Transcription
Nun, um einen Roboter zu trainieren, braucht man eine Menge, eine Menge Daten. Und die erste Version von, äh, Konsumrobotern, mit denen wir alle in Kontakt treten werden, ist ein selbstfahrendes Auto. Und wir arbeiten schon seit einiger Zeit an selbstfahrenden Autos. Und, und, äh, das Geschäft hat in diesem Jahr eine geschätzte Run Rate von etwa 5 Milliarden Dollar. Und, und das relativiert das Ganze etwas. Und der Grund dafür ist, dass man zum Bau eines selbstfahrenden Autos einen Berg an Daten trainieren muss, Videodaten. Und, äh, äh, Sie wissen, Nvidias Data-Center-Geschäft ist sehr wichtig für uns, und, und deshalb, äh, um Robotik zu bauen, braucht man drei Computer. Man braucht den Trainingscomputer, das ist DGX. Man braucht den Simulationscomputer für Omniverse. Und Nvidia ist auch im Simulationsgeschäft. Sie wissen, Computergrafik ist nicht nur zum Spielen von Videospielen da. Man kann sie auch zum Simulieren von virtuellen Welten für selbstfahrende Autos verwenden. Und so ist der Simulationscomputer ein sehr großes Geschäft für uns. Und der dritte ist natürlich der Robotik-Computer. Alle drei Computer sind große Geschäfte für uns. Und, und wenn Sie sich nur vorstellen, wo das Geschäft mit selbstfahrenden Autos gerade steht, wenn es für uns schon ein 5-Milliarden-Dollar-Geschäft ist, stellen Sie sich vor, wie groß es werden wird, wenn wir 100 Millionen neue Autos pro Jahr haben, eine Billion Meilen pro Jahr gefahren werden. Dies wird wahrscheinlich eine der größten Robotikindustrien der Welt und eine der größten Computerindustrien der Welt sein. Und dann ist da dieser Thor-Chip hier. Das sind Autos. Das ist der neue Thor. Ja, das ist der neue Thor-Robotikprozessor. Er ist 20-mal leistungsfähiger als der letzte. Er verwendet Transformer. Äh, wir bemühen uns, Blackwells in jedes Rechenzentrum der Welt zu bringen. Äh, alle, alle Cloud-Service-Provider, die jetzt Grace-Blackwell-Systeme aufgestellt haben, sind flüssigkeitsgekühlt und NVLink 72, und äh, wir haben etwa 45 Fabriken weltweit, die die notwendigen Systeme bauen, um sie zu liefern. Und so, äh, es wird ziemlich aufregend werden. Wann also wird Blackwell Hopper beim Umsatzanteil übertreffen, richtig? Denn alle sind immer noch auf, oder die Einnahmen von Hopper kommen immer noch herein, aber dann wird Blackwell, wie Sie sich vorstellen können, die Überhand gewinnen. Wann also findet dieser Wechsel statt? Äh, ich würde, ich würde vermuten, wahrscheinlich Anfang, Anfang dieses Jahres. Äh, ich würde es mir wünschen, so schnell wie möglich, aber Sie wissen, natürlich ist Blackwell immer noch in der Allokation und äh, wir versuchen, die Produktion hochzufahren, und äh, aber, aber es wird bald sein. Ich schätze, Gaming, das ist übrigens für mich. Gaming war offensichtlich ein großer Teil von gestern Abend. Wie wichtig ist Gaming für Nvidia immer noch, wo KI jetzt der große Geldverdiener ist? Gaming ist super wichtig. Äh, aber Sie wissen, Gaming, Gaming als Branche, äh, wird durch KI wiederbelebt werden. Sowohl der Teil der Inhaltserstellung, es sind die Kosten, die Kosten für die Erstellung von Inhalten werden aufgrund von KI sinken, und die Spiele werden aufgrund von KI interessanter sein, und die Spiele werden aufgrund von KI schöner sein. Sie wissen, die Technologie, die wir gestern Abend angekündigt haben, DLSS4, ist einfach unglaublich, und wir haben KI und Computergrafik, programmierbare Shader, äh, und KI zu diesem Ding namens Neuro-Shader verschmolzen. Nvidias neue Chips machen Wellen. Dies ist ein bahnbrechender Moment für die KI. Mit der Einführung ihres Thor-Chips in Partnerschaft mit XAI bereitet Jensen Huang die Bühne für eine Revolution vor. Was passiert also wirklich hinter den Kulissen? Und warum glaubt Huang, dass diese neue Technologie Konkurrenten wie DeepSeek zerstören wird? Lassen Sie uns das aufschlüsseln. Wir sind hier mit Jensen Huang. Er ist natürlich der CEO und Gründer von Nvidia. Jensen, vielen Dank, dass Sie bei uns sind. Gigantische Keynote gestern Abend zur Eröffnung der CES, alles von Robotern bis zu neuen Gaming-Rigs. Äh, Sie wissen, eines der wichtigsten Dinge, die Sie erwähnt haben, war, wie wir in das Zeitalter der physischen KI eintreten. Soweit das für Nvidia an der Umsatzfront geht, wann sehen wir diesen Aufschwung? Wir haben, Sie wissen, offensichtlich die selbstfahrenden Autos, die Robotik, wir haben einen Roboter da unten, der Süßigkeiten verteilt, oder wird. Ja. Wo beginnt das, in den Umsatzstrom einzufließen?
Nun, um einen Roboter zu trainieren, braucht man eine Menge, eine Menge Daten. Und die erste Version von, äh, Konsumrobotern, mit denen wir alle in Kontakt treten werden, ist ein selbstfahrendes Auto. Und wir arbeiten schon seit einiger Zeit an selbstfahrenden Autos. Und, und, äh, das Geschäft hat in diesem Jahr eine geschätzte Run Rate von etwa 5 Milliarden Dollar. Und, und das relativiert das Ganze etwas. Und der Grund dafür ist, dass man zum Bau eines selbstfahrenden Autos einen Berg an Daten trainieren muss, Videodaten. Und, äh, äh, Sie wissen, Nvidias Data-Center-Geschäft ist sehr wichtig für uns, und, und deshalb, äh, um Robotik zu bauen, braucht man drei Computer. Man braucht den Trainingscomputer, das ist DGX. Man braucht den Simulationscomputer für Omniverse. Und Nvidia ist auch im Simulationsgeschäft. Sie wissen, Computergrafik ist nicht nur zum Spielen von Videospielen da. Man kann sie auch zum Simulieren von virtuellen Welten für selbstfahrende Autos verwenden. Und so ist der Simulationscomputer ein sehr großes Geschäft für uns. Und der dritte ist natürlich der Robotik-Computer. Alle drei Computer sind große Geschäfte für uns. Und, und wenn Sie sich nur vorstellen, wo das Geschäft mit selbstfahrenden Autos gerade steht, wenn es für uns schon ein 5-Milliarden-Dollar-Geschäft ist, stellen Sie sich vor, wie groß es werden wird, wenn wir 100 Millionen neue Autos pro Jahr haben, eine Billion Meilen pro Jahr gefahren werden. Dies wird wahrscheinlich eine der größten Robotikindustrien der Welt und eine der größten Computerindustrien der Welt sein. Und dann ist da dieser Thor-Chip hier. Das sind Autos. Das ist der neue Thor. Ja, das ist der neue Thor-Robotikprozessor. Er ist 20-mal leistungsfähiger als der letzte. Er verwendet die Transformer-Engine, die Blackwell-Architektur. Und, äh, das wird in selbstfahrende Autos gehen. Es wird in Roboter gehen. Es wird in alle möglichen Dinge gehen. Nun, das andere, was Sie angekündigt haben, ist ein neuer Superchip, der GP10, und der läuft in Digits. Und das ist im Grunde ein Desktop-AI-Supercomputer. Ja. Wenn Sie sich so etwas ansehen und dann die Kunden betrachten, die Sie haben, die Microsofts, die Amazons, Sie wissen, sie betreiben ihre eigenen Versionen von Supercomputern in der Cloud. Wie konkurrieren diese beiden? Wie kommen sie zusammen? Sie haben jemanden, der das kaufen könnte, der möglicherweise kein Kunde von ihnen ist. Wie funktioniert das also? Sie wissen, die Art und Weise, wie man darüber nachdenken kann, ist, dass wir KI-Supercomputer in der Cloud haben und ähm, aber die Leute würden gerne einen KI-Supercomputer persönlich haben. Es ist ein bisschen wie ein Personal Computer, der Cloud Computing ergänzt. Und so haben wir, im Fall der Computerindustrie, haben wir mit dem PC angefangen, sind in die Cloud gegangen. Im Fall von KI haben wir in der Cloud angefangen, wir kommen in PCs, in Personal Computer. Und so, äh, wenn Sie ein Entwickler wären und Ihren eigenen persönlichen Cloud haben möchten, könnten Sie einen von diesen, Sie wissen schon, Digits bekommen und, äh, ihn ganz für sich allein haben. Und die gesamte Nvidia-Software läuft darauf, was wirklich ein Wunder ist. Sie läuft auf etwas so Kleinem. Und so alles, was Sie in KI tun wollen, können Sie damit tun. Oder Sie können es in der Cloud tun. Es liegt an Ihnen. Und ich, äh, Sie wissen, wir wollen, dass die Leute in der Lage sind, auf Nvidia-KI zuzugreifen, wie auch immer Sie es tun möchten.
Was für eine kühne Vision. Wir betreten das Zeitalter der physischen KI. Was er damit meint, ist, dass künstliche Intelligenz nicht mehr auf die digitale Welt beschränkt ist. Sie tritt in unsere physische Realität ein. Dies ist eine tiefgreifende Veränderung, und sie spricht Bände über die strategische Ausrichtung von Nvidia. Während die meisten Menschen immer noch die Auswirkungen von KI in virtuellen Umgebungen begreifen, macht Nvidia sie bereits zu einem Kernbestandteil von selbstfahrenden Autos, Robotern und sogar den Computern, die wir täglich benutzen. Und hier wird es interessant. Huangs Fokus liegt darauf, wie Nvidia bei dieser Transformation nicht nur eine unterstützende Rolle spielt. Sie sind diejenigen, die das Spielfeld definieren. Ihr Geschäft mit selbstfahrenden Autos, das bereits auf einer geschätzten Run Rate von 5 Milliarden Dollar liegt, ist erst der Anfang. Aber diese Zahl ist nicht so wichtig wie das, was sie repräsentiert. Die unglaubliche Skalierbarkeit von KI und Industrien, die jeden von uns betreffen. Wir sprechen von 100 Millionen neuen Autos auf der Straße jedes Jahr, einer Billion Meilen, die jährlich gefahren werden, und endlosen Daten, die generiert werden. Was hier wirklich im Spiel ist, ist Nvidias Fähigkeit, die Infrastruktur zu schaffen, die notwendig ist, um die KI-Revolution zu unterstützen. Es geht darum, ein ganzes Ökosystem für die KI-Entwicklung bereitzustellen. Das DGX-System für das Training, das Omniverse für die Simulation und ihr Robotik-Computer sind allesamt wesentliche Bestandteile von Nvidias umfassenderer Strategie, den KI-Bereich zu dominieren. Ein weiterer ist Nvidias Thor-Chip, und es ist schwer, dies nicht als einen wichtigen Wendepunkt zu sehen. Mit der 20-fachen Leistung seines Vorgängers ist Thor ein Quantensprung nach vorn. Thor mit seiner Transformer-Engine und Blackwell-Architektur ist darauf ausgelegt, alles von selbstfahrenden Autos bis hin zu Robotern anzutreiben, was Nvidias Strategie signalisiert, KI in einer Vielzahl von Branchen besser integriert, schneller und zugänglicher zu machen. Lassen Sie uns hier innehalten und über die Bedeutung nachdenken. Der Schritt, Chips zu entwickeln, die KI nicht nur schneller verarbeiten, sondern diese Systeme auch effizienter machen, schafft die Infrastruktur, die KI braucht, um in der realen Welt zu gedeihen. Die Zukunft der Robotik und selbstfahrender Autos hängt von diesen Durchbrüchen ab, und Nvidias Fähigkeit, diese Technologie über mehrere Sektoren hinweg zu skalieren und gleichzeitig die Flexibilität für verschiedene Umgebungen zu gewährleisten, ist ein Meisterstück. Wenn Sie Bewegungen verfolgen, wie sich Regierungsrichtlinien auf Märkte auswirken, benötigen Sie Seeking Alpha. Es ist meine Anlaufstelle für Experten-Aktienanalysen, die Ihnen helfen, einen Schritt voraus zu sein. Schauen Sie sich den Link in der Beschreibung für ein Sonderangebot an. Unsere Kanalmission und all dies basiert auf Blackwell, und ich weiß, dass Sie während der Präsentation gestern Abend gesagt haben, dass Blackwell in der vollen Produktion ist. Welche Art von Akzeptanz sehen Sie also bisher von den Kunden in Bezug auf Blackwell? Die Nachfrage ist unglaublich, und ähm, wir bemühen uns, Blackwells in jedes Rechenzentrum der Welt zu bringen. Äh, alle, alle Cloud-Service-Provider, die jetzt Grace-Blackwell-Systeme aufgestellt haben, sind flüssigkeitsgekühlt und NVLink 72, und äh, wir haben etwa 45 Fabriken weltweit, die die notwendigen Systeme bauen, um sie zu liefern. Und so, äh, es wird ziemlich aufregend werden. Wann also wird Blackwell Hopper beim Umsatzanteil übertreffen, richtig? Denn alle sind immer noch auf, oder die Einnahmen von Hopper kommen immer noch herein, aber dann wird Blackwell, wie Sie sich vorstellen können, die Überhand gewinnen. Wann also findet dieser Wechsel statt? Äh, ich würde, ich würde vermuten, wahrscheinlich Anfang, Anfang dieses Jahres. Äh, ich würde es mir wünschen, so schnell wie möglich, aber Sie wissen, natürlich ist Blackwell immer noch in der Allokation und äh, wir versuchen, die Produktion hochzufahren, und äh, aber, aber es wird bald sein. Ich schätze, Gaming, das ist übrigens für mich. Gaming war offensichtlich ein großer Teil von gestern Abend. Wie wichtig ist Gaming für Nvidia immer noch, wo KI jetzt der große Geldverdiener ist? Gaming ist super wichtig. Äh, aber Sie wissen, Gaming, Gaming als Branche, äh, wird durch KI wiederbelebt werden. Sowohl der Teil der Inhaltserstellung, es sind die Kosten, die Kosten für die Erstellung von Inhalten werden aufgrund von KI sinken, und die Spiele werden aufgrund von KI interessanter sein, und die Spiele werden aufgrund von KI schöner sein. Sie wissen, die Technologie, die wir gestern Abend angekündigt haben, DLSS4, ist einfach unglaublich. Und wir haben KI und Computergrafik, programmierbare Shader, äh, und KI zu diesem Ding namens Neuro-Shader verschmolzen. Und so haben wir sogar KI in die Computergrafik gebracht. Und, äh, und so, so denke ich, dass die, äh, die Videospielindustrie durch KI wiederbelebt werden wird, was wirklich großartig ist. Aber Computergrafik ist essentiell für fast alles, was wir als Unternehmen tun. Und wir verwenden sie für die Simulation, wir verwenden sie für das Design. Sie wird für lange Zeit ein sehr wichtiger Teil unseres Geschäfts sein. Ein Teil dieser Ankündigung mit dem RTX ist die Fähigkeit, KI auf einem RTX-System auszuführen, richtig? Ich habe also einen PC zu Hause. Ja. Ich habe ein RTX-System. Ich kann KI-Modelle ausführen. Ja. Wie sieht das aus? Das ist Blackwell. Ich meine, ja. Ich meine, das ist buchstäblich Blackwell. Die Blackwell-Architektur, die wir in der Cloud haben und die wir für das Supercomputing verwenden, ist genau hier. Und, ähm, und so, was Sie tun können, natürlich, äh, Sie können Ihre eigenen KIs erstellen, wenn Sie möchten. Wir haben eine Cloud namens ai.nvidia.com und wir stellen dort eine ganze Reihe von KI-Modellen zur Verfügung. Und diese KI-Modelle sind alle in das, was wir NIMS nennen, verpackt. Ihre Computer-, ihre Visionsmodelle, Sprachmodelle, Animationsmodelle, physikalische Modelle, Modelle der digitalen Biologie, was auch immer Sie als Softwareentwickler, Entwickler, kreativer Künstler tun möchten, Sie können diese Modelle herunterladen und Ihre eigene KI erstellen, und sie läuft einfach auf Ihrem PC. Ich denke, als letztes, Sie wissen, wir betrachten diese neuen, äh, kundenspezifischen Chips von Unternehmen wie Broadcom. Wie verbindet sich das mit Nvidia? Oder wo sieht Nvidia den Vorteil gegenüber etwas wie einem kundenspezifischen Chip für Broadcast-Making für Google oder einen anderen Kunden von Nvidia? Nun, der grundlegende Trend ist sehr klar. Wenn Sie einen Schritt zurücktreten, besagt er, dass jeder jetzt erkannt hat, dass beschleunigtes Rechnen der Weg nach vorne ist und dass die allgemeine Computertechnologie, die wir in der Vergangenheit hatten, eine Billion Dollar wert an Rechenzentren, die wir bereits gebaut haben, äh, diese Rechenzentren werden modernisiert werden. Der erste, der erste Punkt ist also, dass beschleunigtes Rechnen jetzt eindeutig der Weg nach vorne ist. Das Zweite ist, dass wir die Dinge sehr, sehr anders machen. Sie wissen, Nvidia, natürlich, äh, unsere Architektur ist offen. Sie ist, äh, ziemlich, ziemlich weit verbreitet, und, äh, infolgedessen können Sie NVIDIA in jede Cloud einbauen. Sie können NVIDIA in jedes Unternehmen einbauen. Sie können NVIDIA in selbstfahrende Autos, in die Robotik einbauen, weil sie so vielseitig ist. Und, ähm, ich denke also, dass die Tatsache, dass unsere Architektur buchstäblich überall ist, sie zur besten Architektur für Entwickler macht, sie zur besten Architektur macht, um Innovationen voranzutreiben, und es ist die beste Architektur, um neue Industrien wie Robotik und selbstfahrende Autos und andere zu bauen. Und so, äh, ja, ich bin, ich bin ziemlich begeistert von der Zukunft des beschleunigten Rechnens und der KI.
Huang gibt sich nicht geschlagen, wenn es um Nvidias breitere Strategie geht. Beschleunigtes Rechnen ist die Zukunft, und NVIDIA führt bereits die Entwicklung an. Faszinierend ist, wie sich Nvidia nicht nur als Hardware-Unternehmen, sondern als das Tor zur KI für alle positioniert. Ihre KI-Supercomputer in der Cloud werden jetzt durch Lösungen wie das Digits-Desktopsystem ergänzt, einen Supercomputer, der auf Ihren Schreibtisch passt. Dieser Wechsel von cloudbasierter KI zu persönlicher, lokalisierter KI ist ein Statement mit Absicht. Dieser Schritt ist monumental, weil er den Zugang zu KI auf einem Niveau demokratisiert, das wir noch nie zuvor gesehen haben. Es geht nicht mehr darum, sich auf eine massive Cloud-Infrastruktur zu verlassen, um komplexe KI-Modelle auszuführen. Jetzt kann jeder mit der richtigen Hardware auf die Leistung von NVIDIA zugreifen. Entwickler, Schöpfer und Ingenieure können jetzt KI-Modelle auf ihren eigenen Systemen ausführen, was die Art und Weise, wie KI in Zukunft entwickelt und eingesetzt wird, drastisch verändert. Es ist der Wandel vom zentralen Rechnen zu mehr verteilter, lokalisierter KI-Innovation. Als Huang mehr über die Blackwell-Architektur spricht und wie sie bereits in der vollen Produktion ist, wird klar, dass Nvidia das langfristige Spiel spielt. Die Nachfrage nach Blackwell ist überwältigend, und diese neue Architektur ist darauf ausgelegt, alles von Supercomputing und Rechenzentren bis hin zu KI auf persönlichen Geräten anzutreiben. Was wir sehen, ist die Weiterentwicklung von Nvidias Fähigkeit, seine Technologie über alle Plattformen hinweg zu skalieren, von der Cloud bis zum einzelnen Desktop. Wenn Nvidia die Produktion und den Vertrieb hochfährt, wird sich die Auswirkung branchenübergreifend bemerkbar machen und ein Niveau an KI-Innovation ermöglichen, das bisher unvorstellbar war. Indem sich Nvidia auf beschleunigtes Rechnen konzentriert und KI auf allen Plattformen zugänglich macht, positioniert es sich, um die Zukunft von KI, Robotik und selbstfahrenden Autos zu dominieren. Die Vision des Unternehmens ist nicht nur, in der Hardware zu innovieren, sondern ein Ökosystem zu schaffen, das auch andere befähigt, zu innovieren. Egal ob Sie sich in einem Rechenzentrum oder auf Ihrem Personal Computer befinden, Nvidias Chips und Systeme verändern bereits unsere Denkweise über das Rechnen. Und das ist erst der Anfang. Wenn Sie dies aufschlussreich fanden, vergessen Sie nicht, zu liken, zu teilen und zu kommentieren. Bleiben Sie dran für weitere Analysen, während wir die Fortschritte in der KI und Nvidias unglaubliche Rolle bei der Gestaltung der Zukunft weiter verfolgen. Bis zum nächsten Mal.