DeepSeek senkt die Preise – Warum drängt es Elon Musk so, Kraftwerke zu bauen?

Kurz gefasste Zusammenfassung der Kerninhalte

In den letzten Tagen gab es scheinbar unzusammenhängende Finanz- und Wirtschaftsnachrichten: DeepSeek hat den Preis für die Nutzung großer Modelle um 40 Prozent reduziert, Elon Musk investiert in den Bau eigener Gaskraftwerke für die Versorgung von KI-Anwendungen, es wird berichtet, dass DeepSeek die Vorbereitungen für einen Börsengang an der Science and Technology Innovation Board (STAR Market) aufgenommen hat, und Apple hat heimlich die Preise für neue iPhones erhöht. Diese Ereignisse deuten auf eine große Veränderung in der KI-Branche hin: Während es früher darum ging, zu sehen, wessen Modell intelligenter oder mit mehr Parametern ausgestattet ist, dreht sich der Wettbewerb heute um die Frage, wer die Lieferkosten für KI-Dienste am besten senken kann. Die scheinbar immer günstiger werdende KI-Technologie basiert in Wirklichkeit auf teuren Ressourcen wie Strom, Rechenzentren und der effizienten Steuerung der Rechenleistung.

---

Detaillierte Analyse aus vier Dimensionen

1. Die Preissenkung großer Modelle dient nicht dem Verlust, sondern dem Erhalt eines Börsenzugangs

Lassen Sie uns eine reale Berechnung vornehmen: DeepSeek hat den Preis für die Nutzung großer Modelle in der Nebensaison auf 0,02 Yuan pro Million Tokens gesenkt – ein Token entspricht etwa 0,7 chinesischen Zeichen. Das bedeutet, Sie können für 0,02 Yuan einen KI-Dienst mit einer Ausgabe von 700.000 Zeichen erhalten, was sogar günstiger ist als die Hälfte eines Papiertuchs. Die Preissenkung beträgt somit 60 Prozent.

Viele bezeichnen dies als einen ruinösen Preiskampf, aber das stimmt nicht. Es ist genauso wie wenn ein Milchshake-Laden einen Getränk von 20 Yuan auf 10 Yuan senkt: Wenn sich die Verkaufszahlen um mehr als das Dreifache erhöhen, steigen die Gesamteinnahmen, und ineffiziente Anbieter werden aus dem Markt gedrängt. DeepSeek kontaktiert bereits Investmentbanken für Börsenberatung. Wenn es tatsächlich seine Unternehmensdokumente einreicht, wird der Kapitalmarkt nicht darauf achten, wie beeindruckend die Modellparameter oder die weltweiten Fähigkeiten sind, sondern auf drei wesentliche Faktoren: Erstens, wie viel Geld tatsächlich von den Nutzern bezahlt wird; zweitens, wie viel Gewinn nach Abzug aller Kosten übrig bleibt; und drittens, wie viel Geld für die Erweiterung der Rechenleistung benötigt wird und ob ausreichend Cash vorhanden ist. Wenn die Nutzungszahlen nach der Preissenkung schneller steigen als die Preise, ist das ein gutes Geschäft mit geringem Gewinn, das die Bewertung des Unternehmens stark steigert. Wenn hingegen niemand die reduzierten Preise nutzt, bedeutet das einen echten Verlust – und die Bewertung fällt stark.

2. Die Kosten für GPU und Rechenzentren bleiben unverändert, obwohl die Nutzung von KI-Diensten billiger wird

Viele glauben, dass die Preissenkungen auf günstigere GPUs zurückzuführen sind, aber das ist falsch. Stellen Sie sich vor: Das Trainieren großer Modelle ist wie der Bau einer 100-spurigen Autobahn im Wert von mehreren Milliarden Yuan, während die täglichen Anfragen zur Erstellung von Texten oder Datenverarbeitung nur wie Fahrten auf dieser Autobahn sind. Früher konzentrierte sich der Wettbewerb darauf, wer die breiteste Autobahn baut; jetzt wird der Gewinn durch die Gebühren erhoben.

Das Problem ist jedoch, dass die Nutzung stark ungleichmäßig verteilt ist: Am Nachmittag ist die Nutzung hoch, nachts fast keine. Wenn man die ganze Zeit über voll ausgelastete GPU-Cluster betreibt, verbraucht man unnötig viel Geld – selbst wenn die Kosten gesenkt werden. Die aktuellen Ansätze wie Cache-Wiederverwendung und flexible Steuerung zielen darauf ab, die GPU effizienter einzusetzen, um die Kosten pro Anfrage zu senken. Wenn KI tatsächlich in den Alltag aller Menschen eindringen soll (z. B. für die Bestellung von Essen oder die Verbreitung von Inhalten), müssen die Nutzungszahlen um das Zehntausendfache steigen, und die Kosten pro Anfrage müssen auf wenige Cent gesenkt werden.

3. Musks Investitionen in Gaskraftwerke zeigen, dass die wertvollsten Ressourcen in der KI-Branche nicht mehr GPUs sind

Früher konkurrierte die Branche um Nvidia-GPUs; wer sie bekam, galt als führend. Jetzt wird jedoch klar: Selbst tausend GPUs sind nutzlos, wenn es keinen Platz zum Anschluss und keine stabile Stromversorgung gibt. Musks Investitionen in ein 1,2-Gigawatt-Gaskraftwerk zeigen, dass die Zeit für solche Investitionen gekommen ist – schließlich kann der Ausbau des Stromnetzes nicht innerhalb von drei bis fünf Jahren abgeschlossen werden. Die KI-Branche entwickelt sich so schnell, dass Unternehmen, die drei Monate hinterher starten oder ihre Kraftwerke erst ein Jahr später in Betrieb nehmen, ihre Investitionen verlieren.

Die Bestellungen für KI-bezogene Stromausrüstung bei GE in diesem Jahr haben bereits das Doppelte der gesamten Erwartungen für 2025 erreicht. Es geht nicht um gewöhnlichen Strom, sondern um zuverlässige Stromversorgung, die pünktlich und rund um die Uhr zur Verfügung steht und nicht plötzlich stark ansteigt. Solche Ressourcen sind sogar schwerer zu beschaffen als Nvidia-GPUs.

4. In Zukunft werden Rechenleistungsressourcen in verschiedene Kategorien eingeteilt

Die KI-Branche wird in Zukunft in drei Kategorien unterteilt:

• Die günstigsten Ressourcen sind solche, die nur GPUs besitzen, aber weder stabile Kunden noch eine zuverlässige Stromversorgung haben – diese veralten schnell und führen zu hohen Kosten.
• Die mittleren Ressourcen sind solche, die die flexible Steuerung der Rechenleistung erfolgreich nutzen und dadurch Kosten senken können.
• Die wertvollsten Ressourcen sind solche, die über ausreichende Stromkapazitäten, die notwendigen Netzanschlüsse und langfristige Kunden verfügen. Diese sind äußerst knapp und daher besonders wertvoll.

5. Die Entwicklung von DeepSeek als Maßstab für die Bewertung von KI-Unternehmen

Wenn DeepSeek tatsächlich an die Börse geht, wird dies einen neuen Maßstab für die Bewertung von KI-Unternehmen setzen. In Zukunft zählen nicht mehr nur die Leistung der Modelle oder die Parameter, sondern vier entscheidende Faktoren: Die Nutzungszahlen zeigen die Marktnachfrage, die Gewinnmargen die Betriebseffizienz und die Cashflows die Widerstandsfähigkeit gegenüber nächsten technischen Entwicklungen. Allein auf die „Intelligenz“ der Modelle zu setzen, reicht nicht mehr aus, um das Kapital der Investoren zu gewinnen.