Ben Ritchie, Head of Developed Market Equities bei abrdn, geht davon aus, dass die Entwicklung rund um DeepSeek insgesamt positiv ist:
für den Wettbewerb und damit die Entwicklung von neuen Produkten mit AI
für die Nachfrage in den Bereichen Halbleiter, Rechenzentren und Versorgungsunternehmen
und für Entwickler von AI-Anwendungen, die ihre Lösungen besser monetarisieren können, weil es aus Anlegersicht zu einer Verlagerung des Fokus von Hard- zu Software kommt.
Weitere mögliche Gewinner: die alten Volkswirtschaften als KI-Nachzügler.
Nachfolgend seine ausführlichere Analyse:
Das neue Modell des chinesischen Unternehmens DeepSeek hat den Markt überrascht, wobei Nvidia und der Technologiesektor zunächst einen Ausverkauf erlebten. Die Entwicklung eines fortschrittlichen KI-Modells mit deutlich reduziertem Rechenaufwand und weniger performanten Chips stellt bisherige Annahmen in Frage. Dies hat Auswirkungen sowohl auf den Software- als auch auf den Hardwaresektor in China, den USA und weltweit.
Einige Gedanken dazu:
- Ist das Wettrüsten vorbei?: Der Ansatz von DeepSeek deutet darauf hin, dass das Training von KI-Modellen nicht die fortschrittlichsten Nvidia-GPUs und einen Brute-Force-Ansatz für das Training erfordert. Diese Überzeugung hat die CAPEX-Ausgaben von Hyperscalern in den USA angetrieben, die versucht haben, einen Wettbewerbsvorteil aufzubauen. Es besteht nun die Gefahr, dass diese Unternehmen die Gründe für zukünftige Ausgaben und die Frage, wie sie am besten konkurrieren können, neu bewerten müssen.
- Produkte, nicht Potenzial: KI-Tools sind heute immer noch Lösungen auf der Suche nach einem Problem. Der Fokus lag hauptsächlich darauf, die Anzahl der GPUs in fortschrittlichen Clustern zu erhöhen, um die leistungsfähigsten Modelle zu trainieren. DeepSeek hat einen alternativen Ansatz zur Erstellung komplexer Modelle gezeigt, der weitaus weniger anfängliche Verarbeitung erfordert. Dies könnte zu einem stärkeren Wettbewerb führen, da mehr Teilnehmer benutzerdefinierte KI-Modelle entwickeln können, was die Kommerzialisierung der KI möglicherweise beschleunigen könnte, da die Marktteilnehmer bestrebt sind, durch Produktdifferenzierung und -spezialisierung wettbewerbsfähig zu sein.
- Die Nachfrage hat sich verschoben, nicht verringert: Trotz der anfänglichen Abwertung vieler Tech-Aktien in der gesamten KI-Semi-Lieferkette könnte die Nachfrage robust bleiben, und wir bleiben relativ optimistisch, was die Aussichten angeht. Die zunehmende Demokratisierung der KI kann zu einer grösseren Akzeptanz bei den Endnutzern führen und die Nachfrage nach erhöhter Rechenleistung in der Betriebsphase des Lebenszyklus des KI-Modells aufrechterhalten. Die anhaltende Nachfrage nach Rechenleistung sorgt für einen weitgehend konstruktiven Ausblick für Akteure in den Bereichen Halbleiter, Rechenzentren und Versorgungsunternehmen.
Was ist Fakt?
- Was hier auch eine Überraschung ist, ist, dass China aufgrund des Chipverbots weniger leistungsfähige Grafikprozessoren (GPUs) verwendet hat, um seine Modelle auf eine andere Art und Weise zu optimieren (z. B. keine Cuda zu verwenden und GPU-Cluster effizienter zu verbinden) und sehr beeindruckende Ergebnisse zu erzielen. Es ist eine der unbeabsichtigten Folgen der Beschränkung der chinesischen Nutzung auf Spitzentechnologie.
- Viele Frontier-Modelle haben – seit 2022 – einen Plateaueffekt bei der Skalierung erreicht – die festgelegten Potenzgesetze der Skalierung könnten die Rechenleistung vor dem Training erhöhen, um bessere Modelle zu ermöglichen. Dies führte zu unglaublichen Durchbrüchen und einem enormen Verbrauch an hochmodernen Chips (hauptsächlich GPUs). Da die Menge an Daten, mit denen trainiert werden kann, endlich ist, haben Modelle mit verschiedenen Formen experimentiert, um Modelldurchbrüche in der KI zu erzielen, einschliesslich solcher, die weniger rechenintensiv sind und daher möglicherweise weniger Chips benötigen.
- Dies hat die Schwachstelle in einem KI-Handel aufgedeckt, der auf den Rechen-/Chipverbrauch angewiesen ist.
Was ist Fiktion?
- Was wahrscheinlich nicht stimmt, ist die Zahl von 6 Millionen US-Dollar – und DeepSeek macht das in seiner eigenen Pressemitteilung deutlich, in der sie sagen, dass die angegebenen Kosten nur für den letzten Trainingslauf gelten. Diese Zahl ist also nicht korrekt, aber die Destillation und die Art und Weise, wie sie das Modell trainiert haben (Test Time Compute), sind wahrscheinlich mit geringeren Kosten verbunden als z.B. OpenAI.
Monetarisierungsmöglichkeiten verschieben sich
- Wir haben uns im Dezember mit Technologieunternehmen in San Francisco getroffen und diese Verschiebung hin zu potenziell disruptiven Formen der Modellskalierung festgestellt. DeepSeek hat gezeigt, dass diese andere Art der Optimierung – die sich auf logisches Denken und Zeit als Schlüsselvariablen («Testzeitskalierung») und nicht auf Berechnung / Vortraining konzentriert – zu aussergewöhnlichen Ergebnissen führen kann. Das Vorantreiben der Modellskalierung in erster Linie durch Berechnen / Werfen von GPUs auf das Problem war bisher der grosse Treiber des «KI-Handels».
- Nvidia hat immer noch enorme Vorteile in seiner Software-Programmiersprache und der Flexibilität seiner GPUs, aber China hat gezeigt, dass Innovation durch Optimierung und nicht durch Brute-Force-Skalierung entstehen kann.
- Wichtig ist jedoch, dass dies nicht bedeutet, dass die Rechenleistung nicht immer noch nützlich ist, und ich vermute, dass die Zahlen der Hyperscale-Investitionen dies weiterhin belegen werden. Ein Rückgang der Inferenzkosten führen möglicherweise zu einem erheblichen Anstieg der KI-Monetarisierung / der Verfügbarkeit von KI-Anwendungen.
- In der letzten House View haben wir unsere Sicht auf 3 Schichten des KI-Ökosystems vorgestellt: KI-Infrastruktur / Halbfinale, grundlegende Modelle und die Anwendungssoftwareschicht – zu der Zeit waren es die ersteren / Halbfinals, die bei der Monetarisierung von KI am weitesten fortgeschritten waren, während wir darauf hindeuteten, dass die grundlegenden Modelle wahrscheinlich kommerzialisiert werden würden (was sich herausgestellt hat). Und dass wir irgendwann eine Verschiebung hin zur Wertschöpfung in der Anwendungsschicht sehen würden. Wir glauben, dass die DeepSeek-Neuigkeiten es wahrscheinlicher machen, dass die Anwendungsschicht – und insbesondere die Software – einen Mehrwert generieren wird.
Was bedeutet das für Investments in Asien und Schwellenländern?
Die A- und Asien-Strategien von abrdn sind in chinesischen IT-Titeln untergewichtet, mit nur zwei Beteiligungen im chinesischen Halbleiter-Subsektor: SG Micro Corp und Naura. SG Micro ist ein etabliertes Designhaus für analoge integrierte Schaltkreise in China. Wir sehen sie als Nutzniesser des Trends zur Lokalisierung im analogen Markt. Naura gehört zu den grössten Herstellern von Halbleiterausrüstungen in China, und wir betrachten das staatliche Unternehmen als den qualitativ hochwertigsten Proxy in seiner Branche.
Der Erfolg von DeepSeek bei der Innovation zur Überwindung von Sanktionen ist positiv für den Sektor im Allgemeinen. Es gibt jedoch viele offene Fragen rund um die Entwicklung des neuen Tools, so dass dies nicht sofort alle spezifischen Herausforderungen ändert, mit denen Unternehmen in diesem Sektor konfrontiert sind. Generell könnten ein geringerer Wettbewerbsvorteil und eine geringere Einzigartigkeit in den USA für die Technologiebranche in der Region von Vorteil sein, obwohl wir mit der Entwicklung der Anwendungsschicht von KI-Lösungen eine allmähliche Verlagerung von einem Fokus auf Hardware hin zu Software erwarten. Wenn die Einführung von DeepSeek in die KI-Landschaft eine Neubewertung des ‹US-Exzeptionalismus› ermöglicht, dann könnte das auch für Asien und den Rest der Welt positiv sein.»
Eine weitere Entwicklung war die Veröffentlichung eines neuen KI-Modells von Alibaba «Qwen2.5-Max». Der Markt ist noch dabei, dies zu verdauen, aber wenn die Behauptungen von Alibaba über die Leistungsfähigkeit seines KI-Agenten bestätigt werden, würde dies das Narrativ der Innovation zur Überwindung von Sanktionen weiter stärken.
Implikationen in anderen Regionen?
- Dies ist wahrscheinlich gut für «RoW»-Aktien im Vergleich zum «US-Exzeptionalismus». Keine Debatte über EPS-Trajektorien oder ROIC-Differenzen, sondern über eine mögliche Demokratisierung der KI-Kosten, was theoretisch «KI-Nachzüglern» und alten Volkswirtschaften zugutekäme, die diese Technologie zu viel geringeren Kosten nutzen könnten. Im Wesentlichen ist die KI-Kommodifizierung gut für RoW.
- Wir stellen mit Interesse fest, dass 70 % des S&P am selben Tag stiegen, an dem Nvidia und andere Drawdowns von 15 %+ verzeichneten, was auf wachsende Anzeichen einer Breite des Marktes nach vielen Jahren hoher Konzentration hindeutet (Nvidia betrug im vergangenen Jahr 23 % der S&P-Renditen)
(abrdn/mc/ps)