NVIDIA Roadshow: Umsatz nähert sich 100 Milliarden US-Dollar, Rubin Ultra wie geplant auf Kurs

Einleitung

NVIDIA hat kürzlich im Rahmen einer von Morgan Stanley in Kalifornien veranstalteten Roadshow mehrere zentrale Fragen beantwortet, die Anleger in letzter Zeit beschäftigt haben: Wird der Rubin-Ultra-Fahrplan verschoben? Fressen kundenspezifische ASICs Marktanteile von GPUs? Und kann das Unternehmen sein Wachstum aufrechterhalten, während der Quartalsumsatz auf 100 Milliarden US-Dollar zusteuert?

Laut dem von WallStreetCN veröffentlichten Roadshow-Protokoll war die Antwort von NVIDIA direkt: Das Wachstum habe seinen Höhepunkt noch nicht erreicht, das Management sehe sogar eine Beschleunigung.

CEO Jensen Huang, CFO Colette Kress und Toshiya Hari, Vizepräsident für Investorenbeziehungen und strategische Finanzierung, trafen gemeinsam mit institutionellen Investoren zusammen. Diese Führungsriege machte die Veranstaltung zu mehr als einem gewöhnlichen Investorengespräch und ermöglichte es dem Unternehmen, direkt auf Bedenken zu Produktzyklen, Wettbewerbsdynamik, Lieferengpässen und der Nachhaltigkeit von KI-Infrastrukturausgaben einzugehen.

Morgan-Stanley-Analyst Joseph Moore bewertete den Ton des Treffens positiv. Die Bank behält NVIDIA als bevorzugten Halbleiterwert bei und vergibt ein "Overweight"-Rating.

Gerüchte um Rubin-Ultra-Verzögerung? NVIDIA: Fahrplan unverändert

Vor der Roadshow gab es Marktgerüchte, dass Rubin Ultra möglicherweise auf 2028 verschoben werde.

Berichten zufolge wies Huang diese Interpretation in dem Treffen direkt zurück. Laut Morgan-Stanley-Protokoll wird Rubin Ultra weiterhin für 2027 erwartet.

Die Rack-Architektur durchläuft derzeit Anpassungen. Das ursprüngliche Kyber-Design wird Berichten zufolge durch eine von NVIDIA als überlegen erachtete Konfiguration ersetzt, die möglicherweise größere Rechendomänen ermöglicht. Die Roadshow bezeichnete dies jedoch als Architekturoptimierung, nicht als Zeitplanänderung.

Wichtige Infrastrukturarbeiten schreiten voran:

• 800-Volt-Gleichstromversorgung
• Flüssigkeitskühlung auf Rack-Ebene
• Optische Verbindungen zwischen Racks
• Höherdichte Rechendomänen
• Systemoptimierungen für Rubin Ultra

Der öffentliche Fahrplan von NVIDIA unterstützt ebenfalls das Zieljahr 2027. Offizielle Infrastrukturmaterialien des Unternehmens zeigen, dass Kyber als Rack-Generation konzipiert ist, die speziell für 576 Rubin-Ultra-GPUs ausgelegt ist, mit einem Zielzeitpunkt von 2027. NVIDIA hat zudem öffentlich diskutiert, dass die Umstellung auf 800-Volt-Gleichstrom eine Voraussetzung für diese Rack-Dichte ist.

Diese Unterscheidung ist entscheidend: Ein Neudesign des Racks verändert die Systemform, verzögert jedoch nicht die zugrundeliegende Produktgeneration. Laut Roadshow-Protokoll positioniert NVIDIA diese Anpassung als Optimierung der Bereitstellungsarchitektur, nicht als Neujustierung des Rubin-Ultra-Fahrplans.

Ein auf ASICs fokussierter Kunde wechselt zu fast 50% NVIDIA-Rechenleistung

Ein besonders beachtetes Detail der Roadshow betraf einen KI-Laborkunden von NVIDIA.

Morgan Stanley schätzt, dass KI-Labore derzeit etwa 20% der Gesamtnachfrage von NVIDIA ausmachen. Die meisten Entwickler von Spitzenmodellen sind bereits stark von NVIDIA-Infrastruktur abhängig, aber ein bedeutender Kunde entwickelte seine Modelle zuvor hauptsächlich auf Basis kundenspezifischer ASIC-Hardware, wobei NVIDIA nur eine sehr geringe Rolle spielte.

Laut Roadshow-Bericht ist der Anteil von NVIDIA an der Recheninfrastruktur dieses Kunden nun auf fast 50% gestiegen.

Morgan Stanley hat die Identität des Kunden nicht öffentlich gemacht. Der Quellenartikel deutet an, dass die Beschreibung auf Anthropic zutreffen könnte, aufgrund dessen enger Beziehung zu Amazon und der Nutzung von AWS Trainium-Chips. Dies bleibt jedoch Marktspekulation und keine bestätigte Offenlegung durch NVIDIA, Morgan Stanley, Amazon oder Anthropic.

Selbst ohne Nennung des Kundenadressiert diese Verschiebung eine wichtige Sorge der Anleger: Kundenspezifische Chips ersetzen NVIDIAs GPUs nicht unbedingt direkt.

Hyperscaler oder KI-Labore können ihre eigenen ASICs entwickeln und gleichzeitig weiterhin große Mengen an NVIDIA-Infrastruktur beziehen. Die endgültige Entscheidung hängt von der Gesamtwirtschaftlichkeit der Workloads ab, nicht vom Preis eines einzelnen Beschleunigers.

Gesamtkosten pro Token sind wichtiger als Chip-Preis

Morgan Stanley ist der Ansicht, dass Kunden letztendlich die Gesamtkosten für die Generierung von Tokens vergleichen.

Diese Berechnung umfasst nicht nur den Kaufpreis des Chips:

• Trainings- und Inferenzleistung
• Speicherbandbreite
• Netzwerkeffizienz
• Cluster-Auslastung
• Software-Reife
• Entwicklerproduktivität
• Stromverbrauch
• Bereitstellungszeit
• Zuverlässigkeit im großen Maßstab

Laut Branchenrecherchen dieser Investmentbank bietet NVIDIA bei vielen Workloads weiterhin niedrigere Kosten pro Token. Dies hilft zu erklären, warum die Einführung kundenspezifischer ASICs und das Marktwachstum von NVIDIA gleichzeitig stattfinden können.

Moore argumentierte zudem, dass NVIDIAs Gesamtanteil an KI-Berechnungen von 2024 bis 2026 trotz der Ausweitung kundenspezifischer Chip-Programme durch die großen Cloud-Unternehmen steigen werde.

Das bedeutet nicht, dass der ASIC-Wettbewerb irrelevant ist. Es zeigt, dass der Markt schnell genug wächst und die Workloads vielfältig genug sind, um mehrere Architekturen gleichzeitig expandieren zu lassen, während NVIDIA eine starke Position behält.

Wachstum wird zunehmend diversifizierter

Die Roadshow unterteilte die Nachfrage nach NVIDIA in drei Hauptwachstumstreiber.

1. KI-Labore

Laut Morgan Stanley machen KI-Labore etwa 20% der Gesamtnachfrage aus.

Große Entwickler von Spitzenmodellen sind weiterhin stark von der NVIDIA-Plattform abhängig. Gleichzeitig scheinen Kunden, die zuvor stärker auf kundenspezifische ASICs gesetzt haben, ihre GPU-Bereitstellungen auszuweiten.

Dieser Bereich wird angetrieben durch:

• Pre-Training von Spitzenmodellen
• Post-Training und verstärkendes Lernen
• Langkontext-Inferenz
• Agenten-KI-Workloads
• Forschungsexperimente
• Schnelle Skalierung der Produktionsinferenz

Die Nachfragemuster werden breiter als nur wenige Trainingscluster. Inferenz- und Agenten-Workloads erfordern eine kontinuierliche Kapazitätserweiterung mit zunehmender Modellnutzung.

2. Traditionelle Hyperscaler

Im Rahmen der Roadshow machen traditionelle Hyperscaler etwa die Hälfte von NVIDIAs Umsatz aus.

Microsoft, Meta, Amazon und Google bleiben die größten Kunden. Ihre Expansion wird zunehmend durch physische Infrastruktur begrenzt, nicht durch mangelnde Nachfrage.

Hauptbeschränkungen sind:

• Verfügbarkeit von Strom
• Netzanschluss
• Grundstücke
• Rechenzentrumsbau
• Kühlung
• Speicherversorgung
• Netzwerkausrüstung
• Vorlaufzeiten für die Bereitstellung

Die Möglichkeiten von NVIDIA in dieser Gruppe gehen über GPUs hinaus. Das Unternehmen verkauft breitere Systeme, einschließlich CPUs, Netzwerke, Verbindungen, Speicherbeschleunigung und Rack-Architekturen.

3. Neue KI-Clouds, souveräne KI, Industrie und Unternehmen

Der dritte Wachstumstreiber umfasst neue KI-Cloud-Anbieter, souveräne KI-Projekte, Industrieunternehmen und Firmenkunden.

Morgan Stanley erwartet, dass diese Kundengruppe in bestimmten Zeiträumen schneller wachsen wird als traditionelle Hyperscaler, da diese Käufer tendenziell eher komplette, integrierte Infrastrukturen bevorzugen, anstatt jede Schicht selbst zu bauen.

Ihre Kaufentscheidungen werden beeinflusst durch:

• Begrenzte Strom- und Rechenzentrumskapazitäten
• Bedarf an schnellerer Bereitstellung
• Anforderungen an Datensouveränität
• Nationale Sicherheits- und Industriepolitische Erwägungen
• Bevorzugung bewährter Full-Stack-Systeme
• Begrenzte Erfahrung im Betrieb von Hyperscale-KI-Clustern im eigenen Haus

Souveräne KI ist besonders wichtig. Regierungen und heimische Industrien bauen lokale Rechenkapazitäten, nationale Datensätze und länderspezifische Modelle auf, um die Kontrolle über sensible Informationen und strategische Technologien zu behalten.

Diese Projekte sind oft weniger anfällig für den Wettbewerb durch hyperskalare ASIC-Designs, da die Käufer nicht unbedingt eigene Chip-Programme haben.

CPUs und Netzwerke erweitern NVIDIAs Marktchancen

NVIDIA positioniert sich nicht mehr als reiner GPU-Anbieter.

Das Unternehmen baut eine KI-Infrastrukturplattform auf, die folgende Bereiche abdeckt:

• GPUs
• CPUs
• NVLink-Verbindungen
• Ethernet- und InfiniBand-Netzwerke
• Datenverarbeitungseinheiten
• Speicherbeschleunigung
• Rack-Architektur
• Systemsoftware

Diese breitere Plattform erhöht die Einnahmen, die NVIDIA aus jeder KI-Fabrik erzielt.

Vera-CPU könnte zu einem bedeutenden Geschäft werden

Die Roadshow bekräftigte Berichten zufolge das Ziel von NVIDIAs CPU-Geschäft von etwa 200 Milliarden US-Dollar im laufenden Geschäftsjahr.

Morgan Stanley gab an, dass fast die Hälfte dieser Einnahmen aus eigenständigen CPU-Racks stammen könnte und nicht nur aus CPUs, die als Host-CPUs in GPU-Systemen verwendet werden.

Dies ist eine bedeutende Erweiterung der Produktrolle.

Die Vera-CPU ist speziell für rechenintensive und latenzempfindliche Aufgaben rund um KI-Modelle konzipiert, darunter:

• Code-Ausführung
• Tool-Nutzung
• Sandbox-Isolation
• Analyse
• Datenpipelines
• Verstärkungslernumgebungen
• Workflow-Orchestrierung

Offizielle NVIDIA-Spezifikationen beschreiben Vera mit 88 kundenspezifischen Olympus-Kernen, die 176 Threads unterstützen. Die Architektur priorisiert hohe Single-Thread-Leistung und Speichereffizienz, um Workloads von Agenten und KI-Fabriken zu bewältigen.

Wenn Vera sowohl als Host-CPU als auch als eigenständiger Datenzentrumsprozessor erfolgreich ist, kann NVIDIA seinen Anteil am Servermarkt deutlich ausbauen.

Mit wachsenden Clustern steigt der Wert des Netzwerks

Das Netzwerk ist eine weitere wichtige Wachstumsquelle.

Mit der Vergrößerung von KI-Clustern wird die Datenübertragung zwischen GPUs zum entscheidenden Engpass. Teure Beschleuniger können nicht effizient arbeiten, wenn sie zu viel Zeit mit dem Warten auf Daten oder der Synchronisierung verbringen.

NVIDIA begegnet dieser Herausforderung mit folgenden Technologien:

• NVLink für erweiterte Verbindungen
• Spectrum-X und Spectrum-6 Ethernet
• Quantum InfiniBand
• ConnectX SuperNICs
• BlueField Data Processing Units
• Optische Netzwerktechnologie

Die Ergebnisse des ersten Geschäftsquartals des Geschäftsjahres 2027 zeigen das schnelle Wachstum in diesem Bereich. Der Umsatz im Bereich Datenzentrumsnetzwerke von NVIDIA erreichte 14,8 Milliarden US-Dollar, ein Anstieg von 199 % im Jahresvergleich und 35 % im Quartalsvergleich.

Dies unterstützt das Kernargument der Roadshow: NVIDIAs Wachstum beschränkt sich nicht mehr nur auf den Verkauf weiterer GPU-Chips, sondern hängt zunehmend vom Verkauf kompletter Systeme ab.

NVIDIA beginnt, Value-Investoren anzuziehen

Morgan Stanley bemerkt auch eine Veränderung in der Art und Weise, wie NVIDIA mit Investoren kommuniziert.

Das Unternehmen wurde traditionell stark von Wachstumsfonds gehalten. Für einige Institutionen hat NVIDIA die internen Obergrenzen für Bestände erreicht oder sich ihnen genähert, was es diesen Investoren erschwert, ihr Engagement zu erhöhen.

Die nächste Käufergruppe könnten Value-Investoren sein, die sich mehr auf folgende Kennzahlen konzentrieren:

• Free Cashflow
• Aktienrückkäufe
• Dividenden
• Kapitalrendite
• Nachhaltigkeit der Gewinne
• Langfristige Marktstruktur

Moore prognostiziert, dass NVIDIA letztendlich mehr als die Hälfte seines Cashflows für Rückkäufe und Aktionärsrenditen verwenden könnte.

Die jüngsten Kapitalallokationsentscheidungen von NVIDIA verleihen diesem Argument Glaubwürdigkeit. Im Mai 2026 kündigte das Unternehmen eine neue Aktienrückkaufgenehmigung in Höhe von 80 Milliarden US-Dollar an und erhöhte die vierteljährliche Bardividende.

Die Value-Investment-These ersetzt nicht die Wachstumsthese. Stattdessen versucht NVIDIA, beide Aspekte gleichzeitig darzustellen:

1. Umsatz und Gewinn expandieren weiterhin schnell.
2. Das Unternehmen generiert genügend Cashflow, um mehr Kapital an die Aktionäre zurückzugeben.

Diese Kombination könnte die Investorenbasis der Aktie erweitern.

Der Quartalsumsatz nähert sich 100 Milliarden US-Dollar

Die Aussage „nahe 100 Milliarden US-Dollar“ ist nicht länger theoretisch.

NVIDIA meldete für das erste Quartal des Geschäftsjahres 2027 einen Umsatz von 81,6 Milliarden US-Dollar, ein Anstieg von 20 % gegenüber dem Vorquartal und 85 % gegenüber dem Vorjahreszeitraum. Die offizielle Prognose des Unternehmens für das nächste Quartal liegt bei 91 Milliarden US-Dollar, mit einer Schwankungsbreite von plus/minus 2 %.

Der Roadshow-Bericht von Morgan Stanley besagt, dass das Management das Geschäft weiterhin als beschleunigendes Wachstum in dieser Größenordnung positioniert.

Dies ist der entscheidende Punkt hinter der Anlagelogik. NVIDIA steigert nicht nur seinen Quartalsumsatz um Milliarden Beträge, sondern die Expansionsrate bleibt aufgrund des gleichzeitigen Wachstums mehrerer Märkte hoch:

• Hyperscale-KI-Fabriken
• Labore für Spitzenmodelle
• Produktions-Inferenz
• Neue GPU-Clouds
• Souveräne KI
• Unternehmens- und Industrie-KI
• CPUs
• Netzwerke
• Speicher- und Systeminfrastruktur

Die Herausforderung besteht darin, die Nachfrage in lieferbare Systeme umzusetzen. Der Umsatz hängt von der Verfügbarkeit von Speicher, Netzwerkkomponenten, Strom, Kühlung, Rechenzentrumsfläche und kompletten Racks ab.

Starke Wachstumserwartungen, aber Bewertung und Angebot bleiben wichtig

Morgan Stanley bestätigte in seinem Roadshow-Bericht das „Overweight“-Rating und das Kursziel von 288 US-Dollar.

Der ursprüngliche Artikel verwendete den Schlusskurs von NVIDIA am 9. Juli von 202,78 US-Dollar, was relativ zu diesem Kursziel einem Aufwärtspotenzial von etwa 42 % entspricht. Es verwies auch auf die damalige Marktkapitalisierung von etwa 4,97 Billionen US-Dollar.

Diese Marktdaten sind zeitkritisch und sollten als Momentaufnahme zum Zeitpunkt der ursprünglichen Veröffentlichung betrachtet werden.

Berichten zufolge prognostiziert Moore folgendes Umsatzwachstum:

Dies sind Schätzungen von Analysten, keine Leitlinien von NVIDIA.

Die Anlagethesen basieren auf mehreren Annahmen:

• Generative KI treibt weiterhin die Cloud-Kapitalausgaben an.
• Blackwell bleibt die Hauptplattform für aktuelle Workloads.
• Vera Rubin und Rubin Ultra setzen NVIDIAs Leistungsführerschaft fort.
• Trotz der Einführung kundenspezifischer ASICs behält NVIDIA einen starken Marktanteil.
• CPU- und Netzwerkumsätze wachsen weiter.
• Die Lieferkettenkapazität hält mit der Nachfrage Schritt, ohne übermäßige Lagerbestände zu verursachen.

Die Hauptrisiken sind nicht verschwunden

Morgan Stanley hob auch Risiken hervor, die die Aussichten trüben könnten.

Dazu gehören:

• Das Angebot holt schneller als erwartet mit der Nachfrage gleich.
• Die Kosten für die Entwicklung von KI sinken drastisch.
• Wettbewerbsfähigere Produkte von Konkurrenz-Chipherstellern.
• Schnellere Bereitstellung kundenspezifischer Hardware durch Kunden.
• Einschränkungen bei Strom, Speicher, Netzwerken und Bau.
• Bewertungsdruck, wenn das Wachstum nachlässt.

Ein besonders wichtiges Risiko ist der Übergang von Knappheit zu Gleichgewicht.

Wenn die Nachfrage das Angebot weit übersteigt, haben Hersteller eine starke Preissetzungsmacht und Kunden konkurrieren um Kapazitäten. Wenn sich das Angebot zu schnell ausweitet, könnte das Wachstum von Rechenzentren stärker als von Investoren erwartet zurückgehen.

Das Risiko durch kundenspezifische Chips bleibt ebenfalls real. Google, Amazon, Microsoft, Meta und andere große Käufer haben starke Anreize, Hardware zu entwickeln, die für ihre spezifischen Workloads optimiert ist.

NVIDIAs Verteidigung ist nicht nur eine schnellere GPU.

Es ist die Kombination aus seinem Software-Ökosystem, Netzwerk, CPU, Rack-Design, Bereitstellungsgeschwindigkeit und den Gesamtkosten pro Token.

Die eigentliche Einschränkung liegt in der Lieferung kompletter KI-Systeme

Die umfassendere Botschaft der Roadshow ist, dass die Nachfrage nach KI-Infrastruktur weiterhin stark ist.

NVIDIAs aktuelles Problem ist nicht, Kunden vom Nutzen der KI-Rechenleistung zu überzeugen, sondern die enorme Nachfrage in unter verschiedenen physischen Einschränkungen betriebsfähige Systeme umzuwandeln.

Derzeitige Engpässe sind:

• Hochbandbreitenspeicher
• Netzwerkkapazität
• Stromerzeugung und -verteilung
• Kühlungsinfrastruktur
• Bau von Rechenzentren
• Optische Komponenten
• Rack-Integration
• Bereitschaft der Kunden für die Bereitstellung

Aus diesem Grund investiert NVIDIA kontinuierlich in die Gesamtarchitektur.

Ein GPU-Chip muss in ein funktionsfähiges System integriert, an Speicher und Netzwerk angeschlossen, ausreichend mit Strom versorgt und in einem bereiten Rechenzentrum installiert werden, um Umsatz zu generieren.

Die 800 VDC- und Kyber-Architektur von Rubin Ultra zeigen diesen Wandel. Die nächste Phase des KI-Computings ist nicht nur ein Halbleiterproblem, sondern ein Problem der Infrastrukturtechnik.

Häufig gestellte Fragen

Wurde NVIDIAs Rubin Ultra verschoben?

Laut dem Roadshow-Bericht von Morgan Stanley hat NVIDIA Behauptungen widerrufen, dass Rubin Ultra auf 2028 verschoben wurde, und hält am Auslieferungszeitplan 2027 fest. NVIDIAs öffentlicher Infrastruktur-Fahrplan beschreibt auch, dass das Kyber-System mit Rubin Ultra GPUs im Jahr 2027 auf den Markt kommen soll.

Was ist der Unterschied zwischen Vera Rubin und Rubin Ultra?

Vera Rubin ist NVIDIAs derzeitige nächste Generation von KI-Plattform, die Rubin GPU, Vera CPU, NVLink, Netzwerk- und Speicherinfrastruktur kombiniert. Rubin Ultra ist ein geplantes höherdichtes Nachfolgeprodukt, das auf der Kyber-Rack-Architektur und dem 800 VDC-Stromversorgungssystem basiert.

Warum nähert sich NVIDIAs Quartalsumsatz 100 Milliarden US-Dollar?

NVIDIA meldete für das erste Quartal des Geschäftsjahres 2027 einen Umsatz von 81,6 Milliarden US-Dollar und prognostiziert für das nächste Quartal einen Umsatz von 91 Milliarden US-Dollar. Das Wachstum kommt von Hyperscale-Cloud-Anbietern, KI-Laboren, neuen Cloud-Dienstleistern, souveränen KI-Projekten, Netzwerken, CPUs und kompletten KI-Fabriksystemen.

Werden kundenspezifische ASICs NVIDIAs GPUs ersetzen?

Kundenspezifische ASICs expandieren, aber es handelt sich nicht um eine einfache Ersetzung. Kunden könnten ihre eigenen Beschleuniger für bestimmte Workloads verwenden, während sie weiterhin NVIDIA-Systeme einsetzen, insbesondere wenn die Software-Reife, Flexibilität, das Netzwerk oder die Gesamtkosten pro Token vorteilhafter sind.

Welcher Kunde hat NVIDIAs Rechenanteil auf fast 50 % erhöht?

Morgan Stanley hat den Namen dieses Kunden im Roadshow-Bericht nicht genannt. Der ursprüngliche Artikel spekulierte, dass es sich um Anthropic handeln könnte, aber diese Einschätzung basiert nur auf Vermutungen und wurde von den betreffenden Unternehmen nicht bestätigt.

Was ist souveräne KI?

Souveräne KI bezeichnet die Fähigkeit eines Landes, KI unter Nutzung eigener Infrastruktur, Daten, Talente und des inländischen Ökosystems aufzubauen und zu betreiben. Solche Projekte könnten Nachfrage nach lokalen KI-Fabriken, nationalen Modellen und sicherer Rechenleistung schaffen.

Warum expandiert NVIDIA in die Bereiche CPU und Netzwerk?

Große KI-Cluster benötigen mehr als nur Beschleuniger. CPUs verwalten Datenpipelines, Tools, Orchestrierung und Agenten-Workloads, während Hochgeschwindigkeitsnetzwerke Tausende von GPUs synchron halten und voll auslasten können.

Ist dieser Artikel eine Anlageberatung?

Nein. Die darin diskutierten Analystenbewertungen, Kursziele und Prognosen dienen zur Veranschaulichung des ursprünglichen Berichts.

Es bestehen Marktrisiken. Leser sollten vor einer Anlageentscheidung ihre eigenen Ziele, ihre finanzielle Situation und ihre Risikotoleranz bewerten.

Verwandte Werkzeuge

• NVIDIA Vera Rubin Plattform: NVIDIAs Full-Stack-Plattform für groß angelegtes Training, Inferenz, agentische KI und wissenschaftliches Rechnen.
• NVIDIA Vera CPU: Eine Datenzentrum-CPU, die für agentische Arbeitslasten, bestärkendes Lernen, Orchestrierung und den Betrieb von KI-Fabriken entwickelt wurde.
• NVIDIA Spectrum-X: Eine Ethernet-Netzwerkplattform zur Skalierung verteilter KI-Infrastruktur.
• NVIDIA NVLink: NVIDIAs Hochbandbreiten-Verbindungstechnologie für die skalierbare Verbindung von GPUs und CPUs.
• NVIDIA BlueField: Datenverarbeitungs- und Speicherinfrastruktur für Netzwerk, Sicherheit, Isolation und Datenübertragung.

Verwandte Links

• Ergebnisse des ersten Quartals des Geschäftsjahres 2027 von NVIDIA: Offizielle Daten zu Umsatz, Rechenzentrum, Netzwerk, Geschäftsausblick und Kapitalrendite.
• NVIDIA stellt Rubin-Plattform vor: Offizieller Überblick über die Architektur von Rubin GPU, Vera CPU, NVLink 6, BlueField-4 und Spectrum-6.
• Überblick über die NVIDIA Vera Rubin Plattform: Offizielle Produktinformationen zu den Vera Rubin Systemen und der zugehörigen Infrastruktur.
• NVIDIA Kyber und 800 VDC Infrastruktur: NVIDIAs Erläuterungen zu Kyber Racks, 800 VDC Stromversorgung und der Roadmap für Rubin Ultra im Jahr 2027.
• NVIDIA 800 VDC Technische Architektur: Technische Details zur Stromübertragung für zukünftige KI-Fabriken hoher Dichte.
• NVIDIA Finanzberichte: Offizielles Archiv der Finanzergebnisse und Investoreninformationen von NVIDIA.
• Überblick über Sovereign AI von NVIDIA: NVIDIAs Definition von Sovereign AI und nationaler KI-Infrastruktur.

Zusammenfassung

Das Protokoll der NVIDIA-Roadshow von Morgan Stanley zeigt, dass das Wachstum des Unternehmens zunehmend diversifiziert ist und nicht mehr von einem einzigen Faktor abhängt. KI-Labore, Hyperscaler, aufstrebende KI-Clouds, Sovereign-AI-Projekte, CPUs und das Netzwerkgeschäft treiben gemeinsam die nächste Expansionsphase voran.

Gerüchte über eine Verzögerung von Rubin Ultra werden dementiert, was die bestehende NVIDIA-Roadmap für 2027 stützt. Gleichzeitig deutet die Verschiebung hin zu größeren Racks, 800-VDC-Stromversorgung, optischen Verbindungen und vollständigen KI-Systemen darauf hin, dass zukünftiges Wachstum nicht nur vom Chipdesign, sondern auch von der Infrastrukturentwicklung abhängt.

Kundenspezifische ASICs bleiben ein wichtiges Wettbewerbsrisiko, aber die Roadshow zeigt, dass ihre Einführung kein einfacher Ersatzzyklus ist. Kunden bewerten die Gesamtwirtschaftlichkeit der Arbeitslasten, einschließlich Software, Netzwerk, Auslastung und Kosten pro Token.

Die zentrale Herausforderung für NVIDIA besteht nicht mehr darin, die Nachfrage nach KI zu beweisen, sondern diese Nachfrage in vollständige Systeme umzuwandeln, die in großem Maßstab mit Strom versorgt, gekühlt, verbunden, ausgeliefert und betrieben werden können.