vorteil neben ihren Gehältern überreichen: ein Budget an KI-Token, das Zehntausende von Dollar pro Jahr wert sein könnte.

Der Chief Executive von NVIDIA machte diesen Vorschlag auf der jährlichen GPU Technology Conference des Unternehmens, wo er Token, die grundlegenden Einheiten, die KI-Systeme zur Ausführung von Aufgaben verwenden, als aufkommendes Rekrutierungstool im Silicon Valley beschrieb.

Die Idee fügt sich in ein größeres Bild ein, das Huang von der modernen Arbeitswelt zeichnet. Seiner Ansicht nach werden Arbeiter bald große Teams von KI-Agenten verwalten, Softwareprogramme, die komplexe, mehrstufige Aufgaben eigenständig erledigen können.

Huang erklärte, dass NVIDIA zwar derzeit 42.000 Mitarbeiter beschäftigt, er jedoch erwartet, dass diese Zahl bald von „Hunderten von Tausenden“ von „digitalen Mitarbeitern“ überschattet werden wird. In diesem Szenario werden Rechenzentren zu dem, was Huang als „KI-Fabriken“ bezeichnet, Einrichtungen, die Token auf die gleiche Weise produzieren, wie Fabriken Dinge herstellen.

Huang argumentiert, dass Token zur Kernwährung der Technologieindustrie geworden sind.

„Wenn Rechenleistung mit einer Gelddruckmaschine verglichen wird, sind Token die wahre Währung des KI-Zeitalters“, sagte er. Rechenleistung fungiere nun wie Umsatz: Ohne sie könne man keine Token generieren, und ohne Token stagniere das Wachstum.

Neue Chips, größere Zahlen

NVIDIA zitierte seine neue Grace Blackwell Chip-Architektur zur Unterstützung dieser Aussage. Laut dem Unternehmen kann es 5.000 Token pro Sekunde verarbeiten, im Vergleich zu etwa 700 auf einer Hopper-Konfiguration, und bietet die 50-fache Durchsatzleistung der alten Hopper-Plattform.

Der Sprung war laut Huang ein berechnetes Risiko, das eingegangen wurde, während Hopper noch gut lief. Er bezeichnete Grace Blackwell als die einzige Infrastruktur, auf die Unternehmen sicher aufbauen können, ob in einer privaten Cloud oder international.

Laut Huang sind die Effizienzsteigerungen wichtig, weil, sobald ein Unternehmen ein Rechenzentrum im Gigawatt-Maßstab errichtet hat, seine Stromkapazität praktisch festgelegt ist.

„Ihre Arbeitslast ist Inference, Ihre Token sind Ihre Ware, und diese Rechenleistung ist Ihr Umsatz“, sagte er. „Jedes Unternehmen wird über die Effektivität von Token nachdenken.“

NVIDIA arbeitet bereits an seiner nächsten Plattform, genannt Vera Rubin, die für das Training großer KI-Modelle und deren kontinuierlichen Betrieb ausgelegt ist.

Huang deutete an, dass KI-Dienste in Zukunft wahrscheinlich zu gestaffelten Preismodellen übergehen werden, mit kostenlosem Einstieg auf der einen Seite und Premium-Tarifen, die bis zu 150 USD pro Million Token kosten, auf der anderen.

Andere große Player bewegen sich in die gleiche Richtung. Alibaba hat kürzlich Teile seines Geschäfts neu organisiert, um die Alibaba Token Hub Business Group zu schaffen, angeführt von CEO Eddie Wu Yongming. Die Einheit soll alle KI-Produkte von Alibaba unter einem einzigen Ziel zusammenführen: Token aufzubauen, auszuliefern und zu nutzen.

Arbeitsplätze, Kosten und der Talentmangel

Aber der Wandel ist nicht ohne Komplikationen.

Eine jüngste Umfrage ergab, dass 98 % der C-Level-Executives glauben, dass KI die Belegschaft langfristig reduzieren wird, doch 54 % sagen, dass die Suche nach qualifiziertem Talent immer noch ihre größte Herausforderung ist.

Goldman Sachs hat geschätzt, dass KI die Arbeit automatisieren könnte, die 25 % aller Arbeitsstunden in den Vereinigten Staaten ausmacht. Joseph Briggs, Senior Global Economist bei Goldman, räumte ein, dass der Übergang nicht reibungslos verlaufen wird, sagte aber, dass die Geschichte zeige, dass neue Technologie schließlich Arbeitsplätze schafft, die zuvor nicht existierten.

Für kleinere Unternehmen sind die Kosten bereits spürbar.

Startup-Gründer sagen, dass jede Aufgabe, die eine KI erledigt, einen Preis in Token hat. Mehrere große KI-Anbieter haben die Preise kürzlich um 5 % bis 30 % erhöht.

Bruno Guicardi, Präsident der IT-Firma CI&T, beschrieb den Wandel als einen, bei dem Ingenieure Computer jetzt in einfachem Englisch anweisen, anstatt Code zu schreiben.

In einem solchen Umfeld ist es das Wissen darum, wann und wie man KI nutzt und wie man echten Wert aus jedem ausgegebenen Token zieht, was gute Urteilsfähigkeit von verschwendetem Geld unterscheidet.