Bank of America: Meta verkauft Rechenleistung, um die Geschichte über die Rendite von KI-Investitionen besser zu erzählen

Autor | Zhang Yaqi

      Redaktion | Hard AI

Meta plant, seine massiven KI-Rechenleistungs-Assets zu monetarisieren – ein Schritt, der nicht nur die Basis für eine neue Geschäftslinie bildet, sondern auch als strategisches Signal für Investoren dient, die die hohen Investitionsausgaben in Frage stellen.

Laut Berichten arbeitet Meta an Plänen für ein Cloud-Infrastrukturgeschäft, bei dem externen Kunden KI-Rechenleistungszugang und Modelldienste verkauft werden sollen. Nach Bekanntgabe dieser Pläne stieg der Aktienkurs von Meta an einem Tag um ca. 10 %, deutlich mehr als der S&P 500 im gleichen Zeitraum (ca. 0,25 %). Der Markt reagierte sehr positiv auf diese potenziell neue Geschäftslinie.

Laut Feng Trading Desk stellten die Analysten Justin Post und Nitin Bansal von Bank of America Securities in ihrem am 1. Juli veröffentlichten Researchbericht fest, dass die Förderung des Cloud-Geschäfts dazu beiträgt, den potenziellen Wert der Rechenleistung und der Modellentwicklung von Meta hervorzuheben – und somit Investoren teilweise die Sorge nimmt, dass die fortwährenden KI-Infrastruktur-Investitionen keine greifbaren Erträge bringen. Bank of America bleibt bei seiner Kaufempfehlung für Meta, mit einem Kursziel von 835 Dollar.

Meta Cloud-Projekt nimmt Gestalt an: Zwei parallele Ansätze

Bloomberg berichtet unter Berufung auf Insider, dass die Meta-Cloud-Pläne derzeit zwei Richtungen verfolgen: Erstens die Bereitstellung von KI-Modell-Hosting, wobei Entwickler Zugang zu verschiedenen Modellen erhalten, die auf Metas bestehender KI-Infrastruktur laufen – darunter die Muse Spark-Modellreihe; Abrechnung erfolgt nach Zugriff. Dieses Modell ähnelt Amazons Bedrock-Produkt von AWS. Zweitens der Direktverkauf von Roh-Rechenleistung, was eher der Positionierung von Anbietern wie CoreWeave entspricht.

Die Pläne sind Teil der Meta-internen Initiative „Meta Compute“, die sich auf Aufbau und Betrieb der KI-Infrastruktur konzentriert. Metas CEO hat öffentlich Geschäftschancen im Unternehmensmarkt angedeutet und erklärt, dass Meta Rechenleistung voraussichtlich zu einem Preis oberhalb der Baukosten verkaufen kann.

Bank of America weist im Bericht darauf hin, dass – aus makroökonomischer Sicht – Metas Investitionsausgaben für 2026 maximal 3 GW Rechenleistung ermöglichen können (bei je GW 40–45 Milliarden Dollar). Aufbau einer Cloud-Plattform bringt strategische Flexibilität:Sobald überschüssige Rechenleistung entsteht, könnte diese für 10 bis 15 Milliarden Dollar pro GW/Jahr vermietet werden und das Unternehmen positiv unterstützen.

Wettbewerbsposition fraglich, strategische Zweifel bleiben

Trotz der positiven Marktreaktion weist Bank of America auch auf die potenziellen Zweifel hin: Metas Fortschritte bei eigenen Chips scheinen hinter Amazon, Microsoft, Google und anderen etablierten Cloud-Anbietern zurückzubleiben. Gleichzeitig kauft Meta weiterhin Rechenleistung über Drittverträge – unter anderem jüngst ein Beschaffungsabkommen mit Crusoe über 1,6 GW.

Diese Situation wirft Fragen zur strategischen Logik von Meta auf: Kann ein Unternehmen, das selbst Rechenleistung zukauft, ein überzeugendes Geschäft in deren Wiederverkauf etablieren? Wie wird die Wettbewerbsfähigkeit von Meta im Bereich der hyperskalierbaren Cloud-Angebote bewertet?

Bank of America ist der Meinung,ob Meta auf diesem Feld stärkere Marktakzeptanz erreicht, hängt maßgeblich von den Fortschritten seiner Large Language Models (LLM) ab– je höher die Modellqualität, desto größer die externe Nachfrage nach Meta-Rechenleistung und desto solider das Geschäftsmodell im Cloud-Bereich.

Verbesserung der KI-Einheitlichkeit – ein zweischneidiges Schwert für Cloud-Anbieter

Abseits der Meta-Cloud-Pläne gibt es auch auf der Kostenseite der KI-Rechenleistung relevante Entwicklungen. Laut The Information hat OpenAI angeblich eine systemische Optimierung entdeckt, die die Inferenzkosten bestimmter Modelle etwa halbiert. Die Optimierung erfolgt durch effizientere Nutzung bestehender Server-Infrastruktur und benötigt keinerlei zusätzliche Hardware oder neue Modellarchitektur. Berichten zufolge wurde sie bereits auf das ChatGPT-Traffic im nicht eingeloggten Zustand angewandt, das nun mit nur wenigen hundert Nvidia-GPUs betrieben werden kann. Details zur genauen Funktionsweise sind noch unklar und ob die Methode auf eingeloggte Nutzer, API-Workloads oder rechenintensive Anwendungen übertragbar ist, bleibt offen.

Bank of America meint,die gesteigerte Effizienz von Rechenleistung ist für große Internetkonzerne grundsätzlich vorteilhaft: Wenn diese Techik im Sektor verbreitet wird, kann dadurch ohne weitere Hardwareinvestitionen mehr Ertrag aus bestehender Rechenleistung gezogen werden, was den Druck auf zusätzliche Investitionsausgaben mindert und die Wirtschaftlichkeit von KI-Geschäftsmodellen verbessert. Mit wachsenden Agentic-Anwendungen und steigendem Tokenverbrauch gewinnt Optimierung der Rechenleistung strategisch an Bedeutung.

Für hyperskalierbare Cloud-Anbieter bedeutet sinkende Inferenzkosten aber auch potentiellen Preisdruck; gleichzeitig sorgt ein besseres Margenprofil und ein breiter adressierbarer Markt für einen weiteren Schub bei der Nachfrage von AI-Workloads. Insgesamt bleibt die Entwicklung positiv.