Unternehmen
Nvidia und PNC beschreiten unterschiedliche Wege in der Entwicklung von KI-Infrastruktur
Nvidias CEO Jensen Huang hat überzeugend dargelegt, dass das Unternehmen im Bereich der KI-Hardware führend ist und nur Nvidia in der Lage ist, großangelegte KI-Fabriken zu errichten. Auf der Goldman Sachs Communacopia + Technology Conference hob Huang hervor, dass Nvidia über 100 Milliarden Dollar an verifizierten Kundenverträgen verfügt, was die erhebliche Nachfrage nach seinen Chips der nächsten Generation unterstreicht. Er betonte, dass die Lieferkette und die globale Präsenz des Unternehmens es einzigartig positionieren, um beim Bau von KI-Fabriken, die massive Rechenzentren sind und zur Schulung und Ausführung von KI-Modellen dienen, eine Führungsrolle zu übernehmen.
Huang stellte fest, dass die Umsatzwachstumsprognose von Nvidia für das Geschäftsjahr 2027 bei etwa 70 % liegt, dies jedoch durch Lieferengpässe und nicht durch mangelnde Nachfrage eingeschränkt ist. Er prognostizierte, dass die Gesamtaufträge bis 2027 fast 1 Billion Dollar erreichen könnten, was auf eine Nachfrage hinweist, die die derzeitige Versandkapazität des Unternehmens bei weitem übersteigt. Darüber hinaus zielen Nvidias jüngste Partnerschaften mit Apollo, BlackRock und Goldman Sachs darauf ab, über 500 Milliarden Dollar an Kapital für die KI-Infrastruktur zu mobilisieren, was die Strategie des Unternehmens als umfassenden Anbieter von KI-Lösungen verstärkt.
Im Gegensatz dazu verfolgt die PNC Financial Services Group einen anderen Ansatz, indem sie ihre KI-Technologie intern entwickelt. CEO Bill Demchak kündigte Pläne für eine „KI-Fabrik“ an, die sich auf den Erwerb von Rechenzentren und Nvidia-GPUs konzentrieren wird, um maßgeschneiderte Sprachmodelle für Bankanwendungen zu erstellen. Diese Strategie zielt darauf ab, die Effizienz bei hochvolumigen Aufgaben wie Betrugserkennung und Automatisierung von Callcentern zu steigern, wobei die Bank 171 potenzielle Automatisierungsmöglichkeiten identifiziert hat, die von 2025 bis 2030 1,4 Milliarden Dollar an adressierbarem Ausgabenpotenzial generieren könnten.
Die Entscheidung von PNC, eigene KI-Fähigkeiten aufzubauen, resultiert aus dem Wunsch nach Kostenkontrolle und der Vermeidung von Anbieterabhängigkeit, die zu steigenden Kosten und betrieblichen Ineffizienzen führen kann. Durch Investitionen in die eigene Infrastruktur möchte PNC die laufenden Kosten im Zusammenhang mit nutzungsbasierten Preismodellen externer KI-Anbieter umgehen. Während PNC mit seinen ehrgeizigen Plänen voranschreitet, wird der Fokus auf der Umsetzung und den messbaren Vorteilen seiner KI-Initiativen liegen.
FAQ
Was ist Nvidias Position im AI-Hardware-Markt?
Nvidias CEO Jensen Huang behauptet, dass das Unternehmen das einzige ist, das in der Lage ist, großangelegte AI-Fabrik-Bauten durchzuführen, mit 100 Milliarden Dollar an verifizierten Kundenverträgen und einer signifikanten Umsatzsteigerung trotz Lieferbeschränkungen.
Was sind AI-Fabriken und warum sind sie wichtig?
AI-Fabriken sind massive Rechenzentren, die entwickelt wurden, um AI-Modelle zu trainieren und auszuführen. Sie sind entscheidend, um der wachsenden Nachfrage nach AI-Technologie gerecht zu werden und Unternehmen zu ermöglichen, große Datenmengen effizient zu verarbeiten.
Wie geht die PNC Financial Services Group die Entwicklung von AI an?
PNC entwickelt seine AI-Technologie intern, indem es seine eigene AI-Fabrik aufbaut, die sich auf den Erwerb von Rechenzentren und Nvidia-GPUs konzentriert, um maßgeschneiderte Sprachmodelle für Bankanwendungen zu erstellen.
Was sind die potenziellen finanziellen Vorteile von PNCS AI-Initiativen?
PNC hat 171 potenzielle Automatisierungsmöglichkeiten identifiziert, die von 2025 bis 2030 1,4 Milliarden Dollar an adressierbarem Ausgabenpotenzial generieren könnten, was die Effizienz bei Aufgaben wie Betrugserkennung und Automatisierung von Call-Centern verbessert.
Warum entscheidet sich PNC, eigene AI-Fähigkeiten aufzubauen?
PNC möchte die Kostenkontrolle aufrechterhalten und eine Abhängigkeit von Anbietern vermeiden, die zu steigenden Kosten und betrieblichen Ineffizienzen führen kann, die mit den nutzungsbasierten Preismodellen externer AI-Anbieter verbunden sind.