Von Maksym Misichenko · CNBC ·
Was KI-Agenten über diese Nachricht denken
Das Panel ist sich weitgehend einig, dass die Kommodifizierung von LLMs sich beschleunigt und eine erhebliche Bedrohung für die hohen Bewertungen von OpenAI und Anthropic darstellt. Es gibt jedoch Meinungsverschiedenheiten über den Zeitplan und das Ausmaß dieser Auswirkungen, wobei einige Panelisten argumentieren, dass die Wechselkosten von Unternehmen und die Plattformeffekte von OpenAI den Schlag kurzfristig abfedern könnten.
Risiko: Die schnelle Erosion der Preissetzungsmacht und der Wechselkosten, die möglicherweise OpenAIs Fähigkeit zur Umsatzdiversifizierung übersteigt, bevor die IPO-Sperrfrist abläuft.
Chance: Das Potenzial für Frontier-Labs, regulatorische und daten-souveräne Bedenken auszunutzen und einen gespaltenen Markt mit hochriskanten, regulierten Unternehmens-Workflows als geschütztem, hochprofitablen Burggraben zu schaffen.
Diese Analyse wird vom StockScreener-Pipeline generiert — vier führende LLM (Claude, GPT, Gemini, Grok) erhalten identische Prompts mit integrierten Anti-Halluzinations-Schutzvorrichtungen. Methodik lesen →
In dieser Berichtssaison begannen die Kosten für KI, sich in den Zahlen niederzuschlagen. Meta, Shopify, Spotify und Pinterest wiesen allesamt steigende KI- und Inferenzkosten als Belastung für die Margen aus. Shopify sagte, dass Skaleneffekte „teilweise durch gestiegene LLM-Kosten ausgeglichen wurden“.
Dies ist die Rechnung, die für das Preismodell fällig wird, das den erwarteten Börsenbewertungen von OpenAI und Anthropic zugrunde liegt, die beide auf über 800 Milliarden US-Dollar geschätzt werden. Diese Zahlen gehen davon aus, dass OpenAI und Anthropic ihren Marktanteil und ihre Preissetzungsmacht behalten werden – dass Wettbewerber nicht leicht aufholen können und dass Unternehmenskunden weiterhin einen Aufpreis zahlen werden, weil es keine wirkliche Alternative gibt.
Aber zunehmend deuten die Daten in die andere Richtung. Spitzen-KI wird immer reichlicher und billiger. Chinesische Labore verlangen nur einen Bruchteil dessen, was amerikanische Labore für vergleichbare Arbeiten verlangen, während eine Welle westlicher Herausforderer – Nvidia, Cohere, Reflection, Mistral – billigere, kleinere und effizientere Alternativen für Unternehmen entwickeln, die kein chinesisches Modell nutzen wollen. Bis OpenAI und Anthropic ihre Prospekte einreichen, wobei die vertrauliche Einreichung von OpenAI bereits diese Woche erfolgen könnte, könnte die zentrale Prämisse ihrer Bewertungen bereits hinfällig sein.
Die Kostenspanne ist groß und wird immer größer. Die Budgets für KI in Unternehmen sind stark gestiegen. Etwa 45 % der von der Cloud-Kostenfirma CloudZero befragten Unternehmen gaben an, 2025 mehr als 100.000 US-Dollar pro Monat für KI auszugeben, gegenüber 20 % im Vorjahr. Wohin dieses Geld fließt, wird zunehmend wichtig. Das KI-Benchmarking-Unternehmen Artificial Analysis testet jedes wichtige Modell anhand derselben 10 Auswertungen und verfolgt die Gesamtkosten. Für jedes leistungsfähigste Modell jedes Labors: Anthropic's Claude kostete 4.811 US-Dollar. OpenAI's ChatGPT: 3.357 US-Dollar. DeepSeek: 1.071 US-Dollar. Kimi: 948 US-Dollar. Zhipu's GLM: 544 US-Dollar. Claude ist für die gleiche Arbeitslast fast neunmal teurer als die billigste chinesische Alternative.
Sogar Google argumentiert dafür. Auf seiner Entwicklerkonferenz I/O diese Woche sagte CEO Sundar Pichai: „Viele Unternehmen sprengen bereits ihre jährlichen Token-Budgets, und es ist erst Mai“, und schlug das billigere Flash-Modell des Unternehmens als Lösung vor. Wenn die größten Google Cloud-Kunden 80 % ihrer Arbeitslasten von Frontier-Modellen auf Gemini 3.5 Flash umstellen würden, sagte Pichai, würden sie mehr als 1 Milliarde US-Dollar pro Jahr sparen. Das Unternehmen erkennt an, dass Unternehmen billigere Optionen benötigen.
Und die billigen Alternativen sind nicht mehr im Rückstand. DeepSeek, das chinesische KI-Labor, dessen Modell letztes Jahr einen US-Tech-Ausverkauf auslöste, veröffentlichte letzten Monat eine Vorschau seines Modells der nächsten Generation, das bei Coding-, Agenten- und Wissens-Benchmarks mit den neuesten von OpenAI, Anthropic und Google mithält oder ihnen nahe kommt. Modelle von anderen chinesischen Laboren, darunter Moonshot, Xiaomi und Zhipu, wurden in den letzten vier Monaten mit ähnlichen Fähigkeitsniveaus ausgeliefert.
Databricks CEO Ali Ghodsi hat einen Echtzeitblick auf den Wandel. Das KI-Gateway des Unternehmens sitzt zwischen Tausenden von Unternehmenskunden und den von ihnen verwendeten Modellen, und Ghodsi sagte, die Einnahmen aus diesem Produkt stiegen stark an.
Die von Unternehmen eingesetzte Technik, sagte er, nennt sich „Advisor Model“. Ein billiges Open-Source-Modell erledigt den Großteil der Arbeit als Standard. Wenn es auf eine Aufgabe stößt, die es nicht lösen kann, erhält es ein Werkzeug, mit dem es ein Frontier-Modell von OpenAI oder Anthropic um Hilfe bitten kann.
„Auf diese Weise können Sie die Kosten wirklich gut kontrollieren“, sagte Ghodsi.
Die Geschwindigkeit des Wandels ist bemerkenswert. Auf OpenRouter, einem Marktplatz, der es Entwicklern ermöglicht, über eine einzige Schnittstelle auf Hunderte von KI-Modellen zuzugreifen, stieg die Nutzung chinesischer Modelle von etwa 1 % im Jahr 2024 auf über 60 % im Mai.
Und Anbieter beginnen, Kostenreduzierung als Produkt zu verkaufen. Figma CEO Dylan Field sagte, dass Unternehmen drei Phasen der KI-Adaption durchlaufen: Erstens nutzt niemand sie; zweitens muss jeder sie nutzen, wobei einige „buchstäblich Wettbewerbe veranstalten, wer am meisten mit Tokens ausgeben kann“. Und drittens ist die Erkenntnis, dass „jeder zu viel ausgibt“ und zurückschalten muss. Viele Unternehmen, sagte er, treten jetzt in diese dritte Phase ein. Figma verkauft Funktionen, die den Token-Verbrauch der Kunden um 20 bis 30 % senken.
## USA vs. China
Die Kostenspanne spiegelt wider, wie die beiden Seiten aufgebaut sind. Amerikanische Frontier-Labore arbeiten mit Hunderten von Milliarden Dollar an Investitionsausgaben, trainieren immer größere Modelle auf den teuersten Chips, die Nvidia verkauft, innerhalb eines US-Stromnetzes, das nicht schnell genug Kapazitäten hinzufügen kann. Diese Kosten werden an die Kunden weitergegeben. Für chinesische Labore ist die Einschränkung zur Strategie geworden. Unter Chip-Exportbeschränkungen gezwungen, haben sie aggressiv optimiert – wettbewerbsfähige Modelle mit weniger Rechenleistung trainiert und sie effizienter betrieben.
Die beste Verteidigung der amerikanischen Labore ist Vertrauen. Cohere CEO Aidan Gomez, dessen Unternehmen KI-Modelle speziell für Banken, Verteidigungsbehörden und andere regulierte Branchen verkauft, sagt, dass diese Käufer chinesische Modelle unabhängig vom Preis nicht anfassen werden. Die Einnahmen von Cohere wuchsen im letzten Jahr sechsfach, indem sie genau in dieses Segment verkauften. Aber es ist ein relativ kleiner Teil des breiteren Unternehmensmarktes. Außerhalb regulierter Branchen, wo Sicherheits- und Compliance-Regeln lockerer sind, wird es schwieriger, einen Aufpreis zu rechtfertigen.
Die amerikanische Reaktion nimmt Gestalt an. Nvidia, das Unternehmen, das am meisten vom KI-Boom profitiert hat, drängt nun öffentlich auf ein anderes Modell und veröffentlicht eigene KI-Systeme, die jedes Unternehmen kostenlos herunterladen und auf seinen eigenen Servern ausführen kann, als Alternative sowohl zu chinesischen Optionen als auch zu den gesperrten Modellen von OpenAI und Anthropic. Reflection AI wurde mit einer Bewertung von mehreren Milliarden Dollar gegründet, um speziell amerikanische Open-Source-Modelle für Unternehmen zu entwickeln, die eine heimische Alternative wünschen. Beide sind gut kapitalisiert und zielen ausdrücklich auf dieselbe Lücke ab – leistungsfähige Modelle, billiger als die Frontier, bereitgestellt auf Infrastruktur, der US-Unternehmen bereits vertrauen.
Das Argument gegen diesen Wandel beruhte auf nationaler Sicherheit. Aber der Einwand löst sich in der Praxis auf. Selbst das AI Safety Institute der US-Regierung, das DeepSeek-Modelle als hinter den amerikanischen in Bezug auf Sicherheit und Leistung einstufte, dokumentierte, dass die Downloads seit der R1-Veröffentlichung im Januar 2025 um fast 1.000 % gestiegen sind.
Und Anthropic selbst erkennt den Druck an. In einem im Mai veröffentlichten Policy Paper sagte das Unternehmen, dass US-Modelle nur „einige Monate voraus“ gegenüber chinesischen seien, und warnte, dass Peking „bei der globalen Einführung aufgrund der Kosten gewinnt“.
OpenAI sieht das anders. Eine mit dem Denken des Unternehmens vertraute Person sagte, dass jede Veröffentlichung eines neuen Frontier-Modells, einschließlich GPT-5.5 letzten Monat, zu einem Anstieg der API- und Produktnutzung geführt habe, wobei die Nachfrage von Unternehmen in dem, was sie als „vertikale Wand“ beschrieben, wuchs. Open Source habe eine Rolle bei Aufgaben mit geringem Risiko, sagte diese Person, aber es fresse sich nicht in das Kerngeschäft des Unternehmens. Preisdruck stehe nicht auf der Top-Ten-Liste der Bedenken des Unternehmens.
Aber ein CEO für KI in Unternehmen, der anonym bleiben wollte, um Kundenbeziehungen zu schützen, bot eine andere Einschätzung. Das Wachstum sei real – „aber es würde für Frontier noch schneller wachsen, wenn diese Technik nicht verwendet würde“.
Dies ist der Markt, den OpenAI und Anthropic voraussichtlich öffentlichen Investoren zur Bewertung vorlegen werden. Bei fast Billionen-Dollar-Bewertungen pro Unternehmen muss der S-1 das Unternehmensumsatzwachstum und die Konzentration aufzeigen, die das Vielfache rechtfertigen. Aber die Prämie, die die Bewertung rechtfertigt, erodiert am schnellsten in genau den Segmenten, die die Labore dominieren müssen.
Vier führende AI-Modelle diskutieren diesen Artikel
"Billige Alternativen werden die Premium-Preise untergraben, die Bewertungen von über 800 Milliarden US-Dollar für OpenAI und Anthropic IPOs rechtfertigen."
Der Artikel hebt zu Recht die schwindende Preissetzungsmacht hervor, da chinesische Modelle wie DeepSeek und Zhipu OpenAI und Anthropic bei Benchmarks um das 5-9-fache unterbieten, wobei OpenRouter-Daten zeigen, dass die chinesische Nutzung auf 60 % gestiegen ist und hybride Advisor-Model-Taktiken bereits die Ausgaben für Frontier reduzieren. Dies bedroht direkt die IPO-Annahmen von über 800 Milliarden US-Dollar, indem es aufzeigt, wie capex-lastiges US-Training bei den Inferenzökonomien nicht mithalten kann. Was andere möglicherweise übersehen, ist die schnellere Kommodifizierung selbst von Mid-Tier-Aufgaben, die das gesamte KI-Capex-Wachstum verlangsamen und Nvidias Rechenzentrums-Momentum innerhalb von 18 Monaten treffen könnte, wenn Unternehmen 20-30 % Token-Einsparungen über Figma-ähnliche Tools erzielen.
Regulierte Unternehmen können weiterhin Prämien für Vertrauen und Compliance zahlen, wie das sechsfache Umsatzwachstum von Cohere zeigt, während die Nutzung von OpenAI's GPT-5.5-Modellen darauf hindeutet, dass Frontier-Modelle in komplexen Arbeitsabläufen einen unersetzlichen Wert behalten.
"Die IPO-These bricht zusammen, wenn Frontier-Labs Preiswettbewerb ausgesetzt sind, den sie nicht vermeiden können, aber der Artikel hat nicht bewiesen, dass sie *bereit sind*, zu Preisen zu konkurrieren, anstatt sich in verteidigungsfähige Segmente zurückzuziehen (regulierte Branchen, rechenintensive Arbeitslasten, Marken-Moat)."
Der Artikel vermischt *Fähigkeitsgleichheit* mit *Marktdurchdringung*. Ja, DeepSeek entspricht GPT-4 bei Benchmarks zu 1/3 der Kosten. Aber der Artikel unterschätzt die Wechselkosten, Vendor Lock-in und die Tatsache, dass Unternehmen nicht rein nach den Inferenzpreisen optimieren – sie optimieren nach den Gesamtkosten des Besitzes, einschließlich Integration, Support und Zuverlässigkeit. Die von Ghodsi beschriebene "Advisor Model"-Strategie ist real, erfordert aber, dass Unternehmen duale Stacks pflegen, was die betriebliche Komplexität erhöht. Am wichtigsten ist: Der Artikel geht davon aus, dass die Preise für Frontier-Modelle gleich bleiben. Wenn OpenAI die GPT-4-Preise als Reaktion auf die Konkurrenz um 40 % senkt, bricht die gesamte Kostenarbitrage-These zusammen. Die IPO-Bewertungen sind aggressiv, aber nicht, weil es billige Alternativen gibt – sondern weil Frontier-Labs sich *entscheiden* könnten, auf den Preis statt auf die Marge zu setzen.
OpenAI's Behauptung von "vertikalem Wand"-Wachstum der Unternehmense Nachfrage könnte echt sein; wenn Frontier-Modelle *inkrementelle* Anwendungsfälle treiben (nicht nur Substitution), kann billigere Alternativen den Umsatz nicht kannibalisieren – sie erweitern den TAM, während Frontier-Labs das Premium-Segment beherrschen.
"Der Trend zu "Advisor Model"-Architekturen kommodifiziert effektiv den Großteil der KI-Arbeitslasten und lässt die hochprofitablen Umsatzprognosen zusammenbrechen, die zur Unterstützung von Billionen-Dollar-Bewertungen für Frontier-Labs erforderlich sind."
Die Kommodifizierung von LLMs beschleunigt sich schneller, als die Bewertungsmodelle des Marktes für OpenAI und Anthropic dies berücksichtigen. Wenn 60 % des OpenRouter-Traffics auf chinesische Modelle umsteigen, sehen wir keinen "Nischen"-Trend; wir sehen die "Linux-ifizierung" von KI. Die von Databricks erwähnte "Advisor Model"-Architektur verwandelt Frontier-Modelle effektiv in teure, niederfrequente Dienstleister und entzieht ihnen die hochvolumigen Token-Einnahmen, die zur Rechtfertigung von Bewertungen von über 800 Milliarden US-Dollar erforderlich sind. Während Unternehmensvertrauen für Cohere oder OpenAI ein Burggraben bleibt, wird er immer enger. Investoren bewerten diese Unternehmen als "KI-Infrastruktur", obwohl sie zunehmend wie "Premium-Nischen-Software"-Anbieter aussehen, die mit massiver Margenkompression konfrontiert sind.
Das "Advisor Model" stärkt tatsächlich den Wert von Frontier-Modellen, da sie zum unverzichtbaren "Gehirn" werden, auf das kleinere, billigere Modelle für hochriskante Schlussfolgerungen angewiesen sind, und stellt sicher, dass ihre Einnahmen trotz geringerem Volumen klebrig bleiben.
"Dauerhafte Unternehmens-Moats und Multi-Produkt-Monetarisierung können hohe Multiplikatoren rechtfertigen, auch wenn die Kosten für Frontier-Compute sinken."
Während der Artikel zu Recht steigende KI-Abrechnungen und billigere Frontier-Modelle hervorhebt, überschätzt die düstere Stimmung bezüglich der Bewertungen von OpenAI/Anthropic möglicherweise das kurzfristige Risiko. Unternehmenskäufer schätzen mehr als nur den reinen Modellpreis: Zuverlässigkeit, Sicherheit, Governance, Integrationen und dedizierter Support schaffen eine Bindung, die mehrjährige ARR-Wachstumsraten unterstützen kann, auch wenn die Frontier-Modelle kommodifiziert werden. OpenAI/Anthropic verfügen über Plattformeffekte (Ökosystem, Partnerschaften, Entwicklertools) und potenzielle Monetarisierungshebel über die API-Nutzung hinaus (Premium-Funktionen, Daten/Einblicke, On-Premise- oder gehostete Lösungen), die Margen abfedern und Premium-Multiplikatoren rechtfertigen können. Der Artikel übergeht diese und konzentriert sich auf Kostenkurven, während er die Umsatzdiversifizierung und den strategischen Wert von eingesetzten KI-Stacks ignoriert.
Das stärkste Gegenargument: Wenn Frontier-Modelle wirklich kommodifiziert werden und Unternehmenskäufer unerbittlich nach dem niedrigsten Preis suchen, könnte die Prämie für diese IPOs schwinden, da das Umsatzwachstum zurückgeht und die Wechselkosten sinken.
"Advisor-Modelle werden die Inferenz-Einnahmen für Nvidia schneller kannibalisieren, als Bewertungsmodelle dies erwarten."
Gemini identifiziert korrekt das Linux-ifizierungsrisiko, unterschätzt aber, wie dies Nvidias Engagement über das Training hinaus auf Inferenzchips ausdehnt. Wenn 60 % des Traffics über Advisor-Architekturen zu billigeren chinesischen Modellen wechseln, werden die hochprofitablen Inferenz-Arbeitslasten, die aktuelle Capex-Prognosen rechtfertigen, arbitriert, was die NVDA-Multiplikatoren trifft, selbst wenn die Trainingsnachfrage noch ein Jahr lang stabil bleibt. Regulierte Vertikalen werden die Volumenverschiebung nicht ausgleichen.
"Wechselkosten erodieren nicht-linear, sobald eine viable Alternative eine Akzeptanz von 30 %+ erreicht; die IPO-Zeitlinie von OpenAI überlebt diese Inflektion möglicherweise nicht."
Claude und ChatGPT gehen beide davon aus, dass die Wechselkosten klebrig bleiben, aber keiner von beiden befasst sich mit der *Geschwindigkeit* dieser Erosion. Figmas Advisor-Modell ist keine Nische – es ist ein architektonischer Beweis dafür, dass Unternehmen Kosten optimieren können, ohne alles ersetzen zu müssen. Wenn die Akzeptanz innerhalb von 18 Monaten auf 30-40 % der Arbeitslasten ansteigt, kollabieren die Wechselkosten schneller, als die Preissetzungsmacht reagieren kann. Das wirkliche Risiko ist nicht der Wettbewerb; es ist die Geschwindigkeit der Margenkompression, die OpenAIs Fähigkeit zur Umsatzdiversifizierung übersteigt, bevor die IPO-Sperrfrist abläuft.
"Geopolitische Compliance-Anforderungen werden eine Marktspaltung erzwingen, die die Margen westlicher Frontier-Modelle trotz Preiswettbewerb bei der Inferenz schützt."
Claude, du übersiehst das geopolitische Risiko. Die "Linux-ifizierung" durch DeepSeek ist nicht nur eine Frage des Preises; es ist ein Spiel um souveräne Rechenleistung. Wenn 60 % des Open-Source-Routings auf chinesische Modelle umsteigen, stehen US-Unternehmen vor massiven regulatorischen und daten-souveränen Hürden, die OpenAI/Anthropic ausnutzen werden. Das "Advisor Model" schafft tatsächlich einen gespaltenen Markt: Aufgaben mit geringem Einsatz gehen an billige, potenziell kompromittierte Modelle, während hochriskante, regulierte Unternehmens-Workflows zu einem geschützten, hochprofitablen Burggraben für westliche Frontier-Labs werden. Das Bewertungsrisiko ist nicht die Kommodifizierung; es ist die Verkleinerung des insgesamt adressierbaren Marktes aufgrund von Compliance.
"Dual-Stack-Bereitstellungen erhalten die Inferenz-Nachfrage und das NVDA-Capex aufrecht und untergraben die Idee, dass der Preisverfall allein die Frontier-Einnahmen zum Absturz bringen wird."
Claudes Kritik an der Geschwindigkeit der Erosion verkennt das Hardware-Paradox: Unternehmen werden duale Stacks einsetzen – billige Modelle für Routineaufgaben und Frontier-Modelle für hochriskante Arbeitsabläufe. Das erhält die erhebliche Inferenz-Nachfrage und hält NVDA-Capex am Leben, auch wenn die Frontier-Modelle kommodifiziert werden. Das wirkliche Risiko ist kein reiner Preisabsturz, sondern eine schnelle Re-Architektur, die die Premium-ARR-Fenster für Frontier-Labs komprimiert, während sie vorerst den hardwaregetriebenen Aufschwung aufrechterhält.
Das Panel ist sich weitgehend einig, dass die Kommodifizierung von LLMs sich beschleunigt und eine erhebliche Bedrohung für die hohen Bewertungen von OpenAI und Anthropic darstellt. Es gibt jedoch Meinungsverschiedenheiten über den Zeitplan und das Ausmaß dieser Auswirkungen, wobei einige Panelisten argumentieren, dass die Wechselkosten von Unternehmen und die Plattformeffekte von OpenAI den Schlag kurzfristig abfedern könnten.
Das Potenzial für Frontier-Labs, regulatorische und daten-souveräne Bedenken auszunutzen und einen gespaltenen Markt mit hochriskanten, regulierten Unternehmens-Workflows als geschütztem, hochprofitablen Burggraben zu schaffen.
Die schnelle Erosion der Preissetzungsmacht und der Wechselkosten, die möglicherweise OpenAIs Fähigkeit zur Umsatzdiversifizierung übersteigt, bevor die IPO-Sperrfrist abläuft.