Jensen Huang: Die H100 soll Geld verdienen wie Infrastruktur – nicht an Wert verlieren wie alte Hardware

Jensen Huang, Chef von Nvidia, liefert nicht nur ein Technik-, sondern vor allem ein Finanzargument: Eine GPU sollte nicht allein als Gerät betrachtet werden, das mit dem Alter zwangsläufig an Wert verliert. Wenn sie zwischen Kunden und Anwendungen umverteilt, stark ausgelastet und wiederholt vermietet werden kann, ähnelt sie wirtschaftlich produktiver Infrastruktur.

Als Beleg verweist Huang auf die anhaltende Nachfrage nach der H100, Nvidias GPU-Generation für KI-Training vor den neueren Produkten. Die Preisdaten sprechen tatsächlich dafür, dass ältere Kapazitäten weiterhin gefragt sind. Sie beantworten aber noch nicht die entscheidende Langfristfrage: Wie lange kann eine H100 attraktive Cashflows liefern, wenn leistungsfähigere Systeme breit verfügbar sind?

Die Kernthese: Rechenleistung lässt sich immer wieder vermieten

Huang bezeichnete Nvidia-Rechenleistung als „fungibel, langlebig und sehr gut vermietbar“ sowie als „produktiven, umsatzgenerierenden Vermögenswert“. 16 Hinter dieser Aussage stehen drei Punkte:

• Fungibilität: Kapazität kann von einem Kunden oder Arbeitsauftrag zum nächsten wechseln, statt an einen einzelnen Käufer oder Anwendungsfall gebunden zu sein.
• Langlebigkeit: Der wirtschaftliche Nutzen einer GPU kann über den Start einer neuen Chiparchitektur hinausreichen.
• Vermietbarkeit: Cloud-Anbieter und Betreiber von KI-Infrastruktur können aus der Hardware wiederkehrende Erlöse erzielen – über Cloud-Dienste oder vertraglich zugesicherte Rechenkapazität.

Das ist eine andere Perspektive als das klassische Modell, bei dem Server in festen Zyklen ersetzt werden. Ein Vermögenswert kann bilanziell abgeschrieben werden und trotzdem operativ weiter erhebliche Einnahmen erzeugen. Für Cloud-Betreiber und KI-Rechenzentren ist deshalb entscheidend, ob Mieterträge, Auslastung und Margen den Kapitaleinsatz über die wirtschaftliche Nutzungsdauer rechtfertigen.

Was die Mietpreise der H100 tatsächlich aussagen

Auslöser für Huangs Kommentar war ein Preisindex der Ornn Exchange: Demnach kostete die Miete einer etwa drei Jahre alten H100 zuletzt 3,28 US-Dollar je GPU-Stunde – 22 % mehr als einen Monat zuvor. 16 Das ist ein klarer Hinweis darauf, dass Hopper-Kapazität trotz neuerer Nvidia-Produkte noch einen Marktwert hat.

Auch länger laufende Verträge zeigten Anfang 2026 nach oben. SemiAnalysis zufolge stieg der Preis für einjährige H100-Mietverträge von 1,70 US-Dollar je GPU-Stunde im Oktober 2025 auf 2,35 US-Dollar im März 2026 – ein Plus von fast 40 %. 61

Diese Werte sind jedoch keine allgemeingültigen H100-Preise. Veröffentlichten On-Demand-Angeboten zufolge lagen die Preise 2026 grob zwischen 2 und 12 US-Dollar je GPU-Stunde. Unterbrechbare Kapazität kann günstiger sein, während Premium-Konfigurationen großer Cloud-Anbieter deutlich teurer ausfallen können. 49 Die große Spanne erklärt sich unter anderem durch Vertragslaufzeit, Standort, Verfügbarkeitszusagen, Netzwerkanbindung, Support sowie dadurch, ob nur eine GPU, ein dedizierter Server oder ein ganzer Cluster gemietet wird.

Warum diese Preise für die Infrastrukturthese wichtig sind

Ein GPU-Park lässt sich besser finanzieren, wenn seine künftigen Zahlungsströme einigermaßen verlässlich prognostizierbar sind. Hohe Mietpreise und eine starke Auslastung können es Betreibern erlauben, die Anschaffungskosten über mehr profitable Betriebsjahre zu verteilen. Genau darauf zielt die Einordnung als Infrastruktur statt als einmalige Hardwareanschaffung.

Mietpreise allein reichen allerdings nicht. Eine belastbare Infrastrukturthese müsste zeigen, dass Flotten dauerhaft Folgendes erreichen:

1. hohe Auslastung über verschiedene Konjunkturphasen und Kundengruppen hinweg;
2. Vertragsverlängerungen statt nur kurzfristiger Nachfrage aufgrund knapper Kapazitäten;
3. gesunde Margen nach Strom-, Netzwerk-, Betriebs- und Abschreibungskosten;
4. einen Restwert, wenn neuere GPU-Generationen in großem Umfang verfügbar sind.

Eine H100 kann technisch weiterhin leistungsfähig sein und wirtschaftlich dennoch an Bedeutung verlieren – etwa wenn ein neuerer Beschleuniger deutlich mehr Leistung pro investiertem Dollar oder pro erzeugtem Token bietet.

Nvidia baut die passende Finanzierungslogik auf

Nvidias Strategie geht über Aussagen zu Mietpreisen hinaus. Im August kündigte das Unternehmen Partnerschaften mit Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs und KKR an. Gemeinsam sollen Finanzierungsplattformen für Rechenkapazität entstehen, die mehr als 500 Milliarden US-Dollar an Drittmitteln für KI-Infrastruktur mobilisieren sollen. 33

Die Formulierung ist wichtig: Es geht darum, Kapital im Zeitverlauf zu mobilisieren – nicht darum, dass die 500 Milliarden US-Dollar bereits investiert oder garantiert wären. Die Initiative zeigt aber, dass Nvidia Rechenleistung, Rechenzentren und die dazugehörigen Systeme als Anlagen mit langfristigen, nutzungsabhängigen Einnahmeströmen positionieren will.

Zudem hat Nvidia die Übernahme von Hugging Face für 12,93 Milliarden US-Dollar vereinbart. Damit erweitert der Konzern seinen Einfluss in der Plattform für offene KI-Modelle und Entwickler. 31 Der Deal belegt nicht, dass jede einzelne GPU-Generation ihren Wert behält. Er könnte jedoch Nvidias Stellung in einem Ökosystem stärken, das Nachfrage nach KI-Rechenleistung schafft.

Der Knackpunkt: Nachfrage heute ist keine Renditegarantie für morgen

Der stärkste Einwand lautet nicht, dass H100-GPUs nutzlos geworden seien – die Mietdaten sprechen dagegen. Die Frage ist vielmehr, ob der heutige Mietmarkt die künftigen Erträge zuverlässig vorwegnimmt.

Mehrere Entwicklungen könnten die Infrastrukturthese abschwächen:

• Leistungsdruck durch neue Generationen: Neue Architekturen könnten Kosten pro Token oder Trainingsleistung deutlich senken und damit die Zahlungsbereitschaft für H100-Kapazität drücken.
• Entspannung auf der Angebotsseite: Mehr verfügbare GPUs und Rechenzentrumskapazität könnten Spot- wie Vertragspreise belasten.
• Alternative Beschleuniger: Eigene Chips großer Anbieter und konkurrierende KI-Beschleuniger könnten Nvidia in bestimmten Arbeitslasten Nachfrage kosten.
• Vorübergehende Engpässe: Ein Preisanstieg kann Knappheit widerspiegeln, ohne dass sich der langfristige Vermögenswert verbessert hat.
• Steigende Betriebskosten: Strom, Netzwerk und Rechenzentrumsbetrieb können die Rendite verringern, selbst wenn die GPU-Mietpreise hoch bleiben.

Der Anstieg um 22 % innerhalb eines Monats ist deshalb ein bemerkenswerter Nachfrageindikator – aber keine abschließende Antwort auf die Abschreibungsdebatte.

Fazit

Huangs Argument ist in einem wichtigen, aber begrenzten Sinn plausibel: Ältere KI-GPUs können weiterhin erhebliche Mieteinnahmen erzielen, und die jüngste Preisentwicklung der H100 zeigt, dass Kunden diese Kapazität noch nachfragen. 1661 Die Finanzierungspartnerschaften von Nvidia unterstreichen zugleich den Versuch, daraus ein investierbares Infrastrukturmodell zu machen. 33

Entscheidend wird sein, was passiert, wenn neue Systeme in die Breite gehen: Bleiben H100-Flotten ausgelastet, werden Verträge verlängert und bleibt nach allen Betriebskosten genug freier Cashflow? Technische Nutzbarkeit ist dafür notwendig. Dauerhaft attraktive wirtschaftliche Erträge wären der Beweis, den Investoren und Infrastrukturfinanzierer letztlich sehen wollen.