Nvidia-Prognose für 70 % Wachstum: Jensen Huang sagt, Angebot, nicht Nachfrage, setzt die Grenze
Jensen Huang zufolge spiegelt Nvidias Prognose für 70 % Wachstum eine Angebotsgrenze wider, nicht die Begrenzung der Kundennachfrage. Nvidia erwartet im Geschäftsjahr 2028 einen Umsatzanstieg von rund 70 % – eine ungewöhnliche Prognose für ein ganzes Jahr im Voraus von einem Unternehmen, das sich in einem volatilen Umfeld für AI-Ausgaben bewegt.
Die Prognose signalisiert Vertrauen, dass Nvidia trotz eigener Chips von Amazon, Google, Microsoft, OpenAI und Anthropic weiter wachsen kann. Sie wirft jedoch auch eine schwierigere Frage auf: Wie viel Nachfrage besteht unabhängig, und wie viel hängt davon ab, dass Nvidia Kunden bei der Finanzierung einer auf seiner Hardware aufgebauten Infrastruktur unterstützt?
Huangs Antwort lautet, dass Nvidia die Nachfrage entlang der gesamten AI-Lieferkette erkennen kann. Das Unternehmen arbeitet mit Chipzulieferern, Cloud-Betreibern, Modellentwicklern, Unternehmen, Regierungen und Rechenzentrumsbauern zusammen. Kritiker sehen viele dieser Verbindungen anders. Sie befürchten, dass Nvidia zunehmend die Kunden finanziert oder unterstützt, die seine Systeme kaufen.
Dieser Konflikt ist wichtiger als die Schlagzeilen-Prozentzahl. Nvidia verkauft nicht länger nur Beschleuniger in einen Infrastrukturmarkt, der vollständig von anderen Unternehmen aufgebaut wird. Das Unternehmen hilft dabei, Fertigungskapazitäten, Rechenzentrumsstandorte, Finanzierungen und Verpflichtungen zu Cloud-Umsätzen abzusichern.
Das Ergebnis ist ein Geschäft mit ungewöhnlich hoher Transparenz über künftige Bauprojekte. Zugleich übernimmt das Unternehmen neue Risiken, die über das Halbleiterdesign hinausgehen.
Die Nvidia-Prognose für 70 % Wachstum ist ein angebotsbegrenztes Versprechen
Nvidias Prognose besagt, dass das Unternehmen erwartet, dass die Nachfrage das übersteigt, was sein Fertigungs- und Infrastrukturnetz liefern kann.
Nvidia stellte die Prognose erstmals während der Telefonkonferenz zu den Ergebnissen des zweiten Quartals des Geschäftsjahres 2027 am 26. August vor. Finanzchefin Colette Kress sagte, das Unternehmen erwarte im Geschäftsjahr 2028 ein Umsatzwachstum von etwa 70 %.
Die Zahl war bemerkenswert, weil Nvidia Anlegern bislang üblicherweise keine Prognosen für ein ganzes künftiges Geschäftsjahr gegeben hatte. Die Prognosen konzentrierten sich normalerweise auf das nächste Quartal, in dem sich Lieferpläne und Kundenbestellungen leichter beurteilen ließen.
Huang wiederholte die Prognose später auf der Communacopia and Technology Conference von Goldman Sachs. Seine Aussagen auf der Konferenz stellten die Prognose als Ergebnis der Transparenz dar, die Nvidia über seinen Markt besitzt.
Nvidia meldete für den am 26. Juli 2026 endenden Zeitraum einen Quartalsumsatz von rund 96 Milliarden US-Dollar. Der Umsatz im Rechenzentrumsgeschäft erreichte 89 Milliarden US-Dollar und stieg gegenüber dem vorangegangenen Quartal um 18 %.
Das Unternehmen prognostizierte zudem für sein drittes Geschäftsquartal einen Umsatz von rund 108 Milliarden US-Dollar. Diese Zahlen zeigen, dass die 70-%-Prognose von einer deutlich größeren Basis ausgeht als in der früheren Phase des generativen AI-Booms.
Kress sagte, Kundenprognosen deuteten darauf hin, dass sich die Nachfrage im folgenden Jahr verdoppeln könnte. Nvidia begrenzte seine Umsatzprognose dennoch auf 70 %, weil das verfügbare Angebot nicht alle Anfragen bedienen könne.
Huang unterstrich diese Unterscheidung während der Ergebnis-Telefonkonferenz. Er sagte, die Nachfrage sei deutlich größer als die Menge, die Nvidia voraussichtlich liefern werde. Die gesicherte Versorgung des Unternehmens gebe dem Management Vertrauen in die niedrigere Zahl.
Dies ist nicht einfach die Behauptung, dass mehr Unternehmen einzelne Chips bestellen werden. Nvidia beschreibt sein Produkt inzwischen im Maßstab eines vollständigen Computersystems.
Eine moderne Nvidia-Installation kann CPUs, GPUs, Netzwerkausrüstung, Switches, Kühlkomponenten und umfangreiche Software umfassen. Diese Teile arbeiten als ein Computer im Maßstab eines Rechenzentrums zusammen.
Huang nutzte Nvidias GB200 NVL72-System, um diesen Wandel zu veranschaulichen. Es kombiniert 36 Grace-CPUs und 72 Blackwell-GPUs über Nvidias NVLink-Verbindung.
Er sagte, die Bestellungen für das System seien im September monatlich um 27 % gewachsen. Diese Zahl spiegelte die aktuelle Bestelldynamik wider, nicht die Zusage, dass dieses Tempo unbegrenzt anhalten werde.
Nvidia bezeichnet diese Installationen als AI-Fabriken, weil sie Strom und Daten in Ergebnisse für Modelltraining und Inferenz umwandeln. Inferenz ist der Prozess, bei dem ein trainiertes Modell Antworten, Vorhersagen oder andere Ergebnisse erzeugt.
Die größere Verkaufseinheit verändert, wie Investoren die Prognose interpretieren sollten. Nvidia zählt nicht nur Chips, die in bestehende Rechenzentren geliefert werden. Das Unternehmen plant anhand vollständiger Anlagen, die Strom, Kühlung, Grundstücke, Finanzierung und Bauleistungen erfordern.
Damit wird die Prognose teilweise zu einem industriellen Einsatzplan. Jedes Umsatzziel hängt davon ab, dass Zulieferer und Kunden eine lange Arbeitskette fristgerecht abschließen.
Diese Kette schafft bessere Transparenz, weil große Projekte mehrjährige Planung erfordern. Sie schafft jedoch auch mehr Möglichkeiten für Verzögerungen.
AI-Agenten treiben einen deutlich größeren Rechenbedarf
Huangs zentrales Nachfrageargument lautet, dass AI-Agenten längere Aufgaben ausführen und dadurch jede Nutzeranfrage erheblich rechenintensiver wird.
Ein einfacher Chatbot beantwortet häufig einen Prompt mit einer Antwort. Ein AI-Agent kann eine Aufgabe planen, Software-Tools aufrufen, Ergebnisse prüfen, Fehler korrigieren und diesen Zyklus wiederholen.
Jeder Schritt verbraucht Inferenzkapazität. Der Arbeitsaufwand kann schnell wachsen, wenn ein Agent Recherche, Softwareentwicklung, Kundenservice, wissenschaftliche Analysen oder Geschäftsabläufe übernimmt.
Während Nvidias Ergebnisprotokoll schätzte Huang, dass ein Agent 15- bis 100-mal mehr Rechenleistung benötigen kann als die direkte Nutzung durch Menschen. Er sagte, die Menge variiere je nach zu lösendem Problem.
Diese Schätzung ist eine Unternehmensangabe, kein unabhängiger Benchmark, der jede Anwendung abdeckt. Der zugrunde liegende Mechanismus ist jedoch klar: Längere Schlussfolgerungsfolgen und wiederholte Tool-Aufrufe erfordern mehr generierte Tokens und mehr Beschleunigerzeit.
Die Modellentwicklung weitet sich zudem über eine kleine Gruppe führender Forschungslabore hinaus aus. Nvidia zufolge kommt die Nachfrage inzwischen von Hyperscalern, Neoclouds, AI-Start-ups, Unternehmen, Industrieunternehmen, Forschungseinrichtungen und staatlichen Kunden.
Hyperscaler sind die größten Cloud-Anbieter, darunter Amazon Web Services, Microsoft Azure und Google Cloud. Neoclouds sind neuere Infrastrukturunternehmen, die primär auf GPU-Computing ausgerichtet sind.
In Nvidias gemeldetem zweiten Quartal erreichte der Umsatz mit Hyperscalern 49 Milliarden US-Dollar. Eine weitere Kundengruppe, die Neoclouds, Industrieunternehmen und Unternehmen umfasst, erzielte 40 Milliarden US-Dollar.
Diese zweite Kategorie wuchs Nvidia zufolge gegenüber dem vorangegangenen Quartal um 25 % und gegenüber dem Vorjahr um 138 %. Ihr Umfang stützt Huangs Argument, dass der Markt breiter ist als ein einzelnes AI-Labor oder ein einzelner Cloud-Kunde.
Kress sagte, Neocloud-Partner würden 2026 voraussichtlich mit acht Gigawatt installierter Kapazität abschließen. Ende 2025 lagen sie bei rund drei Gigawatt.
Ein Gigawatt misst elektrische Leistung, nicht Rechenleistung. Dennoch bietet es einen nützlichen Hinweis darauf, wie groß diese Projekte geworden sind. Ein neuer Rechenzentrumscampus kann einen Energiebedarf erfordern, der mit einem großen Industrieprojekt vergleichbar ist.
Amazon liefert ein weiteres Nachfragesignal. Nvidia sagte, AWS werde im Berichtsquartal mit der Installation von zwei Millionen zusätzlichen Nvidia-GPUs beginnen. Der Einsatzplan reicht bis zu Nvidias zweitem Geschäftsquartal 2029.
AWS plant außerdem, Nvidia-Technologie in Modellen, Cloud-Diensten und Lagerrobotik einzusetzen. Amazon entwickelt jedoch weiterhin eigene Trainium-Beschleuniger, wodurch sowohl Partnerschaft als auch Wettbewerb entstehen.
Google verfolgt mit seinen Tensor Processing Units eine ähnliche Strategie. Microsoft verfügt über Maia-Beschleuniger, während OpenAI und Anthropic Programme für eigene Hardware vorantreiben.
Diese Projekte setzen Nvidia unter Druck, weil seine größten Kunden mehr Kontrolle über Kosten und Versorgung wünschen. Sie beseitigen die Nachfrage nach Nvidia-Systemen jedoch nicht automatisch.
Eigene Beschleuniger funktionieren am besten, wenn ein Unternehmen Hardware, Software und Arbeitslasten gemeinsam optimieren kann. Nvidias Vorteil liegt in einer breiteren Kompatibilität über Kunden, Modelle, Clouds und Entwicklungswerkzeuge hinweg.
Huang zufolge betreibt Nvidia Modelle großer geschlossener Forschungslabore und von Entwicklern offener Modelle. Diese Reichweite ermöglicht es einem Kunden, ähnliche Software in mehreren Umgebungen einzusetzen, ohne alles für einen spezialisierten Chip neu aufbauen zu müssen.
CUDA, Nvidias Programmierplattform für GPU-Computing, bleibt für diese Position zentral. Entwickler haben über Jahre hinweg Bibliotheken, Tools und Anwendungen darum herum aufgebaut.
Die Nvidia-Prognose für 70 % Wachstum geht davon aus, dass diese vollständige Plattform für einen erheblichen Anteil neuer Kapazität weiterhin vorzuziehen bleibt. Sie setzt nicht voraus, dass eigene Beschleuniger scheitern.
Stattdessen geht die Prognose davon aus, dass die Gesamtnachfrage schnell genug wächst, damit beide Ansätze bestehen können. Nvidia kann einige Arbeitslasten an intern entwickelte Chips verlieren und zugleich seinen Umsatz in einem größeren Computing-Markt steigern.
Die Unsicherheit liegt im Timing. Kunden können die kurzfristige Einführung von Agenten überschätzen, während nützliche Anwendungen länger brauchen können, um Umsätze zu erzeugen, als der Aufbau der Infrastruktur dauert.
Wenn Unternehmen Schwierigkeiten haben, Agentenexperimente in verlässliche Arbeitsabläufe zu überführen, könnten Cloud-Betreiber mit einer geringeren Auslastung konfrontiert werden. Das würde die wirtschaftliche Grundlage für eine weitere Runde von Ausrüstungsbestellungen schwächen.
Für Wissensarbeiter ist die Nutzungstiefe wichtiger als Modellankündigungen. Systeme, die in Softwareentwicklung, Forschung, Vertrieb und Betrieb integriert werden, werden wiederholt Rechenleistung verbrauchen.
Eine durchsuchbare AI-Wissensdatenbank kann beispielsweise Retrieval mit wiederholten Modellaufrufen kombinieren. Im großen Maßstab sind solche alltäglichen Arbeitsabläufe wichtiger als eine einzelne Demonstration.
Nvidias Full-Stack-Reichweite erklärt Huangs Zuversicht
Nvidia glaubt, weiter vorausplanen zu können, weil das Unternehmen inzwischen sowohl die Halbleiterversorgung als auch die physische Infrastruktur verfolgt, die auf seine Systeme wartet.
Chipunternehmen schätzen die Nachfrage traditionell anhand von Kundenbestellungen, Fertigungsplänen, Lagerbeständen und Vertriebsaktivitäten. Nvidia verfolgt inzwischen eine zusätzliche Informationsebene.
Huang sagte, das Unternehmen beobachte weltweit Rechenzentrumsgrundstücke, elektrische Leistung und Gebäudehüllen. Eine Gebäudehülle ist die physische Struktur, die vorbereitet wird, bevor Server und Netzwerkausrüstung eintreffen.
Dieses Wissen ist wichtig, weil der Aufbau von AI-Kapazität Jahre dauert. Ein Kunde kann kein fortschrittliches System installieren, ohne Anschlüsse an die Versorgungsinfrastruktur, Kühlanlagen, Auftragnehmer, Genehmigungen und Kapital gesichert zu haben.
Nvidia hat sich auf beiden Seiten des Einsatzplans positioniert. Auf der vorgelagerten Seite arbeitet das Unternehmen mit Foundries, Speicherlieferanten, Packaging-Anbietern und anderen Komponentenherstellern zusammen.
Nachgelagert koordiniert es sich mit Cloud-Betreibern, Rechenzentrumsentwicklern, Energieunternehmen, Unternehmen und Finanzinstituten. Diese Position verschafft Nvidia einen frühen Einblick in Projekte, bevor Hardware ausgeliefert wird.
Die Ausgabenverpflichtungen spiegeln den Umfang dieser Koordination wider. Nvidias Quartalsbericht zufolge stiegen die Verpflichtungen für Lieferung und Kapazität bis zum 26. Juli von 119 Milliarden auf 279 Milliarden US-Dollar.
Diese Verpflichtungen helfen, die Produktion für aktuelle und künftige Architekturen abzusichern. Sie können jedoch auch zu einer Belastung werden, wenn Kundeneinsätze langsamer voranschreiten oder Technologiewechsel anders verlaufen als erwartet.
Nvidias Verkaufswert pro Gigawatt ist gestiegen, da seine Systeme stärker integriert wurden. Huang sagte, Hopper habe etwa 18 Milliarden US-Dollar an Nvidia-Ausrüstung pro Gigawatt repräsentiert.
Er bezifferte Grace Blackwell auf etwa 25 Milliarden US-Dollar pro Gigawatt und Vera Rubin auf rund 40 Milliarden US-Dollar. Dabei handelt es sich um Nvidias Schätzungen zum Systemwert, nicht um universelle Baukosten.
Die Entwicklung zeigt, warum der Umsatz schneller wachsen kann als die Zahl der mit Strom versorgten Rechenzentren. Jede Generation kann wertvollere Computing- und Netzwerktechnik hinter demselben Stromanschluss bereitstellen.
Neue Plattformen führen Nvidia zudem in Kategorien, die früher von mehreren Anbietern bedient wurden. Das Unternehmen verkauft Beschleuniger, CPUs, Netzwerkkomponenten, Interconnects, Software und vollständige Systeme im Rack-Maßstab.
Diese Ausweitung verschafft Nvidia höhere Umsätze aus jedem einzelnen Einsatz. Zugleich hängt Nvidias Prognose davon ab, dass Kunden größere Teile seiner Architektur übernehmen.
Wettbewerber können verschiedene Ebenen dieses Stacks angreifen. AMD verkauft Beschleuniger, Broadcom unterstützt Unternehmen bei der Entwicklung kundenspezifischer Chips, und Cloud-Anbieter bieten eigenes Silizium an.
Cerebras und andere spezialisierte Entwickler schlagen alternative Wege vor, KI-Computing-Systeme aufzubauen. Einige zielen auf die Wirtschaftlichkeit der Inferenz ab, andere betonen Speicherkapazität oder einfachere Skalierung.
Nvidias Verteidigung ist Austauschbarkeit: Ein System kann viele Modelle und Kunden bedienen, statt auf einen eng definierten Workload beschränkt zu sein. Diese Flexibilität ist besonders für Cloud-Betreiber wichtig.
Eine Neocloud möchte verfügbare Kapazität an den Kunden vermieten, der die beste Rendite bietet. Hardware, die nur für ein Modell optimiert ist, kann sich bei veränderter Nachfrage nur schwer anderweitig einsetzen lassen.
Nvidia argumentiert, dass breite Softwarekompatibilität den Wiederverkaufs- und Mietwert seiner Ausrüstung schützt. Auch Finanzierungsinstitute achten auf diese Aussage, da sie das langfristige Risiko der Vermögenswerte bewerten müssen.
Computing-Hardware verliert jedoch schneller an Wert als konventionelle Infrastruktur. Eine sechsjährige Cloud-Verpflichtung kann mehrere Nvidia-Produktgenerationen umfassen.
Kunden könnten ältere Systeme weiterhin für weniger anspruchsvolle Inferenz bevorzugen. Diese Sekundärnachfrage muss jedoch stark genug bleiben, um den erwarteten Restwert zu stützen.
Die Nvidia-Prognose von 70 % Wachstum beruht daher auf zwei Arten von Transparenz. Die erste ergibt sich aus gebuchten Lieferungen und physischen Projekten. Die zweite basiert auf Nvidias Überzeugung, dass seine Plattform auch nach dem Erscheinen neuerer Systeme wirtschaftlich nutzbar bleibt.
Die erste lässt sich anhand von Verpflichtungen und Baufortschritt messen. Die zweite wird sich erst durch Auslastung, Mietpreise und Kundenverlängerungen zeigen.
Die Frage der zirkulären Finanzierung verschwindet nicht
Nvidias Vereinbarungen können echte Nachfrage erschließen und zugleich mehr Kunden- und Infrastruktur-Risiko auf die eigene Bilanz verlagern.
Die Kritik an zirkulärer Finanzierung ist einfach. Nvidia investiert in KI-Unternehmen oder unterstützt deren Infrastruktur, und diese Unternehmen verwenden Kapital, um Zugang zu Nvidia-Systemen zu erwerben.
Kritiker befürchten, dass dadurch die Nachfrage unabhängiger erscheinen kann, als sie tatsächlich ist. Können Kunden ihre Expansion nicht ohne Unterstützung des Anbieters finanzieren, könnten heutige Verkäufe künftige Nachfrage vorziehen.
Nvidia weist diese Interpretation zurück. Kress sagte Analysten, das Unternehmen betrachte seine Unterstützung als Infrastrukturentwicklung, die durch Kundennutzung und unabhängig bereitgestelltes Kapital abgesichert sei.
Bei Neocloud-Projekten kann Nvidia eine Take-or-Pay-Verpflichtung übernehmen, die einen Teil der Kapazität einer Anlage abdeckt. Take-or-Pay bedeutet, dass Nvidia sich verpflichtet, für eine Mindestmenge zu zahlen, auch wenn die tatsächliche Nutzung darunter liegt.
Diese Untergrenze kann einem Cloud-Betreiber helfen, eine Projektfinanzierung zu sichern. Nvidia erhält dann einen Anteil an den Umsätzen, die über dem garantierten Niveau erzielt werden.
Kress sagte, das Unternehmen werde über den Hardwareverkauf bezahlt und könne später Mieteinnahmen erhalten. Nvidia meldete zum 26. Juli Cloud-Service-Verpflichtungen in Höhe von 36 Milliarden US-Dollar.
Laut der Einreichung können Cloud-Anbieter die Bereitstellung von Kapazität für Nvidia einstellen und diese zu besseren Konditionen an Dritte verkaufen. Nvidias Verpflichtung sinkt, wenn externe Kunden oder Nvidia selbst die Kapazität nutzen.
Diese Struktur unterscheidet sich von der bloßen Kreditvergabe an einen Kunden für einen Hardwarekauf. Dennoch trägt Nvidia Kosten, wenn sich die externe Auslastung nicht entwickelt.
Das Risiko erstreckt sich auch auf physische Projekte. Nvidia gab Garantien von bis zu 3,5 Milliarden US-Dollar bekannt, die sich auf Grundstücks-, Energie- und Bauverpflichtungen ausgewählter KI-Cloud-Partner beziehen.
Das Unternehmen übernahm außerdem Garantien im Zusammenhang mit dem PORTS Technology Campus von SB Energy in Ohio. Nvidia begrenzte diese Unterstützung vorbehaltlich bestimmter Bedingungen auf insgesamt 105 Milliarden US-Dollar.
Der geplante Campus umfasst etwa 4,25 Gigawatt IT-Last. Die neun Rechenzentren sollen im Verlauf von Nvidias Geschäftsjahr 2029 schrittweise in Betrieb gehen.
OpenAI soll den Campus mit begrenzten Ausnahmen für 20 Jahre anmieten. Nvidias Risiko nimmt ab, sobald OpenAI Leasingzahlungen leistet, und kann nach festgelegten Ereignissen enden.
Diese Vereinbarung schafft eine klare Verbindung zwischen Nvidia, einem KI-Labor, einem Rechenzentrumsentwickler und künftiger Hardware-Nachfrage. Es ist angemessen, wenn Investoren die gesamte Kette prüfen.
Nvidia erklärt, die Garantien adressierten eine Finanzierungslücke. Frontier-Labore können schnell wachsende Nachfrage haben, ohne über die für mehrjährige Infrastrukturverträge erforderliche Kredithistorie zu verfügen.
Das Unternehmen meldete Investitionen von nahezu 50 Milliarden US-Dollar in Frontier-KI-Labore. Nvidia bezeichnet diesen Betrag als kleinen Anteil des erwarteten Free Cash Flow im gleichen Zeitraum.
Im August kündigte Nvidia zudem Partnerschaften mit Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs und KKR an. Die Finanzierungsankündigung zielte im Zeitverlauf auf mehr als 500 Milliarden US-Dollar an Drittmittelkapital.
Dabei handelte es sich um Absichtserklärungen, nicht um abgeschlossene Bereitstellungen des Gesamtbetrags. Nvidias Einreichung warnte, dass vorläufige Vereinbarungen möglicherweise nicht zu endgültigen Verträgen führen.
Die vorgeschlagenen Plattformen würden externe Institutionen einzelne Projekte finanzieren lassen. Nvidia kann nach eigenem Ermessen weiterhin begrenzte Unterstützung beim Restwert leisten.
Huangs einfachste Verteidigung kam bei seinem Konferenzauftritt im September. Er argumentierte, Nvidia leiste einen kleinen Beitrag, während erheblich mehr externes Kapital in den Infrastrukturmarkt zurückkehre.
Die Antwort fasst Nvidias These zusammen, beantwortet aber nicht die bilanzielle oder wirtschaftliche Frage. Eine finanzielle Schleife muss nicht von jedem Teilnehmer gleich hohe Beiträge erhalten, um Risiken zu konzentrieren.
Die wichtigere Frage ist, ob Endnutzer genügend Cashflow erzeugen, um Cloud-Mietgebühren zu tragen. Diese Umsätze müssen letztlich Strom, Anlagen, Finanzierung, Hardware und die Margen der Betreiber decken.
Eine positive Auslastung kann Nvidias Eingreifen wie sinnvolle Marktbildung erscheinen lassen. Eine schwache Auslastung kann Garantien auslösen, Mietpreise senken und Kunden mit rasch alternder Ausrüstung zurücklassen.
Investoren haben bereits umfassendere Offenlegungen gefordert. Vor Nvidias August-Zahlen baten Analysten von Morgan Stanley um weitreichende Transparenz zu Investitionen und Finanzierungsvereinbarungen.
Melissa Otto, Research-Leiterin bei Visible Alpha, bezeichnete die Prognose von 70 % als deutlichen Anstieg gegenüber den Markterwartungen von rund 45 %. Ihre Einschätzung, die zusammen mit einer breiteren Prüfung durch Investoren berichtet wurde, verdeutlicht, warum die Debatte wichtig ist.
Eine Prognose, die so weit über den Erwartungen liegt, hängt von mehr als überlegener Chip-Performance ab. Sie setzt voraus, dass ein Finanzierungs- und Bausystem skaliert, ohne übermäßige ungenutzte Kapazitäten zu schaffen.
Nvidias eigene Einreichungen erkennen an, dass Knappheits- und Überangebotsrisiken gleichzeitig bestehen. Unzureichende Energie, Grundstücke, Kapitalmittel oder Komponenten können Umsätze verzögern.
Kunden können neue Architekturen zudem verschieben oder langsamer als erwartet übernehmen. Veränderte Marktbedingungen können Nvidias Verpflichtungen weniger wertvoll machen und die Finanzergebnisse beeinträchtigen.
Die ausgewogene Schlussfolgerung lautet nicht, dass jedes von Nvidia unterstützte Projekt künstliche Nachfrage erzeugt. Ebenso wenig bedeutet unabhängiges Underwriting, dass Nvidias Risiko entfällt.
Das Unternehmen nutzt seine Marktposition, um reale Infrastrukturengpässe zu lösen. Dabei verknüpft es seine Bilanz enger mit Kundenauslastung und Kreditqualität.
Dieser Zielkonflikt ist der zentrale Prüfstein hinter Huangs Zuversicht.
Drei Signale werden Jensen Huangs Prognose prüfen
Investoren sollten auf Lieferkonversion, externe Auslastung und Kundenkonzentration achten, statt die Zahl von 70 % als selbsterklärend zu behandeln.
Das erste Signal ist Nvidias Umwandlung seiner Liefer- und Kapazitätsverpflichtungen von 279 Milliarden US-Dollar in ausgelieferte, bezahlte Systeme. Diese Verpflichtungen zeigen Vorbereitung, doch Umsatz erfordert fertige Produkte und betriebsbereite Rechenzentren.
Speicher stellt eine unmittelbare Einschränkung dar. Nvidia erklärte, die starke KI-Nachfrage habe das Angebot verknappt und Kosten unter Druck gesetzt.
Das Unternehmen meldete für das Quartal eine Bruttomarge von 75 %. Das Management erwartete, dass diese Kennzahl zunächst auf bis zu 71 % sinken werde, bevor sie sich erhole.
Verbessert sich die Speicherverfügbarkeit und gehen neue Architekturen planmäßig in die Volumenproduktion, kann Nvidia mehr der von ihm beobachteten Nachfrage beliefern. Verzögerungen würden die angebotsbasierte Erklärung für die Prognose schwächen.
Investoren sollten daher die quartalsweisen Umsatzprognosen mit Beständen, Kaufverpflichtungen, Margen und Kommentaren zum Plattformwechsel vergleichen. Steigende Verpflichtungen ohne proportionale Auslieferungen verdienen genauere Aufmerksamkeit.
Das zweite Signal ist die Auslastung durch Dritte bei Neoclouds und unterstützten Rechenzentren. Dies ist der deutlichste Test der Sorge um zirkuläre Finanzierung.
Nvidia erklärt, seine Cloud-Verpflichtungen sänken, wenn externe Kunden Kapazität nutzen. Eine starke Nutzung durch Dritte würde Risiken von Nvidia wegverlagern und die unabhängige Wirtschaftlichkeit der Projekte bestätigen.
Die Auslastung muss zudem nachhaltige Mietpreise hervorbringen. Ein Rechenzentrum kann ausgelastet wirken und dennoch unzureichende Renditen erzielen, weil Anbieter GPU-Zugang rabattieren, um Kunden anzuziehen.
Cloud-Betreiber sollten zeigen, dass der Umsatz gemeinsam mit der installierten Kapazität wächst. Sie müssen außerdem belegen, dass die Kundennachfrage über einige wenige Frontier-Labore und Hyperscaler hinausreicht.
Nvidias gemeldetes Wachstum bei Unternehmen, souveränen Projekten und regionalen Clouds stützt diese These. Künftige Offenlegungen müssen zeigen, dass diese Kunden zu dauerhaften Nutzern werden und nicht nur angekündigte Pipelines bleiben.
Sinkt Nvidias Take-or-Pay-Risiko, während die Umsätze der Partner wachsen, wird das Argument des Unternehmens für Marktbildung stärker. Steigende Garantien bei schwacher externer Nutzung würden den Kritikern mehr Recht geben.
Das dritte Signal ist das Gleichgewicht zwischen Nvidia-Systemen und kundenspezifisch entwickelten Chips. Amazon, Google, Microsoft, OpenAI und Anthropic haben starke Gründe zur Diversifizierung.
Kundenspezifisches Silizium kann Kosten für stabile Workloads senken und die Abhängigkeit von einem einzigen Anbieter verringern. Es kann Modellentwicklern zudem eine stärkere Kontrolle über Speicher, Netzwerk und Softwaredesign geben.
Nvidia muss diese Bereitstellungen nicht verhindern. Seine Plattform muss genügend Workloads behalten, während der Gesamtmarkt wächst.
Beobachten Sie, ob Cloud-Anbieter weiterhin vollständige Nvidia-Systeme bestellen und zugleich eigene Beschleuniger einsetzen. Eine gemischte Strategie würde Huangs Aussage stützen, Nvidia bediene einen breiten, wachsenden Markt.
Eine deutliche Verschiebung hin zu proprietärer Hardware bei Training und Inferenz würde diese Schlussfolgerung schwächen. Sie könnte außerdem Nvidias Preissetzungsmacht und den pro Gigawatt erzielten Wert verringern.
Die Prognose für das Geschäftsjahr 2028 wird schrittweise geprüft, nicht an einem einzelnen Berichtstag. Bauzeitpläne, Beschaffung, Cloud-Nutzung und Wettbewerbsbereitstellungen von Chips werden zeigen, ob ihre Annahmen weiterhin zutreffen.
Entwickler und Unternehmenskäufer sollten ebenfalls Verfügbarkeit und Preise verfolgen. Ein größeres Angebot kann den Zugang zu fortgeschrittener Inferenz erleichtern, selbst wenn Unternehmen nie Nvidia-Hardware direkt kaufen.
Wissensarbeiter werden diese Prognose über Software erleben. Wenn Agenten zuverlässig genug werden, längere Arbeitsabläufe zu steuern, kann der Rechenbedarf steigen, ohne dass Nutzer die darunterliegende Infrastruktur wahrnehmen.
Nvidias Wachstumsprognose von 70 % ist letztlich eine Aussage über Verhalten, nicht nur über Fertigung. Sie setzt voraus, dass Unternehmen genügend KI einsetzen werden, um einen historischen Ausbau der Rechenkapazität zu rechtfertigen.
Huang hat erläutert, warum Nvidia dieses Ergebnis erwartet. Das Unternehmen ist mit Modellen, Clouds, Unternehmen, Zulieferern, Energieprojekten und Kapitalgebern verbunden.
Diese Reichweite verschafft Nvidia Informationen, über die nur wenige Wettbewerber verfügen. Sie bedeutet aber auch, dass Nvidia an der Zukunft mitwirkt, die das Unternehmen nach eigener Aussage bereits erkennen kann.
Die nächste Frage lautet, ob Kunden genügend eigenständigen Wert schaffen, um dies nachhaltig zu tragen. In den kommenden Quartalen sollte man ausgelieferte Systeme, die Auslastung von Drittanbieter-Clouds und die Einführung kundenspezifischer Chips beobachten.
Diese Indikatoren werden zeigen, ob die 70 % eine nachhaltige Nachfrage darstellen oder eine Lieferkette, die ihren Nutzern vorausläuft.