
NVIDIA’s Marktkapitalisierung nähert sich 5 Billionen US-Dollar, Jensen Huang hält 60,6 Milliarden US-Dollar in bar und investiert massiv in die AI-Ökosysteme. Im Dezember wurde eine Vereinbarung über 20 Milliarden US-Dollar mit Groq getroffen, um das Team zu übernehmen, und es wurde versprochen, 100 Milliarden US-Dollar in OpenAI zu investieren, 5 Milliarden US-Dollar in Intel zu investieren, 2 Milliarden US-Dollar in Synopsys und 1 Milliarde US-Dollar in Nokia, um ein Technologiereich aufzubauen.
Bis Ende Oktober 2025 werden die Bar- und kurzfristigen Investitionen von NVIDIA auf bis zu 60,6 Milliarden US-Dollar geschätzt, das ist das 4,5-fache des Betrags zu Beginn des Jahres 2023 (13,3 Milliarden US-Dollar). Analysten prognostizieren, dass allein im Jahr 2025 der freie Cashflow bei 96,85 Milliarden US-Dollar liegen wird, und in den nächsten drei Jahren könnte die Summe 576 Milliarden US-Dollar übersteigen. Dieses „zu viel an Bargeld“ bringt Huang Huang eine klare Antwort: Groß angelegte strategische Investitionen sind die beste Kapitalallokation.
Obwohl das Unternehmen in den ersten drei Quartalen dieses Jahres 37 Milliarden US-Dollar für Aktienrückkäufe ausgegeben hat, priorisiert Huang Huang strategische Investitionen deutlich höher. Er ist der Meinung, dass eine starke Bilanz Vertrauen bei Kunden und Lieferanten schafft, während das Investitions-Ökosystem „eine sehr wichtige Aufgabe“ ist, die direkt zusätzlichen Konsum für AI und NVIDIA-Chips antreibt. Dieses enorme Bargeld wird in eine unüberwindbare Wettbewerbsbarriere verwandelt.
NVIDIAs Kapitalstrategie ist längst nicht mehr nur eine reine Finanzinvestition, sondern erfolgt in Form von „Vorauszahlungen“ oder „Investitionen gegen Verpflichtungen“, um Kernkunden zu sichern, Schlüsselpartner zu binden und potenzielle Wettbewerber frühzeitig „einzukaufen“. Im heutigen intensiven AI-Wettbewerb ist Huang Huang’s „Bargeldproblem“ genau die stärkste Waffe. Diese strategische Aktion, bei der Kapital das „Energieschild“ für das Technologiereich bildet, verändert die gesamte AI-Industrie grundlegend.
Am 24. Dezember wurde eine Vereinbarung über etwa 20 Milliarden US-Dollar für technologische Lizenzierung zwischen NVIDIA und Groq getroffen. Oberflächlich bleibt Groq operativ unabhängig, doch im Kern werden die Mitbegründer, der CEO und das Kerntechnologie-Team von Groq vollständig in NVIDIA integriert, wobei die Schlüsseltechnologien in das NVIDIA-Ökosystem aufgenommen werden. Es ist eher eine direkte Einladung von Huang Huang: „Eure Technologie ist ziemlich gut, 20 Milliarden US-Dollar, bringt euer Team und eure Architektur mit, kommt zu NVIDIA und arbeitet für uns.“
Dies ist kein gewöhnlicher Zukauf, sondern eine präzise strategische Verteidigung und Ergänzung der Fähigkeiten. Das Ass von Groq ist seine LPU-Architektur (Language Processing Unit), die durch die Speicherung von Modellgewichten in SRAM anstelle von herkömmlichem HBM eine extrem schnelle Inferenz ermöglicht, manchmal sogar 10-mal schneller als GPU. Das bedroht direkt NVIDIAs „Latenzkontrollvorteil“ im AI-Inferenzmarkt. Bestsellerautor Mark Beckmann analysiert, dass Inferenz die Schlüsselentwicklung im nächsten Jahrzehnt sein wird.
Durch diese Transaktion eliminiert Huang Huang nicht nur einen Herausforderer mit einer „echten Architekturalternative“, sondern wandelt disruptive Innovationen des Gegners in Treibstoff für die eigene Beschleunigung um. Wohin wird das „Austausch“-Groq gehen? Die Transaktion zeigt, dass das Cloud-Geschäft von GroqCloud ausgegliedert wurde. Online-Kommentatoren prognostizieren pessimistisch, dass GroqCloud, das Kernteam und die Chip-Roadmap verloren haben, wie ein „Schaf zum Schlachten“, möglicherweise zu einem niedrigen Preis übernommen oder allmählich marginalisiert wird.
Dieses „Austausch“-Modell oder „Talentübernahme“ ermöglicht es, kritische Technologien und Talente zu sichern, während gleichzeitig strenge Kartellrechtsprüfungen umgangen werden. Diese Lizenzvereinbarung ähnelt den Transaktionen zwischen Meta und Scale AI oder Google und Windsurf. Diese Fälle weisen auf einen klaren Trend hin: Wenn eine Fähigkeit unersetzlich ist, ist Kooperation nicht mehr das Endziel, sondern die Internalisierung.
Huang Huangs Investitionslogik ist klar: Überkapital in flexible Kontrolle der Schlüsselstellen der AI-Value-Chain umwandeln. 2 Milliarden US-Dollar in Synopsys, den führenden Anbieter von Halbleiter-Design-Software, investieren, um NVIDIAs beschleunigte Rechenleistung direkt in die Design-Tools zukünftiger Chips zu integrieren. Das bedeutet, dass die Designzyklen für verschiedenste Chips – von Smartphones bis hin zu autonomen Fahrzeugen – durch NVIDIAs Technologie verkürzt werden.
Noch raffinierter ist die „Feind-zu-Freund“-Strategie. Huang Huang bietet dem traditionellen Prozessor-Rivalen Intel 5 Milliarden US-Dollar an. Diese Investition bringt nicht nur finanzielle Rendite, sondern auch tiefgreifende strategische und technologische Partnerschaften. Intel wird für NVIDIAs Rechenzentren maßgeschneiderte x86-CPUs entwickeln, und Intel wird NVIDIAs GPU-Kerne in die nächste Generation von PC-Chips integrieren, um den riesigen Verbrauchermarkt zu erschließen.
Modellbindung: Versprechen, 100 Milliarden US-Dollar in OpenAI zu investieren, 10 Milliarden US-Dollar in Anthropic und im Gegenzug eine Bestellgarantie im Wert von 30 Milliarden US-Dollar
Inferenz-Bedrohung eliminieren: 20 Milliarden US-Dollar für die Übernahme des Kernteams und der LPU-Technologie von Groq, Internalisierung der Inferenz-Innovationen
Infrastrukturkontrolle: 2 Milliarden US-Dollar in Synopsys, 5 Milliarden US-Dollar in Intel, 1 Milliarde US-Dollar in Nokia für 5G/6G-Netzwerke
Anwendungsvorbereitung: Investitionen in autonomes Fahren (Wayve), humanoide Roboter (Figure AI), Kernfusion (Commonwealth Fusion)
Huang Huangs Vision beschränkt sich nicht nur auf Rechenzentren. Mit dem explosionsartigen Anstieg der Nachfrage nach niedriger Latenz und hochbandbreitigen Netzwerken im AI-Bereich wird die Kommunikationstechnologie zum neuen Schlachtfeld. 1 Milliarde US-Dollar in Nokia, um gemeinsam an AI-nativen 5G- und zukünftigen 6G-Netzwerken zu arbeiten. Diese Transaktionen ergänzen sich gegenseitig und zielen auf ein gemeinsames Ziel: NVIDIAs Technologie soll die treibende Kraft hinter Chip-Design, Personal Computern, Kommunikationsnetzwerken und der ultimativen künstlichen Intelligenz werden – eine allgegenwärtige Grundpfeiler.