Bernstein-Analyst: „Der erste echte Chip-Superzyklus meiner Karriere“

Rasgon wies darauf hin, dass die vier größten US-Cloud-Anbieter – Amazon, Microsoft, Google und Meta – im Jahr 2026 rund 725 Milliarden Dollar für Investitionsausgaben planen, wovon der Großteil in KI-Infrastruktur fließt . Die Speicherpreise haben einen senkrechten Anstieg hingelegt: DRAM-Preise stiegen zum Jahresbeginn 2026 um etwa 90 % im Quartalsvergleich .

Der Whack-a-Mole-Effekt: Engpässe überall

Eine der bemerkenswertesten Beobachtungen Rasgons ist der sogenannte „Whack-a-Mole“-Effekt – Engpässe, die sich durch die gesamte Chip-Lieferkette ausbreiten. „Alles wird von dieser unersättlichen Nachfrage nach KI-Rechenleistung angetrieben. Ich habe in meiner Karriere noch nie etwas in diesem Ausmaß gesehen“, sagte Rasgon .

Er zeichnete die Ausbreitung nach: Engpässe begannen bei GPU-Beschleunigern, gingen dann auf HBM-Speicher über, dann auf Halbleiterproduktionsanlagen, dann auf Netzwerk und Optik, dann auf Leistungschips, und inzwischen sind sogar CPUs knapp .

Ein konkretes Beispiel für die Reichweite der Nachfrage: Selbst Intel, das „zuvor wertlose Lagerbestände“ hatte, hat alles ausverkauft . Kunden sagten Berichten zufolge zu Intel: „Uns ist egal, verkauft es uns einfach“ .

HBM: Der verborgene Siliziumfresser

Ein kritischer Engpass ist der High-Bandwidth Memory (HBM), der mehr als 85 % der Siliziumfläche eines KI-Chips ausmacht . Aufgrund von Stapelausbeuten und Logikdie-Overhead erfordert die Herstellung von 1 GB HBM etwa die vierfache Siliziumfläche von Standard-DRAM . Diese Rechnung erklärt, warum das Speicherangebot nicht mit der GPU-Nachfrage Schritt halten kann und warum die Speicherpreise zu einem dominierenden Faktor bei den Chipkosten geworden sind.

Nvidias CPU-Umsatz: Ein Rack erzählt die Geschichte

Rasgon hob einen überraschenden Datenpunkt hervor: In einem Rack mit 72 GPUs generieren die 36 darin enthaltenen CPUs einen CPU-Umsatz von rund 20 Milliarden Dollar für Nvidia. Dies verdeutlicht, wie der KI-Ausbau eine massive Chip-Nachfrage weit über die reinen GPU-Beschleuniger hinaus schafft.

Vom Training zur Inferenz: Der Kommerzialisierungswandel

Rasgon betonte, dass sich der Marktfokus vom Modelltraining auf die KI-Inferenz verlagert – der Kernweg zur Monetarisierung . Er führte den Umsatzsprung von Anthropic von 9 Milliarden auf 30 Milliarden Dollar als direkten Beleg für diesen Wandel an . Da KI-Modelle von Forschungsprojekten in die Produktion übergehen, wird die für Inferenz benötigte Rechenleistung die Trainingsworkloads voraussichtlich weit übertreffen.

ASICs vs. GPUs: Koexistenz, nicht Konkurrenz

Eine häufige Anlegerfrage ist, ob kundenspezifische ASICs (wie die von Broadcom) Nvidias GPUs irgendwann verdrängen werden. Rasgon glaubt, dass beide langfristig in einem wachsenden Markt koexistieren werden . Sein Rahmenkonzept: Programmierbare GPUs eignen sich besser für Forschung und explorative Inferenz, während ASICs bei vorhersagbaren, hochvolumigen Inferenzaufgaben glänzen. Der gesamte adressierbare Markt ist groß genug, um beide aufzunehmen.

Der ultimative Engpass: Energie

Rasgon schloss mit einer ernüchternden Anmerkung. Die letzte Einschränkung sind nicht Chips, nicht Speicher, nicht Netzwerk – es ist die Energie. KI-Infrastruktur erfordert eine jährliche Steigerung der US-Stromnetzkapazität um etwa 5 %, um das Wachstumstempo zu halten . Dies ist eine atemberaubende Anforderung an ein Netz, das seit Jahrzehnten nur minimale Kapazitätssteigerungen erfahren hat.

Er argumentierte, dass die nächste Welle der KI-Innovation und der Engpässe unweigerlich auf die Energieerzeugung, Kühlung und Kernkraft fallen wird . Ohne erhebliche Investitionen in das Stromnetz könnte der Superzyklus selbst an eine Leistungsobergrenze stoßen.

Was das für Anleger bedeutet

Rasgons Botschaft ist klar: Solange die KI-Nachfrage nicht zusammenbricht, ist der Halbleiter-Superzyklus real und nachhaltig. Aber die Art der Chancen verschiebt sich. Das einfache Geld mit GPU-Aktien könnte einer komplexeren Landschaft weichen, in der der „Engpass“ selbst – sei es in HBM, Leistungschips oder Energieinfrastruktur – zum Vermögensgenerator wird .