WEBVTT

00:00:00.300 --> 00:00:05.220
Speaker 1: Herzlich Willkommen zu Bittrauschen, der Prozessor Podcast von CT.

00:00:06.020 --> 00:00:13.480
Speaker 1: In dieser Folge die so eine Art Sonderfolge ist geht es um den beispiellosen Trubel beim Börsen-Champion NVIDIA.

00:00:14.299 --> 00:00:23.840
Speaker 1: Der charismatische Chef Jensen Wang das ist er mit der Lederjacke sah sich nach dreidreißig Jahren an der Spitze zum Rücktritt gezwungen.

00:00:24.300 --> 00:00:36.780
Speaker 1: Er wurde gleich bei zwei außerählichen Affären ertappt, aber das ist nicht das eigentliche Problem sondern eine der Frauen steht obendrein im Verdacht für China spioniert zu haben.

00:00:37.740 --> 00:00:46.460
Speaker 1: Wir besprechen was konkret über den Fall bekannt ist Was bisher nur Verdächtigungen sind und wie es für NVIDIA weitergehen könnte Bis gleich.

00:01:02.620 --> 00:01:08.520
Speaker 1: Hallo, mein Name ist Christoph Indeck und ich spreche heute mit meinem CT-Kollegen Carsten Spille.

00:01:09.200 --> 00:01:21.200
Speaker 1: Der ist nämlich Experte für Grafikkarten und hat einst auch schon mal mit Nvidia Boss Jensen Wang persönlich gesprochen oder dem jetzigen Ex-Boss von Nvidia.

00:01:21.520 --> 00:01:22.140
Speaker 1: Hallo Carsten!

00:01:22.979 --> 00:01:27.460
Speaker 0: Moin ja Früher, als die Gummistiefel noch aus Holz waren.

00:01:27.860 --> 00:01:36.679
Speaker 0: Da konnte man als Journalist auch mal mit Jensen Wang sprechen und hoffen dass er auch einen sieht oder was beantwortet.

00:01:37.399 --> 00:01:43.759
Speaker 0: Das wurde in den letzten Jahren natürlich zunehmend schwieriger als der Hype auch um seine Person immer größer wurde.

00:01:43.880 --> 00:01:50.259
Speaker 0: Und da kommt man glaube ich inzwischen fast nur noch an wenn man Analyst- oder KI Einflüsterer ist.

00:01:50.860 --> 00:02:04.660
Speaker 1: Klar Also wenn es dann um das wertvollste Unternehmen der Welt geht und eine Person mit hundertfünfzig Milliarden US-Dollar geschätzte Privatvermögen, also vor allem durch Aktien die er an seiner Firma noch hält, Exfirma.

00:02:06.200 --> 00:02:09.500
Speaker 1: Ja wie lange war das ungefähr her als du mal mit ihm sprechen konntest?

00:02:09.560 --> 00:02:11.160
Speaker 1: Kannst du das noch grob einschätzen?

00:02:11.800 --> 00:02:18.320
Speaker 0: Ich glaube dass war so zwei tausend fünfzehn sechzehn rum, also ungefähr zehn Jahre.

00:02:18.900 --> 00:02:19.300
Speaker 1: Zehn Jahre.

00:02:19.920 --> 00:02:20.660
Speaker 1: Das ist ja noch gar nicht so.

00:02:20.760 --> 00:02:21.500
Speaker 1: Fast wie gestern

00:02:21.620 --> 00:02:22.460
Speaker 0: in CT Jahren.

00:02:23.340 --> 00:02:31.800
Speaker 1: Genau, wir haben uns ja so überlegt... Wir fangen mal für die, die sich jetzt mit dem Aufstieg und Fall von NVIDIA noch gar nichts so beschäftigt haben, mal ganz vorne an.

00:02:32.440 --> 00:02:33.880
Speaker 1: NVIDia ist ja schon deutlich älter.

00:02:34.740 --> 00:02:43.980
Speaker 1: Jensen Wang war bis zum zwölften November der Chef- und Gründungsfrühstücksdirektor, wie man das so sagt.

00:02:47.720 --> 00:02:48.900
Speaker 1: Ja, erzähl doch mal ein bisschen.

00:02:48.960 --> 00:02:49.580
Speaker 1: Wie ging's los?

00:02:50.300 --> 00:02:52.540
Speaker 0: Ja, das ist ja schon gesagt.

00:02:52.720 --> 00:03:08.600
Speaker 0: In three ninety hat Jensen zusammen mit zwei anderen Leuten die Firma gegründet waren damals alles drei Männer und geboren wurde der jetzt Ex-Chef von Nvidia in three sixty in Taiwan.

00:03:09.160 --> 00:03:16.020
Speaker 0: Sein Name ist auch eigentlich nicht also spricht sich zwar Jensen aus so wie er jetzt geschrieben wird J E N S E N?

00:03:16.740 --> 00:03:19.460
Speaker 0: Ja, es hat er auch selber so sich amerikanisieren lassen.

00:03:19.580 --> 00:03:31.600
Speaker 0: Eigentlich hatte aber ein chinesischen Namen das ist gen und dann kommt neues Wort hs un also jen zung wang Und im Alter von neun Jahren kam erst in die usa.

00:03:32.340 --> 00:03:42.480
Speaker 1: ja da war er dann offenbar Ein schlaues kärlchen der kam ja wohl erst zur irgendwelchen verwandten und Ist auch amerikaner schon lange.

00:03:42.660 --> 00:03:42.720
Speaker 1: ja.

00:03:43.220 --> 00:03:51.140
Speaker 1: aber Was vielleicht für die ganze Geschichte auch wichtig ist, er spricht natürlich chinesisch und ganz genau.

00:03:52.220 --> 00:03:56.240
Speaker 1: Denn die Frau um dies später geht ist ja auch Chinesin.

00:03:57.320 --> 00:03:59.760
Speaker 1: also insofern gab es da keine Verständigungsprobleme oder...

00:04:01.920 --> 00:04:02.840
Speaker 0: Nee, das macht ihn.

00:04:03.100 --> 00:04:18.799
Speaker 0: Da hat ihn ja auch in, zum Beispiel in Taiwan wo er ja auf dem seine berühmten Walks über den Night Market macht Ja auch so beliebt gemacht weil der eben die Landessprache da spricht und auch von da kommt es also quasi so eine Art Local Hero gewesen.

00:04:19.839 --> 00:04:21.620
Speaker 0: Und ja du hattest... Der ist

00:04:21.740 --> 00:04:24.419
Speaker 1: ein Superstar in Thailand kann man sagen oder?

00:04:25.859 --> 00:04:35.560
Speaker 0: Also für die KI Bros ist er ja weltweit eigentlich auch ein Super Star Oder hast Figur je nachdem ob sie mit anderen Firmen, die mit NVIDIA konkurriert verbandelt sind.

00:04:36.500 --> 00:04:53.539
Speaker 0: Aber um nochmal ganz kurz zu recapitulieren was er so gemacht hat... Er ist dann nach Oregon gekommen und hat Elektrotechnik studiert und da hatte auch seine Frau also die mit der verheiratet ist noch kennengelernt.

00:04:53.700 --> 00:04:54.780
Speaker 0: Lori Mills hieß sie!

00:04:55.840 --> 00:05:16.260
Speaker 0: Und später machte er berufsbegleiten noch ein Master in Elektrothechnik in Stanford Und vor der Gründung von NVIDIA, haben wir ja schon gesagt, hat Wang als Chip-Entwickler zunächst bei Achtung AMD gearbeitet und dann bei LSI Logic beziehungsweise auf Liebasis.

00:05:16.460 --> 00:05:20.440
Speaker 0: also er wurde von LSI dann bei Sun Microsystems abgestellt.

00:05:21.320 --> 00:05:26.520
Speaker 0: Da hatte auch seine beiden Mitgründer von Nvidia Malakowski und Priem getroffen.

00:05:27.180 --> 00:05:29.240
Speaker 0: so das kann man alles in der Wikipedia nachlesen.

00:05:30.599 --> 00:05:32.120
Speaker 1: Aber nur mal so zur Einordnung, ja

00:05:32.320 --> 00:05:32.479
Speaker 0: genau.

00:05:33.979 --> 00:05:36.940
Speaker 1: Aber AMD hat hier damals noch gar keine Graphic Chips gemacht ne?

00:05:37.080 --> 00:05:39.680
Speaker 1: Das war ja später erst mit LTI, mit dem Zughauf.

00:05:40.900 --> 00:05:51.219
Speaker 1: Das heißt auf die Idee was mit Grafik zu machen oder Graphicschips zu entwickeln mit seinen zwei Kumpels Das war davon erst mal unabhängig.

00:05:52.180 --> 00:05:54.979
Speaker 1: Die waren Chip-Entwickler und sahen da irgendwie den Marktpotenzial.

00:05:55.020 --> 00:05:55.060
Speaker 1: Und

00:05:55.099 --> 00:06:02.340
Speaker 0: das war Anfang der Neunziger ein boomender Markt, da war ATI also was später ja von einem D aufgekauft wurde auch einer der Marktführer.

00:06:03.099 --> 00:06:10.740
Speaker 0: Und offensichtlich haben sie sich dann überlegt Ja, da steckt noch ganz viel Potential drin aber wahrscheinlich haben Sie es noch nicht so unbedingt an KI gedacht.

00:06:12.320 --> 00:06:14.799
Speaker 1: Auf keinen Fall denn das war ja noch lange nicht die Rede.

00:06:14.880 --> 00:06:18.520
Speaker 1: von Da hätten die Rechenleistungen damals ja auch gar nicht gereicht.

00:06:18.599 --> 00:06:21.620
Speaker 1: oder auch die Speichermengen, die man in einen Computer quetschen konnte.

00:06:22.260 --> 00:06:28.960
Speaker 1: Das ist ja so ein... Nein es ist ja nicht ein Hennerei-Problem sondern es ist eine Verkettung von Umständen das KI überhaupt möglich wurde.

00:06:29.180 --> 00:06:35.760
Speaker 1: also immer mehr Rechenleistungen, immer schlauere Algorithmen, immer mehr RAM und Daten verfügbar.

00:06:35.900 --> 00:06:38.340
Speaker 1: Das hat sich ja alles gegenseitig befruchtet.

00:06:40.080 --> 00:06:41.719
Speaker 1: aber darum ging's mir gar nichts.

00:06:42.180 --> 00:06:46.960
Speaker 1: Über KI haben wir ja schon viel gesprochen in vielen Podcasts, sondern jetzt mal hier fokussiert auf Nvidia.

00:06:47.460 --> 00:06:49.380
Speaker 1: Es ging eigentlich mit Grafikkarten los.

00:06:49.919 --> 00:06:53.359
Speaker 1: Viele wissen das ja auch und da gab es schon viele glückliche Fügungen.

00:06:53.719 --> 00:06:55.260
Speaker 1: Da möchte ich gar nicht so drauf eingehen.

00:06:57.020 --> 00:07:00.820
Speaker 1: Wann ging's denn ungefähr mit dem KI-Boom so los bei Nvidia?

00:07:01.380 --> 00:07:04.580
Speaker 0: Also dann muss man tatsächlich nochmal ganz kurzen Rückgriff machen.

00:07:04.659 --> 00:07:15.979
Speaker 0: Der KI Boom der war ja tendenziell erst... deutlich später, so als tatsächlich auch die Grafikchips daraufhin optimiert wurden.

00:07:16.680 --> 00:07:23.840
Speaker 0: Aber die Grundlagen legte NVIDIA ab dem Jahr zwei Tausend vier, da haben sie nämlich angefangen, die Prokrabierschnittstelle CUDA zu entwickeln.

00:07:24.539 --> 00:07:27.020
Speaker 0: Die haben sie im Jahr zwei tausend sieben dann veröffentlicht.

00:07:27.080 --> 00:07:39.060
Speaker 0: das ist jetzt neunzehn Jahre her wenn man ein bisschen kopfrechnet und damit ließen sich die dann erschienenen Nvidia GPUs General Purpose Beschleuniger einsetzen.

00:07:39.120 --> 00:07:54.859
Speaker 0: Also sie konnten erstmals, beziehungsweise es ist nicht ganz richtig aber sie konnten auf breiter Basis dann Allgemeine Berechnung auf der Grafikkarte durchführen also auch in Entsprechend hoher Genauigkeit und nicht eben nur bunte Pixel auf den Schirm werfen.

00:07:56.099 --> 00:08:06.020
Speaker 1: das heißt also die Idee Einen drei D beschleunigen für vor allem ja Spiele Aber das hat man damals ja auch schon gemacht gab Ja schon Profi Grafikarten auch für Workstations.

00:08:07.180 --> 00:08:21.299
Speaker 1: Die wurden ja schon immer auch so ein bisschen, oder schon lange, für andere Berechnungen verwendet als nur drei D. Und die Grundidee ist noch älter, Sachen auf GPUs auszulagern, also die CPU zu entlasten.

00:08:21.479 --> 00:08:25.520
Speaker 1: Aber dass das richtig nutzbar wurde, da war entweder sozusagen ganze Woche Mitarbeiter.

00:08:26.719 --> 00:08:49.300
Speaker 0: Das gab es früher auch schon aber dann musste man tatsächlich fast in einer sehr hartvernahen Sprache oder teilweise fast in den Registern der Chips rumpulen Und das hat sich entsprechend nicht sehr breit durchgesetzt und Kuda hat das eben quasi auf einer Hochlevel Ebene ermöglicht, sodass auch entsprechende Tools entwickelt wurden.

00:08:49.500 --> 00:08:54.240
Speaker 0: Und so mehr Entwickler, dass tatsächlich dann auch nutzen könnten.

00:08:55.780 --> 00:09:05.040
Speaker 1: Ist das für dein Gefühl mit der Person von Jensen Wang verknüpft diese Kuda-Idee oder ist lag das auch in der luft?

00:09:05.220 --> 00:09:07.939
Speaker 1: oder gibt es da anderen namen in der firma die man kennt?

00:09:08.079 --> 00:09:09.560
Speaker 1: oder kann man das sagen?

00:09:09.620 --> 00:09:10.220
Speaker 1: im nachhinein

00:09:11.000 --> 00:09:18.800
Speaker 0: ja ein also ich weiß nicht wie weit jensen waren sich tatsächlich in die tagtäglichen engineering belange eingemischt hat?

00:09:18.920 --> 00:09:27.880
Speaker 0: nvidia hatte quasi seit mindestens zweitausend und neunneinzig einen chief scientist also ein chef entwickeler sozusagen.

00:09:29.300 --> 00:09:30.819
Speaker 0: das war anfangs david kirk.

00:09:31.920 --> 00:09:34.500
Speaker 0: Die haben sich einfach um die Richtungen auch gekümmert.

00:09:35.160 --> 00:09:47.560
Speaker 0: Und im Jahr zwei Tausend vier fünf ging es dann langsam los, dass manche Berechnung damals, wer sich da noch dran erinnert gab es zum Beispiel dieses verteilte Rechenprojekt Folding at Home.

00:09:47.939 --> 00:10:11.140
Speaker 0: Da gab es dann Client Software diese Berechnungen auf Grafikchips, damals noch alten Grafik Chips sehr viel schneller gemacht haben und da hat man wohl erstmals gesehen okay, da gibt es tatsächlich Potenzial bei naturwissenschaftlichen technischen Berechnungen einfach diese Parallelität, die Grafikchips von Natur aus haben in mehr Rechenleistung umzusetzen.

00:10:11.880 --> 00:10:14.020
Speaker 1: Das der Witz an Kuda war ja gar nicht so sehr.

00:10:14.120 --> 00:10:16.680
Speaker 1: wie gesagt wir haben es jetzt schon mal gesagt ich möchte nochmal anders drehen.

00:10:17.920 --> 00:10:25.560
Speaker 1: Die Idee an sich da gab's sicherlich auch noch andere Projekte, aber es wurde halt einfach praktikabel nutzbar.

00:10:25.620 --> 00:10:34.720
Speaker 1: Es ist viel an Unis genutzt worden weil das auch zwar mit reduzierter Genauigkeit auf bezahlbaren Gaming Grafikkarten ging.

00:10:34.800 --> 00:10:40.720
Speaker 1: Das ist ja jetzt schon fast ein Witz über bezahlbare Gaming Grafikaten zu reden heute wie sich die Zeit verändert hat.

00:10:41.060 --> 00:10:53.540
Speaker 1: Aber andere haben dass Ähnliche Dinge auch getan mit Spezialbeschleunigern, aber das war ja quasi nur für Wissenschaftler und Entwickler zugänglich die Für Super Computer was machen konnten oder spezielle Workstation Karten und so.

00:10:54.900 --> 00:11:02.760
Speaker 1: Es war im Grunde eine Demokratisierung und deswegen konnten das sozusagen dafür dass es ein sehr spezielles Programmierverfahren ist, konnten das relativ viele Leute.

00:11:03.319 --> 00:11:14.140
Speaker 1: ich stelle mir immer so vor, dass ebenso die frühen KI Pioniere quasi zufällig oder einfach pragmatisch das genutzt haben, was verfügbar war für ihre superparallele Rechenleistung.

00:11:14.400 --> 00:11:15.240
Speaker 1: Würdest du es auch so sehen?

00:11:16.260 --> 00:11:17.660
Speaker 0: Ja zufällig weiß ich gar nicht.

00:11:17.720 --> 00:11:18.780
Speaker 0: aber ja die haben genutst.

00:11:18.840 --> 00:11:21.780
Speaker 0: was da war gab ja auch keine andere Möglichkeit.

00:11:21.840 --> 00:11:35.900
Speaker 0: man konnte nicht einfach zumindest als kleines Forschungsteam an irgendwelchen Universitäten oder so konnte man ja nicht hingehen und sagen wir entwickeln jetzt mal einen tollen superparalleelen Chip mit ultra schnellem Speicher und lassen den dann auch noch fertigen.

00:11:38.560 --> 00:11:40.040
Speaker 1: Ja klar, so weit wollte ich gar nicht gehen.

00:11:40.140 --> 00:12:04.220
Speaker 1: Aber das ist eben ausgerechnet Nvidia geworden ist weil AMD hat sicher... Das war ja legendär wie schwer sich AMD mit den Treibern getan hat jahrelang und es gab halt dieses CUDA diese diese Programmierschnittstelle für Allzweckaufgaben war und hat jetzt schon neunzehn Jahre auf dem Buckel und einer Roadmap die halt auch funktioniert hat wenn AMD im Gegenzug drei mal das Pferd gewechselt hat.

00:12:04.740 --> 00:12:08.620
Speaker 1: Diese Software hieß und dann ging immer das nicht und dieses nicht.

00:12:11.819 --> 00:12:12.880
Speaker 1: Also mit mir geht es darum.

00:12:13.340 --> 00:12:22.260
Speaker 1: damals, vor dem KI-Hype waren ja eigentlich die GPUs diese Grafikkarten noch sehr grafikartig sozusagen.

00:12:22.880 --> 00:12:28.620
Speaker 1: Das hat sich geändert, die heutigen KI Rechenbeschleuniger, die mit denen Nvidia diese riesen Summen umsetzt.

00:12:29.180 --> 00:12:41.960
Speaker 1: Das sind ja tatsächlich ganz stark für KI Optimierte Prozessoren eigentlich und haben mit gpu man nennt die zwei gpu aber eigentlich haben sie doch mit der Grafikkarten gpu gar nicht mehr so viel zu tun.

00:12:42.040 --> 00:12:42.860
Speaker 1: oder kann man das so sagen?

00:12:43.500 --> 00:12:44.640
Speaker 0: Ja, dass kann man so sagen.

00:12:44.699 --> 00:12:53.600
Speaker 0: also Sie sind aus klassischer Sicht werden sie halt noch gpus genannt weil sie halt tatsächlich also im envidia fall können sie tatsächlich noch ganz bisschen grafik.

00:12:54.420 --> 00:13:02.120
Speaker 0: Aber Der großteil der der schaltflächen oder der der Schaltung und der chip fläche ist halt für spezielle.

00:13:03.079 --> 00:13:06.960
Speaker 0: Nvidia nennt die Tensorkerne, Matrix-Matrix Multiplikationen.

00:13:07.060 --> 00:13:18.280
Speaker 0: Die bei KI Berechnungen halt...die entscheidende Rolle spielen geht der Großteil der Chipfläche für drauf und da sind auch die größten Fortschritte von Generation zu Generation zu

00:13:18.380 --> 00:13:18.880
Speaker 0: verzeichnen.".

00:13:19.439 --> 00:13:22.920
Speaker 1: Das ist also das was so ungefähr seit Zehn Jahren vielleicht, ne?

00:13:23.079 --> 00:13:25.220
Speaker 1: Zwei tausend

00:13:25.260 --> 00:13:27.660
Speaker 0: sechzehnt zwölfzehn acht Jahr.

00:13:28.880 --> 00:13:37.920
Speaker 1: Okay kann man also so klar festmachen dass ab da Spätestens dann diese KI Berechnungen mehr in den Vordergrund traten, aber das so richtig die Firma so irre abgehoben hat.

00:13:38.000 --> 00:13:39.760
Speaker 1: Das ist ja erst so ungefähr fünf Jahre ne?

00:13:40.319 --> 00:13:53.340
Speaker 0: Ja also das war ja Abzusehen dass KI dann auch also Maschinen Learning was wir im Prinzip auch eine Art von KI Berehnung ist gab es schon ein bisschen früher.

00:13:53.720 --> 00:14:02.960
Speaker 0: da liefen die Grafik Chips auch schon sehr gut und wenn man dann halt die entsprechenden Zusatzschaltung noch mit einbezogen hat.

00:14:03.520 --> 00:14:14.660
Speaker 0: Da eignete sich dann halt die GPU, die klassische GPU eigentlich sehr gut für KI aber das NVIDIA so abgehoben hat kommt ja nicht von ungefähr.

00:14:14.760 --> 00:14:15.880
Speaker 0: Das hatte ja auch Gründe.

00:14:16.380 --> 00:14:22.740
Speaker 0: einen hatten wir schon genannt CUDA und die große Verbreitung dieses Software-Ökosystemen hatte.

00:14:23.819 --> 00:14:31.160
Speaker 0: Und Nvidia verkauft inzwischen auch gar nicht mehr einzelne Beschleuniger hauptsächlich, also machen sie wahrscheinlich auch noch.

00:14:31.699 --> 00:14:46.680
Speaker 0: Aber am liebsten verkaufen Sie die ja komplette Schränke mit voll mit KI-Beschleunigern, die auch Zusatzprozessoren haben eine super schnelle Endwheeling Vernetzung, Netzteile Wasserkühlung und die Softwarelizenz ist alles noch dabei.

00:14:47.240 --> 00:14:53.640
Speaker 0: und eigene optimierte KI Modelle und die KI-Plattform Huggingface haben Sie jetzt auch noch gekauft.

00:14:54.180 --> 00:14:57.079
Speaker 0: Also du kriegst da quasi alles schlüsselfertig aus einer Hand.

00:14:57.900 --> 00:15:16.199
Speaker 1: Den Punkt würde ich gerne nochmal vertiefen, das heißt anders als viele so denken geht es nicht darum dass diese großen KI Rechenzentren irgendwie einzelne KI-Beschleuniger bei NVIDIA kaufen und in ihre Server stecken sondern die kaufen tatsächlich im Grunde Schlüssel fertige KI Systeme.

00:15:16.300 --> 00:15:16.900
Speaker 1: kann man das so sagen?

00:15:17.220 --> 00:15:27.020
Speaker 0: Ja also das ist quasi der Salespitch sagt man glaube ich auf Neudeutsch Dass du halt nicht schon Rechenzentrum haben musst und dann wird jeder Schrank aufgeschlossen.

00:15:27.140 --> 00:15:31.480
Speaker 0: Und die Blades ausgetauscht, sondern die Rollen dir quasi mit Hubwagen.

00:15:31.840 --> 00:15:37.360
Speaker 0: Die Server schränkereien schließen die an und dann kannst du im Prinzip loslegen.

00:15:38.699 --> 00:15:43.040
Speaker 1: das heißt auch wenn du zum Beispiel jetzt noch nicht so.

00:15:43.480 --> 00:15:46.560
Speaker 1: Ich wurde jetzt letztens mal gefragt, warum ist das denn ausgerichtet?

00:15:46.620 --> 00:15:53.720
Speaker 1: Die deutschen Firmen, die Telekom hat ja einen rechten Zentrum in München und wirbt ja explizit damit dass da eben auch Nvidia Hardware drin ist.

00:15:54.140 --> 00:16:06.240
Speaker 1: Das heißt gerade wenn man nicht so viel Fachpersonal jetzt da hat... ...und damit loslegen möchte dann fällt einem das bei Nvidia besonders schwer oder man kommt besonders schnell zum Schuss kann man das so sagen?

00:16:06.840 --> 00:16:09.140
Speaker 0: Besonders leicht fällt einem es!

00:16:10.920 --> 00:16:11.340
Speaker 1: Ja, genau.

00:16:11.460 --> 00:16:12.980
Speaker 1: Besonders leicht und vor allem schnell!

00:16:13.060 --> 00:16:16.020
Speaker 1: Weil das ist ja der springende Punkt im Moment.

00:16:16.460 --> 00:16:35.120
Speaker 1: Das heißt Nvidia mag vielleicht teurer sein als andere konkurriende Anbieter aber man hat ein so großes Ökosystem dass man eben seine Investition auch sofort oder sehr sehr schnell nutzen kann und die Risiken einfach geringer sind als wenn man jetzt vielleicht einen spezialisierten Beschleuniger hat wo man dann die Software noch anpassen muss.

00:16:36.460 --> 00:16:36.520
Speaker 1: Das

00:16:37.079 --> 00:16:37.720
Speaker 0: kann man so sagen.

00:16:37.980 --> 00:16:49.860
Speaker 0: Also prinzipiell geht es daher halt um große Geldsummen und Kaisen hoch dynamischer Markt, du willst natürlich deine Investition möglichst schnell dass die irgendwie Geld abwirft bevor sich wieder alles verändert hat.

00:16:51.540 --> 00:16:54.620
Speaker 0: also das heißt Time to market ist essentiell.

00:16:55.740 --> 00:17:10.579
Speaker 1: Also unter diesem KI dieser rasen schnell Veränderung sozusagen die belastet nicht nur uns hier weil man berichterstattung immer schon oh gott das ist ja schon drei wochen her da gibt es ja vier neue modelle und bestimmt schon wieder eine neue option am beschleuniger.

00:17:11.520 --> 00:17:14.520
Speaker 1: Sondern dass ist ja auch in der konkurrenzsituation schwierig.

00:17:14.780 --> 00:17:17.379
Speaker 1: man muss rasend schnell auf veränderungen reagieren.

00:17:18.660 --> 00:17:21.920
Speaker 1: ich wollte noch mal so zwei drei sachen sagen.

00:17:22.119 --> 00:17:25.180
Speaker 1: also Weiß man überhaupt was so ein Schrank?

00:17:25.300 --> 00:17:32.020
Speaker 1: also das sind ja immer die heißen ja immer manche dieser dgx Systeme heißen dann irgendwie was mit nvl-siebzig.

00:17:32.720 --> 00:17:49.639
Speaker 1: Das bedeutet ja dass da seventy rechenbeschneuniger drin sind aber der ist ja noch viel mehr drinnen irrsinnige mengen an ramm in so einem schrank mehrere terabyte Ja Hundertsechzig kilowatt leistung oder mehr pro schrank also und zwar Dauerleistungen.

00:17:49.700 --> 00:17:54.560
Speaker 1: daher kommen ja diese wahnsinnigen Dimensionen dieser KI-Rechtenzentren.

00:17:55.080 --> 00:17:56.900
Speaker 1: kennt man Preise für einen solchen Schrank.

00:17:56.980 --> 00:18:04.960
Speaker 0: Also offiziell, es gibt nicht die Nvidia Preisliste wo man reingucken kann und sagen so und so viele ich muss mal schon sagen Millionen Dollar.

00:18:05.080 --> 00:18:08.800
Speaker 0: aber es gibt glaubwürdige Gerüchte dass die So ein Schrank.

00:18:08.879 --> 00:18:15.080
Speaker 0: also der ist dann halt ja als NVL-II in siebzig wird er verkauft da ist halt alles bei den schließt man an und kann dann loslegen.

00:18:15.139 --> 00:18:28.360
Speaker 0: also da ist die Kühlung drin Da is Ram hast du schon genannt Netzteile das sind auch etliche Netzteile wichtig, Vernetzung innerhalb des Schrankes.

00:18:29.920 --> 00:18:34.740
Speaker 0: Da gibt es Zahlen von über sieben Millionen US-Dollar für einen einzelnen dieser

00:18:34.780 --> 00:18:35.080
Speaker 0: Schränke.".

00:18:35.620 --> 00:18:36.940
Speaker 1: Okay und das kleine Rechenzentrum?

00:18:37.100 --> 00:18:39.600
Speaker 1: Und die Rückkühlung braucht man ja auch noch in den Stromanschluss.

00:18:39.639 --> 00:18:41.180
Speaker 0: Ja nun Pina!

00:18:41.220 --> 00:18:41.860
Speaker 0: Gut okay.

00:18:43.280 --> 00:18:58.660
Speaker 1: also jetzt haben wir mal kurz umrissen dass ist das eigentliche Business mit dem es Nvidia auf diesen phänomenalen Börsenwert von mehr als vier Komma drei Billionen US-Dollar gebracht hat und das ist kein Übersetzungsfehler aus den amerikanischen.

00:18:58.860 --> 00:19:05.520
Speaker 1: Da wären es Trillion, also es geht wirklich um Billionen USD Börsenswerte.

00:19:05.560 --> 00:19:19.340
Speaker 1: Zwischendrin – Das hat sich ja krass geändert seit Jensen Wang seine ganze Firma in Schieflage gebracht war Nvidia das wertvollste Unternehmen der Welt vor Apple, Microsoft, Google Alphabet.

00:19:21.200 --> 00:19:25.960
Speaker 1: Und ja dann würde ich jetzt sagen wir legen mal mit der Chronologie los.

00:19:26.320 --> 00:19:27.840
Speaker 1: wie was ist wann passiert?

00:19:28.400 --> 00:19:44.600
Speaker 0: Okay am neunundzwanzigsten Oktober dieses Jahres also im Jahr zwanzig hat die New York Times berichtet dass Jensen Hagen in Untersuchung von US-Behörden zu Spionage aus der Volksrepublik China involviert sei.

00:19:45.540 --> 00:19:58.960
Speaker 0: Das ist also quasi schon Ende Oktober passiert und die Ermittlungen selber richteten sich allerdings gegen Alice Wang, obwohl sie jetzt den gleichen Nachnamen trägt aber wohl nicht verwandt oder verschwägert ist.

00:19:59.340 --> 00:20:00.540
Speaker 0: das ist eher Zufall.

00:20:01.780 --> 00:20:05.680
Speaker 0: Und die New York Times berichtete halt dass Mr.

00:20:05.740 --> 00:20:12.280
Speaker 0: Huang und Mrs... oder Miss Huang, also Jensen und Alice schon seit einer geraumten Zeit eine Affäre hatten.

00:20:13.960 --> 00:20:18.879
Speaker 0: Das ist jetzt nun nicht so out of this world das passiert wohl öfter mal.

00:20:18.980 --> 00:20:32.960
Speaker 0: dass Leute Affären haben habe ich gehört Aber die Frau arbeitete in Singapur als Führungskraft bei dem Unternehmen Megaspeed Und über dieses Unternehmen sollen illegal Nvidia Produkte nach China exportiert worden sein.

00:20:34.320 --> 00:20:37.520
Speaker 1: Okay Da reden wir später nochmal darüber, was das genau bedeutet.

00:20:37.740 --> 00:20:41.520
Speaker 1: Aber vor allem ist ja am neunzwanzigten Oktober.

00:20:41.620 --> 00:20:45.680
Speaker 1: ich habe extra noch mal geguckt auf die auch den Börsenkurs von Nvidia.

00:20:45.940 --> 00:20:47.639
Speaker 1: da sah man eigentlich noch keinen großen Dip.

00:20:50.379 --> 00:20:53.760
Speaker 1: erst am acht November hat Jensen Wang die Affäre ja zugegeben

00:20:53.920 --> 00:20:54.040
Speaker 0: oder?

00:20:55.379 --> 00:21:03.300
Speaker 0: Und da war dann inzwischen schon die Hölle los, also wird es ja gesagt, Nvidia war zwischenzeitlich auch mal das wertvollste Unternehmen der Welt.

00:21:03.340 --> 00:21:04.840
Speaker 0: Das war's da schon nicht mehr.

00:21:05.920 --> 00:21:13.120
Speaker 0: Die Kurse sind schon bei den Mittterm-Wahlen ein bisschen oder zu den Mitterm-Walen ein bisschen runtergegangen, die am dritten November stattfunden.

00:21:13.960 --> 00:21:18.600
Speaker 0: Da wurde ja bekanntlich Trump und die Republikaner stark abgestraft.

00:21:18.660 --> 00:21:30.500
Speaker 0: Die Demokraten haben deutlich gewonnen, haben jetzt ziemlich sicher beide Kammern des Parlaments unter Kontrolle... ...und da sind dann auch KI-Aktien

00:21:31.020 --> 00:21:31.879
Speaker 0: abgestürzt.".

00:21:33.060 --> 00:21:34.940
Speaker 1: Also das war alles in demselben Zeitraum?

00:21:35.000 --> 00:21:35.040
Speaker 1: Ja!

00:21:35.080 --> 00:21:39.960
Speaker 1: Das heißt also vor dem Wochenende der vor den Mithörmwahlen war dieser Bericht in The New York Times.

00:21:41.080 --> 00:21:45.720
Speaker 1: Dann hat in den USA wahrscheinlich kaum einer drauf geachtet, weil alles da ja schon.

00:21:46.080 --> 00:21:49.260
Speaker 1: Genau die Midterms das waren vier Tage später.

00:21:49.400 --> 00:22:03.580
Speaker 1: im dritten November waren die midterms und dann ich glaube es war der Donnerstag danach so gegen Mittag also als bei uns gegen mittag glaube ich irgendwie da an dem donnerstag hat die Börse das krass reagiert bei sehr vielen KIA Aktien.

00:22:04.400 --> 00:22:06.440
Speaker 1: aber was war denn genau das Problem?

00:22:06.840 --> 00:22:10.360
Speaker 1: dass die bürsijana so das vertrauen Ein wenig verloren haben ich.

00:22:10.879 --> 00:22:16.639
Speaker 1: Ich sage jetzt noch mal gleich dazu an dem montag drauf hat sich wieder vieles beruhigt ging viele kurze wieder hoch.

00:22:16.800 --> 00:22:19.360
Speaker 1: aber erstmal warum?

00:22:19.480 --> 00:22:21.920
Speaker 1: was war denn eigentlich der grund warum es da schon bergab ging?

00:22:22.760 --> 00:22:37.120
Speaker 0: ja also ich hatte ja schon gesagt die demokraten haben deutlich hinzugefanden und Viele Leute an der Börse haben wohl vermutet, dass die KI-Giganten, die unter Trump im Prinzip machen konnten was sie wollen.

00:22:37.160 --> 00:22:51.300
Speaker 0: Wenn sie nur brav gelächelt und gespendet haben das die deutlich stärker reguliert werden würden wenn die Demokraten ja Haushaltsausschüsse und alle Dinge die halt im Parlament beschlossen werden müssen bestimmen konnten.

00:22:52.360 --> 00:22:57.700
Speaker 0: Und zugleich gab es allerdings auch, das ist ein bisschen weniger bekannt mit den Mitternwahlen.

00:22:57.780 --> 00:23:04.220
Speaker 0: Abstimmung in zehn US-Bundesstaaten über einzelne Bauprojekte für große KI-Rechenzentren.

00:23:05.260 --> 00:23:18.560
Speaker 0: und diese Abstimmungen in zehn Bundesstaaten also es ging tatsächlich nicht nur um eins was zufällig mal irgendwo schlecht geplant war oder so sondern überall wurden die von den Wählern abgestraft.

00:23:19.660 --> 00:23:29.960
Speaker 0: Also die Bauprojekte wurden quasi alle ja im Prinzip abgelehnt und man hat halt gemerkt, dass die Stimmung in der US-Befolgerung klar gegen diese Riesenprojekte läuft.

00:23:30.980 --> 00:23:37.540
Speaker 0: Weil da wird halt häufig anders jetzt als es in Deutschland oft ist direkt neben Wohngegenden gebaut.

00:23:37.860 --> 00:23:39.639
Speaker 0: Da wird die Wasserknappheit verschärft.

00:23:39.680 --> 00:23:40.879
Speaker 0: das ist jetzt bei uns auch ein Thema.

00:23:41.620 --> 00:23:52.820
Speaker 0: Und die Dinger werden teils mit extra hergekartend Gas-Turbinen angetrieben oder reaktivierten Fossilkraftwerken, was direkt neben so einer Wohnanlage natürlich ziemlich scheiße ist.

00:23:54.600 --> 00:24:00.420
Speaker 1: Das heißt am Donnerstag dem fünften gab es einen Kurssturz bei vielen KI Aktien.

00:24:01.379 --> 00:24:07.420
Speaker 1: Ich möchte noch sagen also auch wenn du mal in Frankfurt Ost in... Was ist das?

00:24:07.600 --> 00:24:09.100
Speaker 1: Nicht Säckbach eng!

00:24:09.600 --> 00:24:10.060
Speaker 1: Ich weiß es nicht.

00:24:10.639 --> 00:24:15.000
Speaker 1: Also da stehen die Häuser auch direkt neben den Rechenzentren, also das ist wirklich irre.

00:24:15.920 --> 00:24:19.060
Speaker 1: gegenüber auf der Straße geht's dann thirty vier Meter hoch so eine Aluwand.

00:24:20.160 --> 00:24:21.540
Speaker 1: Das sieht schon sehr schräg aus.

00:24:21.760 --> 00:24:25.440
Speaker 1: aber die haben tatsächlich keine ausgemusterten Flugzeugturbinen.

00:24:25.500 --> 00:24:31.100
Speaker 1: Da stehen die flüssig Grasabfahrten um den Generator anzufahren.

00:24:31.360 --> 00:24:33.060
Speaker 1: Das hilft ein bisschen bei der Akzeptanz.

00:24:33.560 --> 00:24:39.379
Speaker 1: Aber sie haben natürlich Die haben trotzdem auch Notstromgeneratoren, die anspringen.

00:24:39.440 --> 00:24:42.420
Speaker 1: Aber das machen sie zum Glück nicht so oft und sind auch ein bisschen besser gedämmt.

00:24:42.500 --> 00:24:48.420
Speaker 1: also die stehen da nicht direkt neben den Häusern sondern... ...die haben sich schon ein bisschen geschickt meistens zwischen der Rechenzentren gestellt.

00:24:49.200 --> 00:24:50.920
Speaker 1: Also so ist es auch nicht Und da ist die Stimmung.

00:24:51.020 --> 00:24:57.060
Speaker 1: wie ich jetzt auch seit einigen Tagen weiß kann die Stimmung in Deutschland sehr gegen KI-Rechtenzentren sein.

00:24:58.420 --> 00:25:03.580
Speaker 1: aber gut man hatte sich das wohl anders erhofft Da ging's erst mal back ab Da

00:25:06.820 --> 00:25:11.560
Speaker 0: ging es dann los, aber der Knaller kam eigentlich erst am Sonntag.

00:25:12.360 --> 00:25:20.440
Speaker 0: Am achten November also drei Tage später nochmal da hat nämlich Nvidia auf seiner eigenen Webseite zwei Erklärungen veröffentlicht.

00:25:20.800 --> 00:25:25.639
Speaker 0: Also das ist jetzt nicht irgendwie von irgendeinem Investigativ Team oder so gelegt worden oder was?

00:25:25.700 --> 00:25:29.720
Speaker 0: Das tatsächlich mussten sie wohl damit rauskommen.

00:25:31.000 --> 00:25:37.600
Speaker 0: In dem ersten hat Jensen Wang eine außerehrliche Affäre eingestanden, sagte aber nicht mit wem.

00:25:37.920 --> 00:25:43.980
Speaker 0: Also da wurde nur gesagt er sei seiner Frau treu gewesen und bereue das alles und blablabla.

00:25:44.700 --> 00:25:49.720
Speaker 0: Und er hatte also diesen Namen Alice Wang den wir ja schon angesprochen hatten erwähnt.

00:25:50.500 --> 00:26:01.240
Speaker 0: Und zweitens versprach das Board of Directors quasi der Verwaltungs- oder Aufsichtsrat der Firma in dem Wang aber auch Mitglied ist eine unabhängige Untersuchung.

00:26:02.700 --> 00:26:08.340
Speaker 0: Das mussten sie wahrscheinlich machen, weil Huang eigentlich einfach ein sehr großer Einzelaktionär bei NVIDIA ist.

00:26:08.440 --> 00:26:25.340
Speaker 0: Ich glaube, drei Komma sechs Prozent oder so von diesem Riesenunternehmen hat er und wenn er sich von seiner Frau hätte aufgrund dieser Affäre scheiden lassen dann wäre allein das schon Problem geworden, weil dann hätte sie wahrscheinlich die Hälfte seines Vermögens bekommen und hätte das dann vielleicht zu Geld gemacht und das hätte den Börsenkurs beeinflusst.

00:26:27.280 --> 00:26:35.120
Speaker 0: Firmen in den USA ja sehr verpflichtet, dass anderen Anlegern sobald sie das wissen auch mitzuteilen.

00:26:35.600 --> 00:26:49.440
Speaker 1: Am neunten November war dann aber wieder am Montag und da haben sich die KI-Aktien also viele nicht, die meisten kann ich jetzt gar nicht sagen, genau habe ich es nicht geguckt, aber viele haben sich wieder erholt und bei Nvidia aber nicht?

00:26:49.639 --> 00:26:49.720
Speaker 1: Nein,

00:26:49.800 --> 00:26:50.560
Speaker 0: bei Nvidia nicht!

00:26:51.780 --> 00:26:59.100
Speaker 0: Zwischen, also wir hatten ja gesagt es ging am dritten ungefähr los und bis zu diesem neunten, also Nvidia ging auch später noch weiter runter.

00:26:59.840 --> 00:27:04.879
Speaker 0: Bis zum elften November zum Beispiel verlor die Nvidia-Aktie mehr als fünfzehn Prozent ihres Wertes.

00:27:05.260 --> 00:27:17.260
Speaker 0: Also wenn wir mal diese vier Billionen, also Viertausend Milliarden um die Missverständnisse nochmal auszuräumen, Vier tausend Millionen überschlagen, dann sind das sechshundert Milliarden US Dollar Verlust an Börsen wert!

00:27:18.540 --> 00:27:21.700
Speaker 1: Okay, das ist natürlich der Hausnummer.

00:27:21.980 --> 00:27:22.040
Speaker 1: Ja

00:27:23.420 --> 00:27:24.040
Speaker 0: und da klingeln

00:27:24.080 --> 00:27:24.920
Speaker 1: dann die Alarmglocken.

00:27:26.400 --> 00:27:27.040
Speaker 0: Es ging weiter!

00:27:30.300 --> 00:27:41.360
Speaker 0: Die ganze Zeit popten natürlich weitere Spekulationen hoch und am elften November wurde bekannt dass Jensen Wang noch eine weitere Affäre jetzt eingestehen musste.

00:27:41.420 --> 00:27:45.300
Speaker 0: wie viel er nun wirklich hatte weiß man nicht Aber die hat er auch eingestanden.

00:27:45.340 --> 00:27:55.200
Speaker 0: und das ist natürlich, dass es auch noch ein Problem weil das mit einer leitenden Nvidia-Mitarbeiterin Kimberly Powell geschah.

00:27:55.480 --> 00:28:02.100
Speaker 0: Und das ist in den USA ein Problem, da ist glaube ich der Gelsinger schon drüber gestolpert oder?

00:28:02.420 --> 00:28:05.460
Speaker 1: Nee, der Vorgänger, der Kresnik, der Brian Kresnick

00:28:05.840 --> 00:28:06.060
Speaker 0: Genau!

00:28:07.400 --> 00:28:17.760
Speaker 0: Da ist das von der Corporate Governance ganz ungern gesehen wenn... Ja leitendes Führungspersonal mit untergebenen irgendwelche Affären einfängt.

00:28:18.440 --> 00:28:23.440
Speaker 0: Und das war dann quasi der Tropfen, der das fast zum Überlaufen brachte.

00:28:23.520 --> 00:28:30.160
Speaker 0: wohl und am nächsten Tag also zwölften November hat das Board of Directors dann verkündet dass Wang zurücktritt.

00:28:30.560 --> 00:28:37.160
Speaker 0: Also sowohl als CEO als Chef seiner eigenen von ihm gegründeten Firma als auch aus dem Board Of Directors.

00:28:37.780 --> 00:28:47.680
Speaker 1: Und in den Board of Directors ist ja nicht so... Üblich immer, dass der CEO also der Chief Executive Officer auch im Bord sitzt.

00:28:47.800 --> 00:28:50.740
Speaker 1: Aber in dem Fall ist es deshalb auch weil er ja Mitgründer war.

00:28:50.840 --> 00:28:50.879
Speaker 1: ne?

00:28:51.139 --> 00:28:51.920
Speaker 0: Ja genau.

00:28:52.520 --> 00:28:52.700
Speaker 1: Genau!

00:28:52.980 --> 00:28:57.800
Speaker 1: Ist so eine Tradition auch oft das die Gründer im Verwaltungsrat oder sowas jetzt.

00:28:58.260 --> 00:29:01.840
Speaker 1: Das heißt also nach dreieinhalb Jahren an der Spitze ist Schluss.

00:29:02.120 --> 00:29:03.580
Speaker 1: aus Blödheit kann man sagen

00:29:05.540 --> 00:29:05.620
Speaker 0: ein

00:29:05.720 --> 00:29:07.720
Speaker 1: Lebenswerk verzockt.

00:29:10.300 --> 00:29:10.820
Speaker 1: Wer folgt?

00:29:11.540 --> 00:29:13.160
Speaker 0: Ja, das weiß man noch nicht so genau.

00:29:13.300 --> 00:29:21.639
Speaker 0: Im Moment hat das restliche Board of Directors eine Interims CEO ernannt und zwar Collette Cress.

00:29:22.440 --> 00:29:30.639
Speaker 0: die ist Ende Fünfzig und ist auch schon sehr, sehr lang dabei und seit Zwei Tausend Dreizehn bei Nvidia Und da auch Finanzchefin.

00:29:31.680 --> 00:29:42.800
Speaker 0: zuvor war sie bei ich glaube Microsoft und Cisco auch in großen Abteilungen zumindest Finanzchefen Und sie hat halt, da sie schon seit Jahrzehnten bei Nvidia ist auch den Weg.

00:29:43.260 --> 00:29:52.379
Speaker 0: Nvidia ist durch dieses ganze KI-Finanzierungsgegröße mitgemacht wenn nicht sogar mit geprägt und in jedem Fall weiß sie halt wie der Hase läuft.

00:29:53.520 --> 00:30:00.960
Speaker 1: Also das würde man jetzt immer mal von außen sagen als Interimsleitung eine schlaue Wahl oder?

00:30:01.600 --> 00:30:05.180
Speaker 1: Ich kann es auch nicht so toll bauurteilen aber Klingt vernünftig.

00:30:05.800 --> 00:30:15.840
Speaker 0: Ich denke mal, firm technisch wird sie das gut durch die... Also weiß nicht ob sie es gut machen wird, weiß ich nicht aber ich glaube nicht dass es andere Leute besser könnten.

00:30:17.160 --> 00:30:30.260
Speaker 0: und ja wie sie natürlich diesen Jensen Wangs Status als Tech Rockstar irgendwie auffangen will oder ob das überhaupt noch jemand tun soll danach?

00:30:30.740 --> 00:30:31.680
Speaker 0: Das ist natürlich offen.

00:30:32.760 --> 00:30:34.460
Speaker 1: Okay, da kann man ja nachher noch ein bisschen drüber reden.

00:30:34.639 --> 00:30:38.000
Speaker 1: Aber es gab auch wohl eine Veränderung im Bordhouse Directors oder nicht?

00:30:38.100 --> 00:30:39.060
Speaker 1: Weil der ist ja ja auch raus!

00:30:39.300 --> 00:30:43.040
Speaker 0: Da ist er aus und jetzt gibt's da erstmal einen Chair.

00:30:43.220 --> 00:30:50.940
Speaker 0: die waren vorher irgendwie gleichberechtigt Und jetzt ist Harvey Jones da als Chef ernannt worden.

00:30:51.520 --> 00:30:55.240
Speaker 0: Der ist auch schon länger dabei und hat auch schon andere größere Firmen geleitet.

00:30:56.379 --> 00:31:01.120
Speaker 1: Okay, aber das ist ja der im Grunde weniger wichtigere Posten von diesen beiden.

00:31:01.379 --> 00:31:07.560
Speaker 1: Aber auf jeden Fall haben sie jetzt mal einen, der nach außen sagen soll wo es lang geht so zu sein und das war ja okay.

00:31:08.780 --> 00:31:12.620
Speaker 1: Jetzt haben wir erstmal geklärt den Status quo während wir hier aufzeichnen.

00:31:13.260 --> 00:31:14.879
Speaker 1: Das ist ja eine Developing Story.

00:31:15.240 --> 00:31:15.300
Speaker 0: Ja

00:31:16.600 --> 00:31:18.540
Speaker 1: Man weiß ja nicht genau wie's weitergeht.

00:31:18.639 --> 00:31:30.379
Speaker 1: Es gibt alle möglichen Spekulationen Wer da irgendwann bei der also die Collette Cress als Zwischen-Chefin wieder ablösen könnte oder nicht.

00:31:30.540 --> 00:31:46.780
Speaker 1: Da können wir vielleicht ganz am Ende noch mal drüber sprechen, der eigentlich heißeste Punkt an der ganzen Geschichte ist ja dieser Spionagevorwurf gegen China also aus China gegen Nvidia oder gegen Jensen Wang oder wegen genau?

00:31:47.740 --> 00:31:49.139
Speaker 1: Ich würde jetzt erstmal drauf gucken.

00:31:49.340 --> 00:31:53.840
Speaker 1: also bewiesen soweit ich weiß es ja nichts sondern das sind alles nur Verdachtsfälle.

00:31:54.080 --> 00:31:56.480
Speaker 1: Das muss man mal ganz deutlich sagen.

00:31:57.320 --> 00:32:08.560
Speaker 1: Aber es gibt so gewisse Muster und die würde ich gerne mal beleuchten, also ... Erzähl doch mal was ist Alice Wang und Mega Speed?

00:32:08.639 --> 00:32:13.020
Speaker 1: Was ist an dieser Geschichte dran, was man festhalten kann?

00:32:13.080 --> 00:32:15.900
Speaker 0: Du hast es ja schon gesagt das kann man auch nicht oft genug betonen.

00:32:16.100 --> 00:32:21.480
Speaker 0: im Moment sind die meisten Informationen was diese Spionage Vorwürfe angeht noch nicht gesichert.

00:32:21.520 --> 00:32:31.220
Speaker 0: da wird noch fleißig untersucht Aber ein paar Informationen sind halt schon gesichert, inwiefern die jetzt mit welchen Personen im Zusammenhang stehen wird sich dann ja rausstellen.

00:32:31.840 --> 00:32:32.560
Speaker 0: Aber fangen wir mal an!

00:32:33.040 --> 00:32:54.800
Speaker 0: Also es gibt ja einen Exportverbot seitens der USA für bestimmte Nvidia also nicht nur Nvidia aber Nvidia Hardware fällt da auch drunter nach China und das hat den Grund dass die USA die KI Ambitionen von China bremsen wollen im KI-Markt führend bleiben.

00:32:55.920 --> 00:32:57.500
Speaker 1: KI Wettrüsten kann man das auch nennen?

00:32:57.560 --> 00:32:57.620
Speaker 1: Ja,

00:32:57.920 --> 00:32:58.040
Speaker 0: also

00:32:58.100 --> 00:33:02.500
Speaker 1: die USA wollen mehr KI Performance haben als China.

00:33:02.680 --> 00:33:03.780
Speaker 1: Das ist ein Ziel, ne?

00:33:05.280 --> 00:33:13.920
Speaker 0: Genau und die KI hat für die nationale Sicherheit der USI auch strategische Bedeutung wegen der militärischen Nutzung.

00:33:14.760 --> 00:33:24.420
Speaker 0: Das is ja auch nicht erst seit der Trump-Regierung so, auch wenn man denen gerne natürlich alles in die Schuhe schiebt ich auch sondern das war also schon zu Zeiten von Joe Biden-Doktrin.

00:33:25.420 --> 00:33:28.900
Speaker 1: Sogar, glaube ich schon bei Obama mit China und KI.

00:33:28.940 --> 00:33:30.040
Speaker 1: Nein, da ging es ja erst zur Zagabflucht.

00:33:30.360 --> 00:33:30.780
Speaker 1: Da ging's gar nicht

00:33:30.820 --> 00:33:31.660
Speaker 0: so richtig mit KI.

00:33:31.760 --> 00:33:34.340
Speaker 0: aber Supercomputer waren schon unter Export.

00:33:34.540 --> 00:33:34.700
Speaker 1: Genau!

00:33:34.760 --> 00:33:37.220
Speaker 1: Bei Supercomputern war das und KI eben auch.

00:33:37.260 --> 00:33:42.780
Speaker 1: Das heißt, es geht...so ein bisschen ist eben auch tatsächlich die nationale Sicherheit der USA betroffen.

00:33:44.180 --> 00:33:45.100
Speaker 1: Könnte zumindest die Doktrin?

00:33:45.139 --> 00:33:46.100
Speaker 0: Könnte so sein, ja.

00:33:46.520 --> 00:33:48.900
Speaker 0: Also zumindest die Doctrin ist damit verzahnt.

00:33:50.800 --> 00:33:59.660
Speaker 1: Gleichzeitig weiß man aber oder Ahnt das oder es gibt sehr viele Hinweise darauf, dass Nvidia Hardware in China ankommt illegal.

00:34:00.300 --> 00:34:09.219
Speaker 1: Oder zumindest unter Umgehung von Export verboten die das eigentlich festlegen sollen und auch chinesische Institutionen sag ich jetzt mal.

00:34:09.280 --> 00:34:12.360
Speaker 1: Das ist immer so schwer zu verstehen also Supercomputerbetreiber.

00:34:13.060 --> 00:34:26.800
Speaker 1: Es ist ja nicht jedes chinesisch Unternehmen automatisch militärisch relevant oder mit der Regierung verbandelt aber Es gibt zumindest Hinweise darauf, dass auch solche Institutionen westliche KI-Beschleuniger nutzen können.

00:34:27.320 --> 00:34:31.320
Speaker 1: Also es gibt ganz offenbar illegale Exporte, kann man nur sagen oder?

00:34:31.380 --> 00:34:31.420
Speaker 1: Ja

00:34:31.960 --> 00:34:39.580
Speaker 0: also die gibt es definitiv und die liefen teils wohl auch über andere asiatische Länder, die halt nicht unter diese Beschränkungen fielen.

00:34:40.659 --> 00:34:53.940
Speaker 0: Singapur, Malaysia, Indonesien... Und man vermutet zudem das auch manche Cloudbetreiber dieser Länder entweder Systeme an chinesische Organisationen zumindest vermieten.

00:34:54.880 --> 00:35:04.400
Speaker 0: Und das könnte halt auch bei der Firma Megaspeed der Fall gewesen sein, die aus Singapur kommt und bei der Alice Wang zumindest mal gearbeitet hat in der führenden Rolle.

00:35:06.180 --> 00:35:07.780
Speaker 1: Und Alice Wang ist auch Chinesisch?

00:35:07.960 --> 00:35:08.259
Speaker 1: Die ist

00:35:08.360 --> 00:35:09.920
Speaker 0: chinesischer Staatsbürgerin wohl ja.

00:35:11.020 --> 00:35:11.240
Speaker 1: Okay!

00:35:12.660 --> 00:35:18.860
Speaker 1: Man weiß ja dass es in zumindest Malaysia und Singapour eine große chinesischen Community gibt.

00:35:20.020 --> 00:35:24.160
Speaker 1: Das zum Beispiel ist ja auch der Intelchef, Libbutan.

00:35:24.640 --> 00:35:24.740
Speaker 0: Der

00:35:24.820 --> 00:35:30.600
Speaker 1: jetzige Intelchefe ist glaube ich aus Malaysia aber eben auch chinesischer Herkunft und spricht ja auch chimesisch.

00:35:30.740 --> 00:35:36.740
Speaker 0: Genau das glaube ich in Malaysia geboren aber aus einer chinesischen Familie oder chinesische Familie.

00:35:36.780 --> 00:35:42.960
Speaker 1: Vielleicht kann man sagen Randa auch nochmal genau also es eben auch sehr gut vernetzt in China.

00:35:43.060 --> 00:35:44.280
Speaker 1: dass hat jetzt hier mit gar nichts zu tun.

00:35:44.620 --> 00:35:56.680
Speaker 1: Ich finde es halt nur Bevor man sich sozusagen fragt, ja auch Lisa Suh die Chefin von AMD hat eine ganz ähnliche Lebensweg wie so grob gesehen.

00:35:56.940 --> 00:35:58.280
Speaker 1: Wie Jensen Wang von NVIDIA.

00:35:58.460 --> 00:36:01.280
Speaker 1: Die sind ja sogar glaube ich um zehn Ecken rumverwandt.

00:36:02.600 --> 00:36:03.820
Speaker 1: Da gibt es irgendwie so ne Geschichte.

00:36:04.220 --> 00:36:04.660
Speaker 0: Ja angeblich

00:36:04.920 --> 00:36:05.700
Speaker 1: schon das zweite

00:36:05.780 --> 00:36:09.120
Speaker 0: Cousinen oder sie ist zweite Cousine von ihm oder sowas in der Richtung?

00:36:09.240 --> 00:36:10.020
Speaker 0: Also

00:36:10.200 --> 00:36:11.160
Speaker 1: Cousines zweiten Grades.

00:36:13.000 --> 00:36:15.440
Speaker 1: Und auch sie ist noch in Taiwan geboren und dann

00:36:16.720 --> 00:36:16.880
Speaker 0: auch

00:36:17.320 --> 00:36:20.080
Speaker 1: sehr schlau, hat dann in USA studiert.

00:36:21.520 --> 00:36:22.800
Speaker 1: Ist in die Chip-Industrie gekommen?

00:36:24.480 --> 00:36:24.740
Speaker 1: Ja!

00:36:27.240 --> 00:36:29.900
Speaker 1: Also wie gesagt habe damit erst mal überhaupt nichts zu tun.

00:36:30.100 --> 00:36:40.560
Speaker 1: aber der Fakt dass Alice Wang Chinesin ist und den Singapore Ausgleichen für eine Cloud Firma gearbeitet hat und Megaspeed ist glaube ich auch so ein Nvidia Partner, ne?

00:36:40.700 --> 00:36:42.840
Speaker 1: Also die haben auch damit... Die werben damit auf der Webseite.

00:36:43.240 --> 00:36:43.480
Speaker 0: Ja ja.

00:36:44.540 --> 00:36:50.620
Speaker 1: Genau und für die hatte es bei denen hat ist auch eine Untersuchung schon im Jahr zwei tausendfünfundzwanzig gegeben.

00:36:50.740 --> 00:36:55.440
Speaker 1: ich hatte mir diese Megaspeed AI-Webseite mal angeguckt und da poppt.

00:36:55.520 --> 00:37:07.120
Speaker 1: als erstes kam da so ein Hinweis, der die ganze Webseiten überdeckt unterstand nein an den Blombergberichten von zwei tausendfünfundzwanzig.

00:37:07.340 --> 00:37:21.560
Speaker 1: Also dieser Hinweis ist noch vom aus dem Dezember zweitausend zwanzig gewesen, den habe ich vor wenigen Tagen aufgerufen was ja auch seltsam ist für so eine Firma die Cloud macht dass sie also irgendwie sein im Dreivierteljahr ihre Webseite nicht verändert haben.

00:37:22.600 --> 00:37:25.000
Speaker 1: Also dieses Pop-Up das scheint wohl sehr wichtig zu sein.

00:37:25.100 --> 00:37:40.000
Speaker 1: da sagen Sie sogar es hat Untersuchungen gegeben gegen sie durch Nvidia und durch US Behörden und es gibt Berichte die sie wiederum nicht bestätigt haben, dass auch singapurische Behörden danach geguckt haben und da sei nichts dran.

00:37:40.160 --> 00:37:50.680
Speaker 1: Also an Vorwürfen entweder Nvidia Hardware in eigenen Rechenzentren an chinesische Firmen vermietet zu haben oder Nvidia Hardwares sogar nach China illegal durchverkauft zu haben.

00:37:50.759 --> 00:37:52.600
Speaker 1: also sehr vertragte Geschichte.

00:37:52.740 --> 00:37:55.620
Speaker 1: aber auf jeden Fall gibt es Verdächtigungen gegen Megaspeed.

00:37:57.740 --> 00:38:03.860
Speaker 1: Aber das wäre ja alles noch gar keine Spionage gewesen, sondern illegale Export oder die Umgehung von Export verboten.

00:38:04.340 --> 00:38:08.740
Speaker 0: Ja also so gesehen, dass tendenziell wäre noch keine SpIONage.

00:38:09.900 --> 00:38:21.320
Speaker 0: Die Gerüchte gründen sicher darauf, dass die Alice Wang ja angeblich vom chinesischen Ministerium für Staatsschutz oder wie das heißt zwischenzeitlich dann rekrutiert worden ist.

00:38:21.800 --> 00:38:23.120
Speaker 0: aber es gibt noch einen zweiten Faktor.

00:38:23.200 --> 00:38:30.140
Speaker 0: der ist fast genauso oder vielleicht sogar noch wichtiger Als ob sie jetzt direkt für China arbeitet oder nicht.

00:38:30.700 --> 00:38:50.160
Speaker 0: Denn Huang hat ja, wie wir inzwischen wissen auch sehr direkten Kontakt zu Trump als KI-Lieder sozusagen und saß beim letzten Staatsbankhet der USA direkt am Tisch von Donald Trump zusammen mit seiner Frau also mit seiner eigenen Frau, nicht mit Trumps Frau.

00:38:50.300 --> 00:38:50.600
Speaker 1: Lory

00:38:51.180 --> 00:38:58.259
Speaker 0: Wang Und auch Elon Musk Und da hat er übrigens auch keine Lederjacke getragen, der liefert dann tatsächlich mal im Anzug rum.

00:38:58.520 --> 00:39:11.940
Speaker 0: Es geht also auf und Pianterweise fand dieses State Dinner zu Ehren von Xi Jinping statt dem chinesischen Staatspräsidenten, wann war das Ende September in den USA?

00:39:14.840 --> 00:39:33.380
Speaker 0: Wenn man jetzt sieht dass Wang einerseits durch seine KI Connections direkten Kontakt zum Präsidenten hat wäre natürlich auch ein herausragendes Ziel für Spiele, also ein lohnendes Ziel wenn man einen US-Bürger ausspionieren wollte oder die USA Ausspioniern wollte.

00:39:34.720 --> 00:39:38.280
Speaker 1: Das heißt mir geht es um den Punkt das sind getrennte Dinge ne?

00:39:39.040 --> 00:39:47.040
Speaker 1: Eine Sache ist die Firma Megaspeed bei der dieser Alice Wang tätig war könnte Exportverbote Umgang haben.

00:39:48.180 --> 00:40:00.259
Speaker 1: Die zweite Sache ist sie könnte eine Spionin sein die gezielt auf Jensen Wang angesetzt wurde, um auch wirklich noch ganz andere Dinge in Erfahrung zu bringen für die chinesische Regierung.

00:40:00.440 --> 00:40:05.100
Speaker 1: Die eben mit Donald Trump direkt zu tun haben.

00:40:05.160 --> 00:40:09.720
Speaker 1: also das geht in höchste Kreise und noch höhere Kreise gibt es in den USA nicht kann man so sagen oder?

00:40:10.320 --> 00:40:19.980
Speaker 0: Das sind die höchsten Kreise ja und wenn man dann noch sieht dass KI quasi strategische Bedeutung für die USA laut eigener Aussage dann wirds natürlich zickelig.

00:40:20.720 --> 00:40:24.680
Speaker 1: War die Affäre zwischen diesen beiden Wangs nicht schon länger bekannt?

00:40:24.840 --> 00:40:26.060
Speaker 1: Da gab es immer wieder Gerüchte.

00:40:26.800 --> 00:40:28.400
Speaker 0: Ja, Gerüchte gab's mal.

00:40:28.480 --> 00:40:30.220
Speaker 0: aber ob die jetzt wirklich eine Affäre haben.

00:40:30.280 --> 00:40:38.080
Speaker 0: also in sozialen Medien konnte man Bilder sehen wo sie, wo sie im Jahr zwanzivierundzwanzig glaube ich schon, wo Sie mit ihm auf dem Bild war.

00:40:39.000 --> 00:40:40.280
Speaker 0: da sind die gemeinsam zu sehen.

00:40:40.500 --> 00:40:49.759
Speaker 0: und das wurde allerdings noch etwas brisanter durch den New York Times Bericht vom neunzwanziger Oktober den wir ja schon angesprochen haben.

00:40:50.560 --> 00:41:02.800
Speaker 0: Ähm, angeblich soll dann Trump schon Ende zweitausendfünfundzwanzig also schon vor fast einem Jahr jetzt über diese Verbindung der beiden informiert worden seien in einem Briefing.

00:41:03.400 --> 00:41:11.060
Speaker 0: Nun hört man ja häufiger mal dass er bei den Briefings gerne weg pennt und so und das vielleicht auch gar nicht so mitbekommen hat.

00:41:11.520 --> 00:41:14.220
Speaker 0: aber er hat Fakt ist jedenfalls egal.

00:41:14.640 --> 00:41:20.840
Speaker 0: wie auch immer er hat nichts unternommen Und Trump hat Wang sogar nach dem Bekanntwerden der Affäre noch verteidigt.

00:41:21.440 --> 00:41:24.380
Speaker 0: Aber gut, er sagt ja auch heute dies und morgen das.

00:41:24.440 --> 00:41:26.560
Speaker 0: Das kann ganz schnell sich ändern.

00:41:28.259 --> 00:41:37.040
Speaker 0: Ja, auch Elon Musk hat sich schon sehr positiv über Wang geäußert... ...und würde ihn gerne jetzt wo er arbeitslos ist selber anheuern!

00:41:38.340 --> 00:41:42.400
Speaker 1: Ja aber das ist ja... Also Wang ist nicht der Typ, der sich von irgendeinem anheuernd lässt oder?

00:41:42.840 --> 00:41:46.000
Speaker 0: Nee also der ist glaube ich ein ziemliches Alphatier.

00:41:47.000 --> 00:41:47.280
Speaker 0: Und

00:41:49.280 --> 00:41:54.580
Speaker 1: also wie lange das mit ihren Masken waren in einem Raum gut geht, kann man ja nur raten.

00:41:54.700 --> 00:42:22.660
Speaker 1: Also kann ich mir... Heute morgen am Tag der Aufzeichnung, also wie gesagt Developing Story wurde ja auch noch bekannt dass auch die angeblich sich viele Mitarbeiter über ihren Ex-Chef eingesetzt haben aber wir auch immer als zählen am Ende Januar die tatsächlichen Entscheidung und nicht was einer meint oder tun sollte.

00:42:24.560 --> 00:42:27.380
Speaker 1: Ich wollte noch mal fest sein, also bewiesen ist bisher Spionage?

00:42:27.560 --> 00:42:27.700
Speaker 1: Nein!

00:42:27.960 --> 00:42:28.180
Speaker 1: Nicht!

00:42:28.880 --> 00:42:31.780
Speaker 0: Also zumindest wurde nichts veröffentlicht dass es bewiesen isst.

00:42:32.500 --> 00:42:39.560
Speaker 1: Dann war jetzt schon zu hören, Wang soll auch vor irgendeinen Untersuchungsausschuss also Jensen Wang muss man immer dazusagen.

00:42:39.680 --> 00:42:48.740
Speaker 1: Vorgeladen werden das da gab es aber schon mal Gerüchte oder Berichte dass er irgendwo aussagen sollte weil ja diese illegalen Exporte das passiert hier immer wieder?

00:42:48.980 --> 00:42:49.020
Speaker 1: Ja

00:42:49.140 --> 00:42:50.140
Speaker 0: genau das gab's schon.

00:42:50.300 --> 00:42:56.780
Speaker 0: ich glaube Das ist auch schon über ein Jahr her Dass es mal gerüchtet davon gab.

00:42:56.840 --> 00:43:08.640
Speaker 0: das wird dann natürlich nach Möglichkeit nicht so breit getreten und läuft dann häufig auch ein bisschen unter dem Radar, aber ja das ist nicht... es kommt jetzt nicht alles komplett plötzlich und überraschend.

00:43:10.860 --> 00:43:17.060
Speaker 1: Was ich mich bei dieser ganzen Geschichte frage jetzt, tun wir mal die Spionage beiseite und was bewiesen ist und was nicht?

00:43:17.280 --> 00:43:19.220
Speaker 1: Aber würdest du mir nicht zustimmen?

00:43:19.320 --> 00:43:32.320
Speaker 1: also wenn ich jetzt in so einer Position bin persönlichen ziel sagen wir für.

00:43:32.580 --> 00:43:37.320
Speaker 1: also könnte ein ziel werden vor erpressung oder andere kompromittierungsversuche auch seine familie.

00:43:37.380 --> 00:43:47.480
Speaker 1: wenn ich wenn also allgemein klar ist dass jemand über hundertfünfzig oder hundvierzig milliarden us-dollar besitzt dann würde man doch erwarten das es auch in so einer firma.

00:43:47.600 --> 00:44:09.900
Speaker 1: der ist für die firma ganz eine wichtige person irgendwelche compliance stellen oder security profis gibt die sowas irgendwie abchecken und wenn dann jemand ne beziehung hat Wo es jetzt heißt, da gab's sogar Bilder zu einer Firma die im Verdacht steht deine eigenen Produkte illegal zu exportieren.

00:44:09.940 --> 00:44:12.180
Speaker 1: Das hört sich doch alles total irrsinnig an oder?

00:44:12.580 --> 00:44:15.920
Speaker 0: Ja das wird bestimmt auch noch mal verfilmt werden könnte ich mir denken.

00:44:16.720 --> 00:44:20.320
Speaker 0: also ja also dann müssten auf jeden Fall die Alarmglocken geschrillt haben.

00:44:20.740 --> 00:44:33.900
Speaker 0: Ich meine was du sagst Entführung und Sicherheitsmaßnahmen, ich denke da gibt es sicherlich eine separate Abteilung für quasi die physische Sicherheit auf die physische Sicherheit, achtet Bodyguards und also was.

00:44:34.720 --> 00:44:36.360
Speaker 0: Ich denke mal da wird schon drauf geachtet.

00:44:36.520 --> 00:44:41.600
Speaker 0: aber es muss ja eigentlich auch jemanden geben der ihm dann sagt hör mal das was du da machst.

00:44:42.200 --> 00:44:50.420
Speaker 0: das ist ziemlich riskant gerade wenns halt tatsächlich im Unternehmen zumindest in manchen Kreisen des Unternehmens wohl bekannt gewesen sein soll.

00:44:50.500 --> 00:44:50.740
Speaker 0: ich mein

00:44:52.880 --> 00:45:05.860
Speaker 1: Das wurde ja bei dieser Affäre mit dieser Kimberly Powell die Jahr Aus unserer Sicht ja eher wie soll man sagen nebensächlich ist, aber das ist ja du hast es vorhin angedeutet in den USA wirklich ein Compliance-Problem.

00:45:06.640 --> 00:45:08.300
Speaker 1: Und ich meine Nvidia.

00:45:08.480 --> 00:45:13.759
Speaker 1: also einerseits ist Nvidia eine Firma die eben mit der nationalen Sicherheit der USA in Verbindung gebracht wird.

00:45:14.759 --> 00:45:24.620
Speaker 1: wir reden ja auch zum Beispiel über verschlüsselte Bearbeitung von KI also confidential computing so trusted execution environments.

00:45:25.000 --> 00:45:28.300
Speaker 1: da muss man ja komplette Prüfung durchlaufen.

00:45:29.300 --> 00:45:31.780
Speaker 1: Wer hat auf welche Schlüsselzugriff, wer darf was?

00:45:32.140 --> 00:45:36.759
Speaker 1: Die brauchen polizeiliche Führungszeugnisse so heißt das hier bei uns in Deutschland.

00:45:36.900 --> 00:45:41.420
Speaker 1: also du musst ja deine deine Vertrauenswürdigkeit und Integrität irgendwie nachweisen.

00:45:42.120 --> 00:45:47.540
Speaker 1: aber In einer Firma wo der Chef offenbar machen kann was er will Das ist ja tatsächlich ein Komplexes Problem.

00:45:47.660 --> 00:45:47.780
Speaker 1: oder

00:45:47.960 --> 00:45:49.620
Speaker 0: Ja nicht nur Komplex Problem.

00:45:49.680 --> 00:45:53.240
Speaker 0: dass es ein Riesenproblem Komplex ist ja mehr so.

00:45:53.660 --> 00:45:54.840
Speaker 0: ja das steht auf dem Papier.

00:45:56.060 --> 00:46:03.500
Speaker 0: Aber ich glaube die Summe dieser Sachen macht dann auch aus, dass sein Rücktritt irgendwann dann unvermeidlich wurde.

00:46:03.560 --> 00:46:18.100
Speaker 0: Du kannst halt nicht Chef von einem riesigen Unternehmen sein wie du halt sagst das für die nationale Sicherheit der USA in irgendeiner Form relevant ist und dann gleichzeitig aus tatsächlich mehreren Gründen ja schon auf irgendeine Weise kompromitierbar seien.

00:46:19.360 --> 00:46:21.920
Speaker 0: Das lässt sich nicht vereinbaren.

00:46:21.960 --> 00:46:24.700
Speaker 0: da musste dann irgendwann mal die Reißleine gezogen werden.

00:46:26.640 --> 00:46:33.800
Speaker 1: Jetzt ist sie gezogen, Collette Cress sitzt an der Spitze.

00:46:35.240 --> 00:46:38.860
Speaker 1: Die ist ja glaube ich auch schon Milliardärin weil sie auch ein paar Nvidia Anteiler hat.

00:46:39.640 --> 00:46:44.920
Speaker 1: heißt das also man muss mit ihr jetzt nicht unbedingt Mitleid haben?

00:46:45.500 --> 00:46:47.200
Speaker 1: also die verdient sicher gutes Geld.

00:46:47.720 --> 00:46:51.259
Speaker 1: aber was sind so deren erste Maßnahmen deiner Meinung nach?

00:46:51.900 --> 00:46:55.800
Speaker 0: Ja also wie gesagt Mitleiden muss man mit dir echt nicht haben.

00:46:57.060 --> 00:46:59.140
Speaker 0: Die wird schon ganz gut kompensiert dazu.

00:47:00.360 --> 00:47:17.780
Speaker 0: Ihre ersten Maßnahmen kann ich jetzt schwer sagen, die wird wahrscheinlich natürlich versuchen um die Affäre erstmal zumindest auf Firmebene einzufangen, speziell den Aktionären zu sagen das hat jetzt nichts mit dem Geschäftsbetrieb zu tun.

00:47:17.860 --> 00:47:22.300
Speaker 0: Das ist zwar vielleicht sogar ein Spionagethema und das wird man dann irgendwann sehen.

00:47:23.140 --> 00:47:29.120
Speaker 0: Das ist auch sicherlich ein persönliches Thema vor Hoang, aber für eure Geschäftsbeziehung zu uns ändert sich erstmal nix.

00:47:29.780 --> 00:47:31.500
Speaker 0: Und das wird sie dann.

00:47:31.580 --> 00:47:34.820
Speaker 0: wahrscheinlich werden wir das ja in wenigen Tagen sehen.

00:47:34.880 --> 00:47:50.660
Speaker 0: am siebzehnten muss Sie als Chefin und zuvor auch als CFO, Chief Finance Financial Officer die Quartalszahlen von NVIDIA verkünden und in der üblichen Fragerunde bei den Analysten wird es da sicherlich heiß hergehen!

00:47:51.720 --> 00:47:55.060
Speaker 1: Okay, also man wird schon bald Neues erfahren.

00:47:57.700 --> 00:48:02.520
Speaker 1: Ich würde mal... Also vielleicht können wir die Spekulationen, die schießen ja so ins Kraut.

00:48:02.980 --> 00:48:11.020
Speaker 1: angeblich soll sich Trump hier schon ausgesprochen haben dafür dass der ehemalige Appleschef Tim Cook mal eben schnell Nvidia leiten könnte.

00:48:12.140 --> 00:48:15.180
Speaker 1: ich halte das alles erstmal für spekulation.

00:48:17.620 --> 00:48:18.900
Speaker 1: ich weiß nicht ob es sich lohnt.

00:48:18.940 --> 00:48:26.259
Speaker 1: oder hast du da irgendwie eine Idee, was du da sinnvoll beitragen kannst außer auch noch weitere Wahnsinn

00:48:26.320 --> 00:48:26.560
Speaker 0: zu sehen.

00:48:26.600 --> 00:48:27.600
Speaker 0: Insiderinformationen.

00:48:28.180 --> 00:48:28.740
Speaker 1: Ja genau.

00:48:28.880 --> 00:48:29.660
Speaker 0: Die habe ich nicht, nein!

00:48:30.940 --> 00:48:35.980
Speaker 0: Ich glaube, ich weiß nicht... Nvidia hatte ja bis jetzt diese Kultur.

00:48:36.060 --> 00:48:42.980
Speaker 0: der Chef, hast du ja gesagt darf alles im Prinzip verkörpert aber auch sehr stark das Unternehmen nach außen?

00:48:43.060 --> 00:48:52.000
Speaker 0: Diese ganze Lederjagdengeschichte und so hat er sich ja auch erst im Laufe der Zeit zugelegt also als Früher mal mit ihm gesprochen, sehr früher.

00:48:52.500 --> 00:49:01.920
Speaker 0: Da war jetzt auch sehr auf das Wohl seiner Firma bedacht und das wirtschaftliche Vorankommen auch relativ rücksichtslos hatte ich den Eindruck was das angeht.

00:49:02.680 --> 00:49:09.940
Speaker 0: aber er hatte noch nicht diese Rockstar Alleyern und dieses ... Er war noch mehr vom Ingenieur's Geist ein bisschen durchdrogen.

00:49:11.100 --> 00:49:26.100
Speaker 0: Ich glaube auch dass Wenn Nvidia jetzt nicht einen kompletten Turnaround machen will, also in seinen Unternehmensgebaren brauchen die auch eine neue charismatische Person, die dann halt auf irgendwelchen Keynotes rumspringt und die Leute halt auch begeistern kann.

00:49:27.340 --> 00:49:30.280
Speaker 0: Weißt nicht ob guckt da so der richtige wäre?

00:49:30.360 --> 00:49:34.680
Speaker 0: Ich meine Apple-Keynoten waren ja immer ein bisschen nach Steve Jobs.

00:49:34.759 --> 00:49:36.700
Speaker 0: zumindest fand ich sie nicht mehr so

00:49:38.080 --> 00:49:38.440
Speaker 1: engaging.

00:49:38.500 --> 00:49:53.640
Speaker 1: Also... Jensen Wang von Nvidia hat ja schon eine interessante Veränderung durchlebt, weil sich sein Zielpublikum seine Kundschaft komplett verändert hat.

00:49:53.720 --> 00:50:00.580
Speaker 1: Früher waren die Gamer wichtig und da hatte er so ein bisschen den Techie- und selber Gamer und da hätte die Lederjacke fast besser gepasst.

00:50:00.720 --> 00:50:00.740
Speaker 1: Da

00:50:00.840 --> 00:50:01.680
Speaker 0: hat sie gut gefascht!

00:50:02.560 --> 00:50:11.680
Speaker 1: Wichtig sind für Nvidia... also meine Gamer sind ja im Grunde viele sauer auf Nvidia auch zurecht Weil ja Grafik hatten gar keine Rolle mehr spielen.

00:50:11.759 --> 00:50:15.800
Speaker 1: also damit womit sie groß geworden sind, da sagen Sie halt einfach das ist jetzt nicht unser Ding.

00:50:15.900 --> 00:50:17.920
Speaker 1: Das spielt gar keine rolle mehr in den Geschäftszahlen.

00:50:19.000 --> 00:50:20.900
Speaker 1: es geht um die Riesenkunden.

00:50:21.820 --> 00:50:32.640
Speaker 1: Die sich ganze Rechenzentren vollstellen mit Nvidia Hardware und er hat es ja offenbar geschafft eben auch mit diesen knallharten Business Typen klarzukommen.

00:50:34.940 --> 00:50:47.900
Speaker 1: Also das weiß man ja gerade von Apple, dass die ihre Zulieferer auch bis aufs Letzte ausquetschen und offenbar entweder durch den technologischen Fortschritt von Nvidia oder wie auch immer zumindest hat er es ja geschafft sehr erfolgreich damit umzugehen.

00:50:50.280 --> 00:50:52.880
Speaker 1: Sonst hätte er nicht noch beim Börsenwert Apple überrundet.

00:50:52.940 --> 00:50:58.600
Speaker 1: also das finde ich schon beeindruckend, dass jemand der eigentlich aus einer ganz anderen Ecke kommt, das eben auch gestemmt hat.

00:50:59.060 --> 00:50:59.820
Speaker 0: Ja auf jeden Fall!

00:51:01.380 --> 00:51:07.200
Speaker 1: Und er hat ja Offensichtlich, deswegen haben wir ja auch im ersten Teil so ein bisschen länger drüber gesprochen.

00:51:08.540 --> 00:51:26.040
Speaker 1: Das war ja, wie du gesagt hast mit Kyoda überhaupt nicht abzusehen dass es dreizehn Jahre später diesen wahnsinnigen KI-Boom gibt und er hat ja ganz offensichtlich oder die Führung mehr Entscheidungen richtig getroffen als falsch.

00:51:26.100 --> 00:51:27.700
Speaker 1: Es gibt ja auch falsche Fehlentscheidungen.

00:51:27.900 --> 00:51:35.380
Speaker 1: also es gab hier auch berühmte Fehler mal wo sie höhere ausfall raten hatten vor jahren schon sehr lange her.

00:51:36.200 --> 00:51:39.900
Speaker 1: Dann gab es hier mit diesem automotive das ging ja auch gar nicht so toll.

00:51:40.180 --> 00:51:44.880
Speaker 1: oder auch dieser erste selbst entwickelter armkern Ja hat auch nie so funktioniert.

00:51:45.020 --> 00:51:55.259
Speaker 1: auch dass mit den smartphones mit dem t-grad chip Den haben wir dann für diese jetzen boards weiter reanimiert oder für automotive aber das wird ja eigentlich auch nix.

00:51:55.400 --> 00:51:57.420
Speaker 1: also ist ja nicht so, dass alles in erfolg wurde.

00:51:57.880 --> 00:52:05.000
Speaker 1: Aber tendenziell Hat er schon bewiesen, dass er sehr gut die mehrrichtige als falsche Entscheidung trifft?

00:52:05.640 --> 00:52:08.840
Speaker 0: Ja ich meine das hat natürlich auch ein bisschen was mit Glück zu tun.

00:52:08.900 --> 00:52:17.660
Speaker 0: Das mit dem KI konnte man ja wie gesagt vor zehn oder vor zehn Jahren noch nicht so absehen, dass es so durch die Decke geht, dass das mehr wird – das vielleicht schon.

00:52:18.300 --> 00:52:26.000
Speaker 0: aber da sind einige Entscheidungen auf jeden Fall an der richtigen Stelle gelandet war ja auch mal.

00:52:26.080 --> 00:52:30.620
Speaker 0: also entweder stand ja auch ganz früher schonmal, ganz kurz vor dem Bankrott.

00:52:30.980 --> 00:52:32.700
Speaker 0: Also der weiß...

00:52:32.800 --> 00:52:37.240
Speaker 1: Da gab es diesen Spruch mit wir sind immer genau dreißig Tage vom Bankrotte entfernt oder so?

00:52:37.300 --> 00:52:38.060
Speaker 1: Genau, da kommt

00:52:38.220 --> 00:52:43.259
Speaker 0: das her nach den Ja aber wir wollen ja nicht zurück.

00:52:44.220 --> 00:52:45.860
Speaker 1: Nee, ich würde gerne mal nochmal nach vorne gucken.

00:52:46.000 --> 00:52:51.480
Speaker 1: Also kurzfristig ist ja klar es gibt eine roadmap... ...zweitausend achtundzwanzig ist das jetzt so geplant.

00:52:51.560 --> 00:52:53.640
Speaker 1: also fineman wie spricht man den eigentlich?

00:52:53.740 --> 00:52:56.400
Speaker 1: Nach diesem Physiker benannt die nächste Generation.

00:52:56.980 --> 00:52:57.720
Speaker 1: Finemen sagst du von

00:52:57.820 --> 00:52:57.860
Speaker 0: uns?

00:52:57.900 --> 00:52:58.700
Speaker 0: Weiß ich nicht auf

00:52:59.180 --> 00:52:59.600
Speaker 1: fin men.

00:53:00.960 --> 00:53:02.140
Speaker 0: Ja

00:53:02.420 --> 00:53:13.940
Speaker 1: im Moment ist Vera Rubin Das aktuelle System, was in diesen Zwei-Siebziger Setzen verkauft wird und dann eben in zwei Jahren soll dann die nächste Generation starten.

00:53:14.140 --> 00:53:17.440
Speaker 1: Eben mit noch schnellerem Speicher oder noch tolleren Chips und so.

00:53:17.780 --> 00:53:24.120
Speaker 1: das ist ja alles quasi schon entschieden und sozusagen da kann natürlich etwas schief gehen aber diese Entscheidungen liegen fest.

00:53:24.160 --> 00:53:26.500
Speaker 1: Das heißt also kurzfristig verkaufen sie weiter.

00:53:28.160 --> 00:53:36.200
Speaker 1: als erster Konkurrent fällt ein Jahr im Moment AMD ein würde ich sagen, weil die haben ja auch jetzt sind sehr stolz drauf.

00:53:36.280 --> 00:53:40.560
Speaker 1: Lisa zu diesen Helios Schrank der eben im Grunde genau diese Idee aufnimmt.

00:53:41.360 --> 00:53:46.660
Speaker 1: So und so viele Beschleuniger so und so viel Prozessoren sehr viel RAM Kühlung alles integriert.

00:53:47.980 --> 00:53:50.980
Speaker 1: aber ja AMD ist eigentlich gar nicht her Punkt oder?

00:53:51.960 --> 00:53:53.460
Speaker 0: AMD ist nicht der Punkt.

00:53:53.520 --> 00:53:54.980
Speaker 0: Also, AMD ist sicherlich ein Punkt.

00:53:55.060 --> 00:54:04.540
Speaker 0: AMD ist einer der Punkte die halt genau wie Nvidia so gut wie das ganze Ökosystem aus einer Hand bedienen können weil sie auch Prozessoren haben.

00:54:04.580 --> 00:54:07.460
Speaker 0: Sie haben eine Netzwerksparte, sie haben eine FPGR-Sparte dazu gekauft.

00:54:08.040 --> 00:54:14.860
Speaker 0: also das ist das was AMD als Konkurrenten für Nvidia prädestiniert.

00:54:15.920 --> 00:54:18.140
Speaker 0: Aber da ist der Feinschiff halt noch nicht so weit.

00:54:18.200 --> 00:54:28.100
Speaker 0: Hedeos sieht auf dem Papier sehr gut aus, ist aber quasi muss man auch sagen wird jetzt ausgeliefert und man muss aber sagen es ist am DSRster versucht bei sowas.

00:54:28.920 --> 00:54:33.380
Speaker 0: Muss mal gucken wie gut das dann am Ende beim Kunden funktioniert.

00:54:34.940 --> 00:54:43.620
Speaker 0: Viel wichtiger ist die benötigten Stückzahlen wenn der KI-Boom weiter so anhält Da, die da gefordert werden.

00:54:43.880 --> 00:54:45.780
Speaker 0: Die könnten sie so kurzfristig gar nicht stemmen.

00:54:45.820 --> 00:54:53.060
Speaker 0: selbst wenn entweder morgen dicht machen würde könnte AMD ja Nicht sagen wir produzieren übermorgen doppelt oder zehnmal so viel.

00:54:56.759 --> 00:55:15.380
Speaker 1: Wir haben ja sogar berichtet ne die angeblich sind diese die epic produktionen die für Ausverkauft, das heißt also die könnten ihren Anteil gar nicht erst mal hochfahren und sind ja schon überglücklich dass das erstmal läuft.

00:55:15.460 --> 00:55:15.500
Speaker 1: Ja

00:55:16.360 --> 00:55:17.759
Speaker 0: Also da machen sie auch gutes Geld mit.

00:55:18.900 --> 00:55:27.920
Speaker 0: Sie würden sicherlich gerne noch mehr verkaufen aber können einfach nicht mehr herstellen lassen weil auch die Kapazitäten bei den Fabriken irgendwann endlich sind.

00:55:29.840 --> 00:55:31.940
Speaker 1: Dann was sind denn dann die wichtigen Konkurrenten?

00:55:33.440 --> 00:55:34.940
Speaker 1: Die wichtigen Gegner oder

00:55:35.259 --> 00:55:39.740
Speaker 0: die wichtigen Konkurrenten sind halt, auch die wichtigsten Nvidia Kunden.

00:55:39.780 --> 00:55:46.320
Speaker 0: Die Hyper Scalar, die KI-Hyper Scalar Amazon, AWS, Microsoft Azure und Google Cloud zum Beispiel.

00:55:47.400 --> 00:55:51.740
Speaker 0: Das ist ja eigentlich einer der Treppenwitze an der ganzen Sache!

00:55:52.100 --> 00:56:06.580
Speaker 0: Die entwickeln schon fleißig alle eigene KI Chips sehr stark optimiert für ihre eigenen Anwendung, die meisten davon aufs Inferencing also nicht aufs Training von KI Modellen sondern für die Anwendungen wo dann das Geld verdient werden soll.

00:56:07.740 --> 00:56:11.300
Speaker 0: Optimiert und Google ist da glaube ich am weitesten.

00:56:11.360 --> 00:56:14.040
Speaker 0: die haben ihre Tensor Processing Unit TPU.

00:56:14.580 --> 00:56:17.340
Speaker 0: Die haben die glaube ich intern schon in der achten Generation.

00:56:17.400 --> 00:56:20.259
Speaker 0: Ich weiß gar nicht ob sie tatsächlich schon deployed haben.

00:56:21.140 --> 00:56:30.220
Speaker 0: Ich habe jetzt von der V sieben Werte in irgendwelchen Benchmarks gesehen, aber viel wichtiger die Stückzahlen, die da schon laufen.

00:56:30.300 --> 00:56:31.540
Speaker 0: Die sind wirklich erheblich.

00:56:32.060 --> 00:56:44.080
Speaker 0: Man kennt sie zwar nicht so ganz genau, die halten die Hyperscaler halt auch ein bisschen unter Verschluss genauso wie der Stromverbrauch, aber die Dimensionen an sich, die sind schon gigantisch.

00:56:45.640 --> 00:56:52.400
Speaker 0: AWS zum Beispiel betreibt ... Projekt Rainier, nach dem Berg glaube ich.

00:56:54.020 --> 00:57:02.180
Speaker 0: Da laufen mehrere Rechenzentren mit knapp fünfhunderttausend der eigenen Tranium-Zweitschips.

00:57:02.960 --> 00:57:07.100
Speaker 0: nur für Antropic, den KI Anbieter.

00:57:07.160 --> 00:57:11.820
Speaker 0: Ich hätte bei einer KI Putze gesagt nein das ist ein richtiges Unternehmen, Antropic!

00:57:13.100 --> 00:57:17.480
Speaker 0: Und open AI plant ja bald eigene chips zu benutzen.

00:57:18.180 --> 00:57:20.240
Speaker 0: Wie ist der jalapeno jalapenjo

00:57:22.700 --> 00:57:23.520
Speaker 1: die scharfe shorter?

00:57:23.780 --> 00:57:38.360
Speaker 0: wir als spanier sagen ok microsoft will auch ab nächstes Jahr für viele oder die meisten k i dienste wie zum beispiel die in m drei fünf und sechzig auf dem maja zweihundert laufen lassen.

00:57:39.520 --> 00:57:43.060
Speaker 0: Gut, in den drei sixty ist jetzt gerade so ein bisschen Down mit Outlook und allem.

00:57:43.600 --> 00:57:44.080
Speaker 0: Heute

00:57:44.120 --> 00:57:45.000
Speaker 1: wo wir aufzeichen?

00:57:45.040 --> 00:57:45.259
Speaker 1: Vielleicht

00:57:45.340 --> 00:57:47.420
Speaker 0: bauen Sie gerade die Chips ein ins Rechenzentrum.

00:57:49.520 --> 00:57:52.640
Speaker 0: Das ist eigentlich der Markt, wo die großen Stückzahlen liegen.

00:57:52.740 --> 00:57:58.740
Speaker 0: das ist da wo Nvidia weiter mithalten muss und da haben sie halt so'n bisschen die Schwierigkeit.

00:57:58.800 --> 00:58:03.620
Speaker 0: sag ich mal dass die Hyperscale hat gesagt die bauen die Chipps genauso wie sie sie brauchen.

00:58:04.060 --> 00:58:06.520
Speaker 0: Nvidia muss aber mit ihren Chips auf allen Hochzeiten tanzen.

00:58:07.880 --> 00:58:10.200
Speaker 1: Okay Ja, ja das ist ein interessanter Gedanke.

00:58:10.320 --> 00:58:14.120
Speaker 1: Das heißt Sie müssen an die Hyperscaler verkaufen.

00:58:15.600 --> 00:58:23.280
Speaker 1: Das hat ja Microsoft bei der Entwicklung von Maya-Maija auch betont genauso wie Nvidia ja auch dass sie mittlerweile für die Chip-Entwicklung KI einsetzen.

00:58:24.500 --> 00:58:29.660
Speaker 1: Das macht es ja alles immer noch schneller und Nvidia muss reagieren.

00:58:30.060 --> 00:58:33.240
Speaker 1: also ich finde das Beispiel dieser Agentic AI so interessant.

00:58:34.280 --> 00:58:42.000
Speaker 1: wir beide sind ja beide wie soll man das sagen, ich will unsere Kompetenz nicht untergraben.

00:58:43.740 --> 00:59:03.360
Speaker 1: Ich sag mal so wir mussten uns ja beides ein bisschen erst reinfunken in die KI Hardwaren und dann hat man erstmal den Lesern auch erklärt Ja, da geht es um Matrix Multiplikationen und das können die normalen Prozessoren nicht so gut.

00:59:03.560 --> 00:59:07.060
Speaker 1: Und dann hat man das super schnelle Memory daran, das High Bandwidth Memory und so.

00:59:07.780 --> 00:59:09.740
Speaker 1: Das geht alles am normalen prozessor nicht!

00:59:09.920 --> 00:59:18.220
Speaker 1: Auf einmal hatte Intel plötzlich ja wieder... Jetzt sind sie auch füchterlich abgesagt weil sie einen schlechten Ausblick haben aber egal.

00:59:18.940 --> 00:59:21.960
Speaker 1: Jedenfalls hatte Intel auf einmal zwei bessere Quartale als gedacht.

00:59:24.800 --> 00:59:42.860
Speaker 1: Ja dem AMD Epic so ein bisschen unterlegenen Sion Prozessoren wieder verkauft wurden wie geschnitten Brot, weil Agentik AI, wo diese Agenten eben auch noch laufen plötzlich wieder Allzweckprozessoren benutzen kann oder davon profitiert nicht nur von den KI-Beschleunigern.

00:59:42.980 --> 00:59:48.400
Speaker 1: Das heißt und da war Nvidia ja auch sehr gut positioniert, deswegen haben sie auch immer erzählt wie toll ihr wäre.

00:59:48.700 --> 00:59:54.700
Speaker 1: Also ihr selbst designter Prozessor der Armkompatibel ist aber nicht Kerne von Arm zugekauft hat sondern eigene.

00:59:56.340 --> 00:59:57.160
Speaker 1: das haben Sie offenbar.

00:59:57.240 --> 00:59:58.200
Speaker 1: das war ja sehr geschickt.

00:59:58.900 --> 01:00:02.140
Speaker 1: also mein Gut wenn wenn jemand das weiß dann muss es ja Nvidia sein.

01:00:03.060 --> 01:00:13.240
Speaker 1: ich finde aber dass Beispiel interessant weil sich für Ich hab das gar nicht kapiert erst Warum auf einmal die Prozessoren sich verkauften, wie geschnitten Brot wieder?

01:00:14.160 --> 01:00:15.400
Speaker 1: Also die Allzweckprozessoren.

01:00:16.380 --> 01:00:21.080
Speaker 1: Ich will damit sagen also Nvidia kann sich keinesfalls auf irgendwelchen Lorbeeren ausruhen.

01:00:21.180 --> 01:00:25.380
Speaker 1: obwohl sie so eine riesen Firma sind ist dieses Geschäft unfassbar schnell.

01:00:25.460 --> 01:00:30.300
Speaker 1: Die anderen sind auch schnell und man muss rasend schnell auf Veränderungen reagieren.

01:00:30.420 --> 01:00:34.360
Speaker 1: Und das hat ja offenbar Jensen Wang ziemlich genial gemacht

01:00:34.880 --> 01:00:40.740
Speaker 0: Ja, entweder reagiert oder zumindest den richtigen Stellen im Unternehmen grünes Licht gegeben.

01:00:41.020 --> 01:00:43.840
Speaker 0: Wenn die gesagt haben wir müssen jetzt wir brauchen Jetzt können nicht mehr.

01:00:45.100 --> 01:00:52.420
Speaker 1: Das wäre ja genau die Aufgabe Die am schwierigsten zu für die am schwierigste ein Nachfolger zu finden ist wer jetzt meine schätze oder

01:00:52.540 --> 01:01:00.980
Speaker 0: dauerhaft sicherlich und deswegen fand ich auch die idee mit der Colette Cress eigentlich ganz charmant weil die isst.

01:01:01.080 --> 01:01:11.860
Speaker 0: wie gesagt quasi seit Beginn der KI-Ära sitzt die da zwar im Finanzbereich, aber die kennt die Firma halt und die weiß auch wieder Entscheidungen getroffen worden sind.

01:01:12.460 --> 01:01:40.680
Speaker 0: Und wenn das jetzt so eine Kultur ist wie sie zum Beispiel früher mal bei Apple gab oder in vielen anderen Firmen wo der Chef schlaue und teure Mitarbeiter anheuert und dann sagt ja ich verlasse mich darauf was ihr mir sagt Ich fange nicht an aus Business Gesichtspunkten Dinge über die Köpfe der Ingenieure hinweg zu entscheiden, was ja Intel zwischenzeitlich mal viel gekostet hat in der Cosonic Era.

01:01:42.480 --> 01:01:54.340
Speaker 0: Deswegen glaube ich wenn sie einfach aus ihrer Erfahrung her das quasi so weitermacht kann sie zumindest die Firmen geschicke kurzfristig und mittelfristig ganz gut bewältigen.

01:01:54.400 --> 01:01:55.160
Speaker 0: Das denke schon.

01:01:55.620 --> 01:02:06.120
Speaker 0: wie gesagt ob Sie diese Rockstar Mentalität die ja vielleicht auch so Entwickler ein bisschen mitreißt oder junge Entwickler dazu bewegt, da sozusagen für die Firma möchte ich arbeiten.

01:02:06.220 --> 01:02:07.020
Speaker 0: Das finde ich cool!

01:02:07.740 --> 01:02:10.580
Speaker 0: Da geht es ja nicht mehr nur um Geld sondern auch darum...

01:02:11.320 --> 01:02:11.380
Speaker 1: ...um

01:02:12.320 --> 01:02:13.860
Speaker 0: Image und wie man motiviert ist.

01:02:14.580 --> 01:02:15.420
Speaker 0: Ob sie das hinkriegen?

01:02:15.700 --> 01:02:17.300
Speaker 0: Keine Ahnung kann ich nichts zu sagen.

01:02:19.160 --> 01:02:20.360
Speaker 1: Also Gutes vor...?

01:02:21.380 --> 01:02:23.880
Speaker 1: Oder nein, ein gutes ist eigentlich gar kein Vergleich.

01:02:23.960 --> 01:02:30.420
Speaker 1: also Lisa Azu hat ja bei AMD Auch, sie präsentiert sich ja auch so ein bisschen lockerer mittlerweile auf der Bühne.

01:02:32.080 --> 01:02:41.580
Speaker 1: Aber bei ihr hat man ja vor allem geschätzt finde ich ist mein Eindruck gewesen das waren ja vorher so auch solche männlichen Goggeltüpen so ein bißchen die AMD geleitet haben.

01:02:41.640 --> 01:02:50.080
Speaker 1: Das ging ja schon mit Jerry Sanders los Der dann auch mal gerne einen markigen Spruch rausgehauen hat aber leere Taschen hatte im Grunde also als Firma.

01:02:51.320 --> 01:02:55.560
Speaker 1: Das wirkt ein bisschen lächerlich und aus heutiger Zeit, vor allem aus der Zeit gefallen.

01:02:55.700 --> 01:03:00.380
Speaker 1: Und dieser Hector Ruiz da von IBM, der aber ja glaube ich Lisa Sue in die Firma geholt hat.

01:03:01.040 --> 01:03:02.520
Speaker 0: Ja, da wird uns mal was richtig gemacht!

01:03:03.720 --> 01:03:12.320
Speaker 1: Der war ja so ein bisschen grand-signorhaft, aber dann ging das so in die falsche Richtung abgebogen... ...und bei Lisa Sue, die hat hier von Anfang an gesagt sie setzt auf Execution.

01:03:12.540 --> 01:03:19.040
Speaker 1: Das heißt also versprechen Einhalten und wirklich liefern und hat das auch nachgewiesen und ihrer Firma offenbar eingebrügelt.

01:03:21.860 --> 01:03:25.620
Speaker 1: Das ist ja auch eine Qualität, das ist aber bei Nvidia glaube ich gar nicht so gefragt.

01:03:25.780 --> 01:03:42.940
Speaker 1: Das war eh schon in den letzten Jahren beeindruckend wie schnell die diese Zyklen absolviert haben und wie sie auch diesen neuen Systeme... Also da ist auch sehr viel Systemfreien Schliff und das glaube ich eben nicht, dass es an einer Person liegt sondern die haben einfach ein sehr gutes Team.

01:03:43.360 --> 01:03:43.760
Speaker 1: Ja,

01:03:44.000 --> 01:03:44.400
Speaker 0: das schon.

01:03:44.520 --> 01:03:56.580
Speaker 0: aber man sieht ja jetzt wo sie die Spezifikation für Ruben...naja nicht nur ein bisschen, das ist ja schon deutlich nach unten korrigieren mussten was Speicher- und Interlinkgeschwindigkeit angeht.

01:03:57.540 --> 01:03:59.660
Speaker 0: alles läuft da auch nicht hundert Prozent rund

01:04:00.180 --> 01:04:00.580
Speaker 1: na klar.

01:04:01.360 --> 01:04:04.460
Speaker 0: Also die, die Exekution ist nicht bei hundert Prozent.

01:04:04.760 --> 01:04:07.120
Speaker 0: also da werden passieren immer Fehler.

01:04:07.200 --> 01:04:08.880
Speaker 0: Da werden auch wieder Fehler passieren.

01:04:09.740 --> 01:04:14.380
Speaker 0: aber ich glaube insgesamt kriegen sie das schon ganz gut hin.

01:04:16.240 --> 01:04:18.520
Speaker 1: Ich glaube die Aufgabe bei Nvidia wird es ja auch ein bisschen sein.

01:04:18.620 --> 01:04:32.040
Speaker 1: von diesem nur einer hat alle Fäden in der Hand eben wegzukommen und eher zu so eine mehr industrial also je industrieller die KI eigentlich auch wird und werden soll als Rückgrat einer Wirtschaft.

01:04:32.200 --> 01:04:39.040
Speaker 1: auch braucht man ja weniger so diesen Start-up Gedanken, sondern eigentlich muss das ja mal irgendwann in eine gewisse Kontinuität münden.

01:04:39.140 --> 01:04:41.220
Speaker 1: So dass man sagt Das ist halt wie Maschinenbau.

01:04:41.380 --> 01:04:46.900
Speaker 1: also diese Anlagen laufen und liefern vorhersagbare Performance.

01:04:47.080 --> 01:04:47.300
Speaker 1: Und

01:04:49.240 --> 01:04:49.300
Speaker 0: Ja,

01:04:50.040 --> 01:05:02.680
Speaker 1: das ist vielleicht innerhalb von fünf Jahren über die wir jetzt hier reden oder acht sechs sieben jahren in denen es sich eben verzickfacht hat dass sich das so in die Zukunft fortsetzt.

01:05:02.920 --> 01:05:04.660
Speaker 1: Vielleicht muss man auch mal andere Signale senden?

01:05:04.980 --> 01:05:12.060
Speaker 0: Das kann sein, ich meine da möchte ich jetzt nicht in den Schulen vom Board of Directors stecken außer vielleicht deren Portemonnaies aber...

01:05:13.560 --> 01:05:13.900
Speaker 1: Ja klar!

01:05:14.160 --> 01:05:15.480
Speaker 1: Die Kohle hätte man gerne, aber

01:05:15.580 --> 01:05:15.860
Speaker 0: ich

01:05:15.940 --> 01:05:17.200
Speaker 1: glaube es ist ein heißer Schul.

01:05:17.480 --> 01:05:17.760
Speaker 1: Du hast

01:05:17.840 --> 01:05:24.420
Speaker 0: schon recht ... sicherlich industrialisiert werden diese Geschäftsprozesse.

01:05:24.820 --> 01:05:47.720
Speaker 0: Aber andererseits birgt das natürlich auch die Gefahr, dass du auf dieses hochdynamische, ultradynamische KI-Umfeld halt eventuell dann zu spät reagierst wenn erst nochmal die Interessen von dem und dem abgewogen werden müssen und dann blockiert der eine und sagt wenn einer sagt so da geht es lang Dann kann das unter gewissen Umständen auch wirtschaftlichen Bereich Vorteile haben.

01:05:49.120 --> 01:05:54.500
Speaker 1: Ich möchte dann zuletzt noch auf einen Aspekt kommen, wo ich Collette Crest für sehr geeignet halte.

01:05:55.540 --> 01:06:02.580
Speaker 1: Das kommt in unserem Berichterstattung wenig vor aber wir unterhalten es darüber schon häufiger weil einfach das viele Leute nicht so interessiert ist.

01:06:02.620 --> 01:06:22.380
Speaker 1: aber sehr spannend eigentlich Denn vieles an dem KI Boom hat auch mit sehr, ich sage jetzt mal innovativen Finanzkonstrukten zu tun Wie zum Beispiel sogenannte Backstops, das heißt so kleine Firmen haben ja kleinere Firmen und die sind für Nvidia trotzdem wichtig.

01:06:23.340 --> 01:06:26.360
Speaker 1: Denn überall könnte ja das nächste Superstar drin stecken.

01:06:26.940 --> 01:06:31.660
Speaker 1: Die sollen ja die Hardware auch kaufen können, die ja immer wahnsinniger ist im Preis.

01:06:32.340 --> 01:06:50.080
Speaker 1: Und da hat Nvidia solche Sachen eingeführt wie...die kriegen dann nicht etwa Rabatte sondern Nvidia sagt wenn ihr die nicht ausgelastet kriegt dann könnt ihr die sozusagen ins Netz hängen und wir vermarkten zu einem gewissen Mindestpreis das als Cloud-Nutzung für andere, die da drauf zugreifen wollen.

01:06:50.620 --> 01:06:52.380
Speaker 1: Find ich eine witzige Idee?

01:06:52.680 --> 01:06:52.740
Speaker 0: Ja!

01:06:54.540 --> 01:06:55.940
Speaker 1: Und es gibt doch andere...

01:06:56.660 --> 01:06:59.100
Speaker 0: Das ist der positive Hälfte von der Geschichte.

01:06:59.180 --> 01:07:06.560
Speaker 0: Die andere Hälste ist natürlich dass Nvidia in Startups Milliarden investiert damit sie ihre Hardware erst kaufen können.

01:07:07.980 --> 01:07:11.840
Speaker 1: Wie auch immer Ich wollte ja gerade sagen, es sind viele andere.

01:07:11.940 --> 01:07:15.060
Speaker 1: von diesen innovativen Finanzideen habe ich überhaupt nicht verstanden.

01:07:15.500 --> 01:07:28.100
Speaker 1: Also ich bin ja grade mein Ingenieur aber... ...ich denke dass jemand wie Colette Cress die seit treizehn Jahren dabei ist bei Nvidia genau den Teil der nämlich ein haariger Teil ist.

01:07:28.160 --> 01:07:33.960
Speaker 1: meiner Meinung nach weil da geht's ja auch um Steuern und Lizenzen und was weiß ich?

01:07:35.520 --> 01:07:37.900
Speaker 1: Dafür ist sie ja sicherlich ganz genau die richtige.

01:07:38.140 --> 01:07:38.440
Speaker 1: Dafür

01:07:38.500 --> 01:07:41.580
Speaker 0: ist die perfekt, wie gesagt,

01:07:42.520 --> 01:07:42.600
Speaker 1: die

01:07:42.640 --> 01:07:51.860
Speaker 0: sitzt da mit am Ruder seit über einer Dekade und wenn sie das nicht alles aufgeschnappt hat, hat sich es vielleicht sogar selbst mit ausgedacht?

01:07:53.080 --> 01:07:54.140
Speaker 1: Das würde ich eben auch denken.

01:07:54.220 --> 01:08:09.060
Speaker 1: also da haben Sie vielleicht sogar ein ganz gutes Signal gesendet, gerade diese Dinge Auch wichtig sind eben, um aus diesem Highpass von diesen Hyperscalern die halt sehr tiefe Taschen bisher noch haben ein bisschen wegzukommen.

01:08:09.520 --> 01:08:11.640
Speaker 0: Ja vielleicht bleibt sie länger CEO wer weiß?

01:08:12.400 --> 01:08:14.980
Speaker 1: Okay Kars wir sind jetzt schon lange dran.

01:08:15.160 --> 01:08:27.240
Speaker 1: es ist ja auch ein Irrsinnsthema Wer hätte das gedacht dass das wertvollste Unternehmen an der Borsse, börsmalige sich mehr oder weniger selbst zerlegt.

01:08:27.620 --> 01:08:32.920
Speaker 1: Es hat heute schon jemand in den sozialen Medien geschrieben da hat man immer gesagt man müsste die KI zerschlagen.

01:08:32.980 --> 01:08:34.920
Speaker 1: jetzt erledigt ist gleich selber.

01:08:35.740 --> 01:08:45.200
Speaker 1: das fand ich auch ein witzigen Gedanken genauso wie dass es dies für die dreizehnelften sei irgendwie der weltuntergang vorhergesagt und dann ist aber nur Outlook ausgefallen.

01:08:47.620 --> 01:08:51.760
Speaker 1: Also nur mal so ein paar Sprüche noch zum Ende, also da fallen mir ja viele dumme Sprüchen zu einem.

01:08:51.800 --> 01:09:00.680
Speaker 1: Zu dem was ich Jensen Wang geleistet hat Ich danke dir für diese spontane Teilnahme an unserem Gespräch heute.

01:09:00.860 --> 01:09:01.560
Speaker 0: Ja sehr gerne.

01:09:03.480 --> 01:09:07.120
Speaker 1: Vor allem aber danken wir Ihnen liebe Zuhörerinnen und Zuhäuer für Ihr Interesse.

01:09:07.520 --> 01:09:11.580
Speaker 1: Wir freuen uns über Feedback per Mail an bit-rauschenatct.de.

01:09:12.880 --> 01:09:22.480
Speaker 1: Und wenn Sie jetzt trotz dieser endlosen Podcast immer noch Lust auf weitere Podcasts haben dann finden sie die Wie schon oft erzählt unter heise.de slash Podcasts.

01:09:23.200 --> 01:09:36.340
Speaker 1: und ganz zum Schluss danken wir unserem Producer Ralf und sagen tschüss und bis zur nächsten Folge von Betrauchen normalerweise jeden zweiten Mittwoch früh am Morgen.