Neolab, dem es nicht gelingt, Modelle zu trainieren, beginnt nun, GPUs weiterzuverkaufen.
Neolab, ein aufstrebendes KI-Labor, ist eines der derzeit heißesten Risikokapitalprojekte – also jene KI-Startups, die von Star-Forschern gegründet werden, zuerst gewaltige Finanzierung einsammeln und diese dann in die Modellentwicklung stecken.
Mit diesem Glanz geboren, betreibt man offiziell natürlich Spitzentechnologie, aber nun ja …
Kürzlich zeichnete sich ein „absurdes“ Geschäftsmodell ab, das sogar Elon Musk anzog, um es sich anzusehen:
Die Neolabs, die mit ihrer gewaltigen Finanzierung im Voraus große Mengen an Rechenleistung gesichert haben, können – selbst wenn sie keine guten Modelle trainiert haben – durchden Verkauf von GPUs kräftig Geld verdienen.
Zu dieser Geschäftschance erklärt der Gründer des KI-Cloud-Computing-Einhorns Modal:
Im nächsten Jahr könnten wir eine ganze Reihe von Neolabs sehen, die sich zu Neoclouds (KI-Rechenleistungs-Cloud-Anbietern) wandeln.
Die Netzgemeinde hat den Neolabs ihren Weg bereits zurechtgelegt: Im besten Fall gelingt der technologische Durchbruch und sie werden das nächste OpenAI; zweitens können sie zum Unternehmen für vertikale Agenten wechseln und so in niedrigeren Dimensionen überleben; im schlechtesten Fall scheitert das Modelltraining, doch dann können sie GPUs weitervermieten und die Erträge als Absicherung an die Aktionäre ausschütten.
Das heißt, Zyklus und Risiko sind wirklich meisterhaft abgesichert.
Die Rechenleistungs-Schwarzhändler kommen
Beim Gründen mit großen Modellen ist Rechenleistung der größte Posten anversunkenen Kostenund macht oft die Hälfte oder sogar mehr als 70 % der Gesamtausgaben eines Neolabs aus.
Um zu verhindern, dass die Cluster mitten im Training plötzlich abgeschnitten werden, ist es für die meisten Laboratorien nach Abschluss der Seed- oder Series-A-Finanzierung die erste Angelegenheit, bei Cloud-Anbietern oder großen Rechenzentren garantierte Mietverträge über 1–3 Jahre abzuschließen.
Auf der anderen Seite ist der Kassamarkt für Rechenleistung aus verschiedenen Gründen derzeitdauerhaft angespannt.
Die Marktmiete für H200 stieg zeitweise um etwa 160 %, die neue Rechenleistungs-Crème B200 legte um 120 % zu, und selbst der Spottpreis für H100 hielt eine Prämie von rund 35 %.
Angesichts dieser gewaltigen Differenz zwischen Kauf- und Verkaufspreis beginnen etliche Labs, deren Forschung stockt und denen es nicht gelingt, Modelle hervorzubringen, als Rechenleistungs-Schwarzhändler zu agieren.
Neben demAnbieten fortschrittlicher Modelle und dem Verkauf von Tokenshaben sie drei Wege gefunden, Geld zu verdienen.
Der erste: Sie paketieren ihre langfristigen Rechenleistungsverträge direkt mit Aufschlag und geben sie an Broker weiter, um eine risikofreie Zwischenspanne zu kassieren;
der zweite: Sie bieten Spot-GPU-Instanzen feil, teilen ungenutzte Knoten auf und verkaufen kurzfristige Rechenleistung tag- oder wochenweise an kleine Teams, die dringend Rechenleistung benötigen;
der dritte: Sie bauen einen Wrapper um Open-Source-Modelle für Inferenzen, geben das Pre-Training kurzerhand auf, hängen die Chips direkt an gängige Open-Source-Großmodelle und bieten API-Dienste mit Abrechnung pro Token an.
Kurz: Irgendwie lässt sich immer Geld verdienen, ein Kinderspiel.
Angesichts dieser Verlockung, Rechenleistung in Geld umzuwandeln, bekannte auch ein außerordentlicher Professor der Carnegie Mellon University auf X offen:
KI-Genies gründen Unternehmen, die Silicon-Valley-Risikokapitalgeber beginnen zu rechnen
Als das finanzkräftigste Wesen der Risikokapitalbranche der vergangenen zwei Jahre gehen die Neolabs mit einer völlig einheitlichen Strategie vor.
Sie werden meist von Star-Chefwissenschaftlern top Signalgeber wie OpenAI, DeepMind oder Meta gegründet, betreiben niemals aufwendige Anwendungsentwicklung und behaupten bei ihrem Start direkt, AGI entwickeln zu wollen – und lassen sich dank ihrer extrem hohen Talentedichte oft schon im PPT-Stadium Finanzierungen in Milliardenhöhe erschließen.
Laut einem aktuellen Bericht der europäischen renommierten Risikokapital-Datenplattform Dealroom haben die weltweit 29 typischsten AI-Neolabs inzwischen insgesamt 23 Milliarden US-Dollar (umgerechnet 166,0 Milliarden Yuan) eingesammelt, doch wirklich kommerzielle Produkte, die auch verkauft werden, habenweniger als 35 % davon vorgelegt.
Das bedeutet:Mindestens 19 der Laborestecken entweder noch in einer Phase abgeschlossener Forschung oder haben lediglich technische Whitepaper oder Demos veröffentlicht.
Ein besonders typisches Beispiel ist Safe Superintelligence (SSI), das vom ehemaligen OpenAI-Chefwissenschaftler Ilya Sutskever mitgegründet wurde.
Dank des unvergleichlichen technischen Rufs des Gründungsteams wurde die Bewertung von SSI in weniger als einem Jahr nach der Gründung und mit einem Team von kaum mehreren Dutzend Personen auf 32 Milliarden US-Dollar getrieben. Ein solches Tempo war vor 23 kaum vorstellbar.
Allerdings erklärte SSI von Beginn an öffentlich, dass das Team bis zur Verwirklichung einer „Safe Superintelligence (SSI)“ absolut keine konsum- oder unternehmensorientierten kommerziellen Produkte entwickeln werde.
Nostalgie mag edel sein.
Aber ein Silicon-Valley-VC hat einmal folgende Rechnung angestellt: Heute kostet ein gewöhnlicher, vollständiger Trainingszyklus eines Basismodellsallein an Rechenleistung mindestens 10 Millionen US-Dollar.
Will man dieses Geld allein durch den späteren Verkauf von API-Zugängen und Tokens nach und nach wieder hereinholen, muss das Unternehmen – nach Abzug von Strom-, Breitband- und Abschreibungskosten – kumuliert ein effektives Aufrufvolumen im Bereich von 10 Billionen Tokens erfolgreich am Markt verkaufen.
Und da die großen führenden Konzerne derzeit Open-Source-Modelle quasi subventioniert oder sogar kostenlos an den Markt werfen, ist es für ein Labor ohne begleitende Unternehmens-Workflows und exklusive Daten wenig realistisch, sich allein durch den API-Verkauf zu refinanzieren.
Laut einem Bericht von Business Insider ist der Silicon-Valley-Veteran Matt Murphy, der an der frühen Google-Investition beteiligt war und die Menlo-Investition in Anthropic leitete, der Ansicht,Neolab gehören derzeit zu den am stärksten überbewerteten Investmentfeldern.
Der frühe Erfolg von Google sei, so seine Ansicht, wie „das Werfen eines Streichholzes ins Lagerfeuer“ gewesen, während manche Neolabs heute versuchen, „ein Streichholz mit einem Haufen Lagerfeuer zu entzünden“.
Aus seiner Sicht treibt die einmalige Injektion von Zig Milliarden US-Dollar in frühe Frontier-Laborsdie Schwelle zu ihrem kommerziellen Erfolg künstlich noch nach oben.
One More Thing
Auch Elon Musk ließ es sich nicht nehmen, das Geschäft der Neolabs mit dem Weiterverkauf von Rechenleistung zu kommentieren.
Sinngemäß: So viele Karten zu kaufen bringt nichts, denn der Engpass bei der Rechenleistung liegt derzeit nicht bei den Karten,sondern beim Strom.
Laut einer aktuellen Goldman-Sachs-Studie wird der Strombedarf globaler Rechenzentren von 2025 bis 2030 voraussichtlich um 170% steigen, doch Netzausbau, Genehmigungen und Infrastrukturerweiterungen kommen bei weitem nicht hinterher.
Bis Oktober dieses Jahres wurden weltweit bereits 86 Rechenzentrumsprojekte abgesagt oder stark verzögert – von einst 10 geplanten ist dann kaum mehr übrig.
Zudem prognostizierte Musk gestern, dass die Neocloud-Branche eine massive Konsolidierungs- und Pleitewelle erleben wird.
Der Transformationsweg der Neolabs dürfte also beschwerlich werden …