Nvidia wehrt sich gegen pessimistische Speicherprognosen CEO sieht bis 2029 kein Überangebot

Marktanalyse

Auf der Wall Street tauchen wieder Sorgen auf, dass der KI- und Speicherboom sich innerhalb weniger Jahre in einen Überangebotszyklus verwandeln könnte. Einige Analysten und Investoren rechnen bereits mit Szenarien, die den Höhepunkt des Speichersuperzyklus bis 2029 hinter uns sehen. Nvidia-CEO Jensen Huang hat sich jedoch öffentlich gegen diese Erzählung gewehrt und argumentiert, er sehe keine eindeutigen Anzeichen für ein drohendes Überangebot und erwarte eine robuste, anhaltende Nachfrage nach Speicher, während sich die KI-Infrastruktur ausweitet.

Die Halbleiterindustrie ist seit langem von klassischen Boom-und-Bust-Dynamiken geprägt: starke Nachfrage fördert Investitionen in neue Kapazitäten, die später ein Überangebot erzeugen und scharfe Preisrückgänge auslösen können. Dieses zyklische Denken erklärt, warum Marktteilnehmer nach dem jüngsten Nachfrageanstieg für KI-Hardware schnell mit einer Rückkehr zum Überangebot rechnen. Aber das Auftreten großskaliger KI-Workloads verändert die grundlegende Angebots-Nachfrage-Gleichung.

KI-Beschleuniger benötigen zunehmend große Mengen an hochleistungsfähigem Speicher, der sehr nahe am Rechenkern platziert ist. High-Bandwidth Memory (HBM) gilt für die anspruchsvollsten KI-Modelle als unverzichtbar, weil es einen massiven Datendurchsatz zwischen Speicher und Prozessoren ermöglicht. Huang hat argumentiert, dass mehr Kapazität neue Anwendungsfälle und Fähigkeiten erschließt und dass insbesondere HBM für Jahre erforderlich sein werde.

Warum die Speichernachfrage weiter steigen könnte

Nvidias Speicherbedarf erweitert sich über HBM hinaus. Das Unternehmen integriert erhebliche Mengen an energieeffizientem LPDDR-Systemspeicher einer Technologie, die ursprünglich für Smartphones entwickelt wurde in seine Plattformen für Rechenzentren. Die Attraktivität liegt weitgehend in der Energieeffizienz: Mit dem Wachstum von KI-Clustern wird der Energieverbrauch zu einem begrenzenden Faktor, und energiearmer Speicher hilft, die Gesamtsystemeffizienz zu verbessern.

Diese Entwicklung bedeutet, dass die Speichernachfrage gleichzeitig auf mehreren Ebenen steigt: mehr eingesetzte KI-Beschleuniger, steigender HBM-Bedarf pro Beschleuniger, größere Mengen an Systemspeicher in jedem Server und die anhaltende Ausweitung globaler Rechenzentrumsinfrastrukturen. Die kombinierte Wirkung ist nicht nur mehr diskrete Speicherchips, sondern ein breiterer, komplexerer Bedarf an unterschiedlichen Speichertechnologien über gesamte Systemstacks hinweg.

Nvidia ist darüber hinaus nicht mehr nur ein GPU-Anbieter. Das Unternehmen verkauft integrierte Systeme, die GPUs, CPUs, Netzwerkarchitekturen wie Spectrum-X und Quantum-X sowie Software über das CUDA-Ökosystem bündeln. Wenn KI-Cluster skalieren, werden mehr Komponenten dieses Ökosystems benötigt, was hohe Bruttomargen historisch über 70 Prozent und eine starke Erzielung von freiem Cashflow unterstützt.

Huangs Ansicht, dass 2029 keinen sofortigen Wendepunkt markieren werde, steht im Kontrast zum Instinkt der Märkte, zu traditionellen zyklischen Mustern zurückzukehren. Für Investoren, die dem KI-Megatrend folgen, bleibt Nvidia eine zentrale Position: Das Unternehmen besetzt einen strategischen Engpass in der KI-Infrastruktur, wo fortlaufende Modellskalierung, erhöhte Inferenz-Workloads und neue Anwendungsentwicklungen alle in eine anhaltende Nachfrage nach Rechen- und Speicherkapazität münden.

Kurz gesagt: Obwohl zyklische Risiken im Halbleitersektor real sind, schaffen die strukturellen Veränderungen, die durch KI größere Modelle, dichtere Cluster, energieempfindliche Systemgestaltung und heterogene Speicherbedürfnisse vorangetrieben werden, eine andere Dynamik als in früheren Zyklen. Das beseitigt nicht das Risiko, bietet aber ein plausibles Gegenargument zu kurzfristigen Prognosen eines breiten Speicherüberangebots.

Investoren sollten die Angebotsseite bei HBM- und LPDDR-Kapazitäten, Preisentwicklungen und die Geschwindigkeit beobachten, mit der alternative Architekturen oder Softwareoptimierungen die Speicheranforderungen pro Modell reduzieren. Vorerst fügt Nvidias Haltung der Ansicht, dass die KI-getriebene Nachfrage nach Speicher bis weit in das nächste Jahrzehnt ein wichtiger Wachstumsmotor für den Sektor bleiben werde, eine bedeutende, offiziell geäußerte Stimme hinzu.