7 min read · 10 sources

Nvidia kauft das Open-Source-KI-Lager. Berichten zufolge liegt der Deal für Hugging Face bei 12,9 Milliarden US-Dollar, wobei TechCrunch anmerkt, dass widersprüchliche Berichte darauf hindeuten, dass ein Deal möglicherweise noch nicht unterzeichnet ist. So oder so ist die Logik offensichtlich: Wenn OpenAI, Google, Amazon und Anthropic alle ihre eigene Silizium-Plattform aufbauen, ist der sicherste Zug für Nvidia, den Ort zu besitzen, an dem jedes Modell hochgeladen, heruntergeladen und benchmarked wird.

Es geschah in derselben Woche, in der Nvidia der Wall Street mitteilte, dass die KI-Nachfrage bis zum Ende des Geschäftsjahres 2028 angebotsbegrenzt bleiben wird. Zwei Tage zuvor hatte Amazon seine Chip-Bestellung verdreifacht. Der gesamte Markt bewegt sich wie ein Block, und dieser Block gehorcht Jensen Huang.

Nskales West-Virginia-Campus kann auf 8 GW skalieren, und Microsoft hat sich bereits 1,35 GW davon gesichert, neben Anthropics 460 MW.

Nvidia, Amazon und die GPU-Angebotsmauer

Source: siliconangle.com ↗

Nvidias Q2 erreichte 96 Milliarden US-Dollar Umsatz, ein Plus von 100 % gegenüber dem Vorjahr, mit 89 Milliarden US-Dollar im Bereich Data Center. Die Q3-Prognose liegt bei 108 Milliarden US-Dollar. CFO Colette Kress fasste das mehrjährige Bild unverblümt zusammen: Das Wachstum im Geschäftsjahr 2028 wird auf rund 70 % prognostiziert, weil das Angebot nicht mehr hergibt, und die Kundenprognosen deuten auf eine ungefähre Verdopplung im Folgejahr hin. Jensen Huang sagte, die Kapazität werde bis zum Geschäftsjahr 2028 schrittweise hochgefahren.

Für Enterprise-IT-Einkäufer ist die praktische Botschaft, dass die Beschaffung weiterhin angebots- und nicht nachfrageseitig limitiert ist. Lieferzeiten, Allokationen und Preise werden durch Nvidias Fab- und Packaging-Ramp bestimmt und nicht durch den Wettbewerbsdruck von AMD, Intel oder dem Inhouse-Silizium der Hyperscaler. Wer seinen GPU-Plan für 2027 auf ein sich lockerndes Marktumfeld stützt, plant besser neu.

Die Ankündigung von Amazon fügt sich in dieselbe Geschichte ein. AWS fügt 2 Millionen Nvidia-GPUs über Blackwell Ultra, Rubin und Rubin Ultra hinzu, einsetzbar in 2027 und 2028, zusätzlich zu einer Bestellung über 1 Million Chips, die vor fünf Monaten aufgegeben wurde. Der Deal geht über Chips hinaus und umfasst auch Networking, Nvidias Modell- und Software-Stack innerhalb von Bedrock und SageMaker sowie Robotik-Integration. AWS liefert weiterhin seine eigenen Trainium- und Graviton-Teile aus, aber die nach Umsatz zweit- und drittgrößten Workloads bei AWS laufen weiterhin auf Nvidia, und der Hyperscaler ist bereit, das auch öffentlich zu sagen.

Der 12,9-Mrd.-US-Dollar-Zug mit Hugging Face

Source: techcrunch.com ↗

Die Übernahme von Hugging Face ist der strategische Schritt unterhalb der Angebotsgeschichte. Hugging Face ist das De-facto-Register für Open-Weight-Modelle, Datensätze und Spaces-Demos und zugleich ein eigenständiges Hosting- und Inferenz-Geschäft in substanzieller Größe. Unter Nvidia erhält der Chiphersteller Einfluss darauf, welche Modelle promoted werden, welche gut auf Blackwell und Rubin laufen und wie sich das offene Ökosystem an seine Hardware-Roadmap anpasst.

Für Engineers sind die Konsequenzen praktisch und unbequem. Wer heute ein Modell auf Hugging Face ausliefert, wettet darauf, dass die Plattform eine neutrale Utility bleibt. Ein Nvidia-geführtes Hugging Face hätte jeden Grund, CUDA, TensorRT-LLM und Nvidia-optimierte Checkpoints zu bevorzugen, und das Open-Model-Ökosystem wäre nur eine Konzernentscheidung von einer stillen Neuausrichtung entfernt. Beobachten, was mit Nicht-Nvidia-Inferenz-Backends passiert, mit AMD- und Apple-Silicon-Kompatibilität und mit allem, was mit den Teilen des Stacks konkurriert, die Nvidia wichtig sind.

Die Berichte widersprechen sich auch. The Information sagt, die Gespräche seien fortgeschritten, aber nicht abgeschlossen; andere Berichte sind bestimmter. Den Preis als plausibel behandeln, den Abschluss als unsicher.

Die Koordinationssteuer in den Polyrepos

Source: differentshelf.com ↗

Ein langfristiges Muster, kein Produktlaunch, aber der Different-Shelf-Beitrag zur Repository-Fragmentierung ist ein nützliches Gegengewicht zur gesamten KI-Euphorie. Das Argument: In großen proprietären Organisationen löst jede repo-übergreifende Änderung eine marktähnliche Transaktion aus. Eigentümer verhandeln, Backlogs reihen sich ein, Releases werden sequenziert, Controls attestieren neu. Jede ist klein; in der Summe sind die Koordinationskosten eine Steuer auf das Ausliefern von allem, was die Territorien mehr als eines Teams berührt.

Ein Monorepo senkt diese Transaktionskosten, indem verwandter Code an einem Ort auffindbar und editierbar wird, und genau diese Eigenschaft macht KI-Coding-Assistenten in einem Monorepo drastisch nützlicher als über Polyrepos hinweg: das Modell sieht mehr vom System. Der Beitrag betont sorgfältig, dass dies ein Business Case ist, der mit gemessenen Zahlen geführt werden muss, keine Religion, und dass Migration, Tooling und Access Control echtes Geld kosten. Conways Law zeigt in die andere Richtung: Repo-Grenzen werden häufig zu Team-Grenzen, und das Umorganisieren des Repos ist oft der erste Schritt beim Umorganisieren des Organigramms.

Anthropic, Nscale und 460 MW Vera Rubin

Source: datacenterdynamics.com ↗

Anthropic unterzeichnete einen 45-Mrd.-US-Dollar-Compute-Deal mit Nscale über ein sechsjähriges Lease von 460 MW am Monarch Compute Campus in West Virginia. Der Standort nutzt Nvidias Vera-Rubin-Silizium und soll Ende nächsten Jahres online gehen, in der ersten Phase gespeist von Caterpillar-G3500-Erdgasgeneratoren. Der Campus hat eine potenzielle Kapazität von bis zu 8 GW, wobei die erste 2-GW-Phase in der ersten Hälfte von 2028 erwartet wird. Microsoft hat sich am selben Standort bereits 1,35 GW gesichert.

Gegenübergestellt mit Anthropics bestehendem 200-Mrd.-US-Dollar-Abkommen mit Google und den übrigen Cloud-Verpflichtungen von über 10 GW wirkt das Frontier-Model-Compute-Spiel weniger wie eine Cloud-Kunden-Beziehung und mehr wie eine Stromnetz- und Baubeschaffung. Für Engineers bedeutet das: Frontier-Model-Fähigkeiten sind nun durch mehrjährige physische Infrastruktur gegated, und die Spieler, die bereit sind zu warten, werden die nächste Generation von Modellen trainieren.

Z.ai open-sourced GLM-5.3-Flash

Source: siliconangle.com ↗

Z.ai veröffentlichte GLM-5.3-Flash, zuvor bekannt als Ox Alpha, als Open-Weight-Modell. Die relevanten Zahlen: 320 Milliarden Gesamtparameter in einem Mixture-of-Experts-Setup, 18 Milliarden aktiv pro Anfrage, 1 Million Token Input-Kontext, 131.072 Token Output.

Die interessantere Zahl ist architektonisch. GLM-5.3-Flash ersetzt die übliche Softmax-Attention durch ein Sparse-Linear-Attention-Schema, und Z.ai behauptet, der Speicherverbrauch wachse linear mit der Prompt-Größe statt quadratisch. Eine Verdopplung des Prompts verdoppelt ungefähr den RAM, statt ihn zu vervierfachen. Z.ai reklamiert eine 10-fache Kosteneffizienzverbesserung gegenüber dem Vorgänger, mit Benchmark-Parität oder Siegen gegen Claude Opus 4.8, GPT-5.6 Terra und Gemini 3.7 Flash.

Lineare Attention ist nicht neu, aber sie in einem offenen 320B-Modell auszuliefern, das in Standard-Evals besteht, ist ein aussagekräftiger Datenpunkt. Wer die Inferenzkosten für langen Kontext dimensioniert, für den ist die Form der Speicherkurve ebenso wichtig wie die Parameteranzahl, und dies ist eines der ersten öffentlichen großen Modelle, an dem sich der Trade-off selbst messen lässt.

Dun & Bradstreet legt einen kommerziellen Graphen in Perplexity

Source: digitalitnews.com ↗

Dun & Bradstreet verdrahtet seinen Commercial Graph in Perplexity, einschließlich der Perplexity-Computer-Agent-Plattform, über Model-Context-Protocol-Server. Der Graph ist über die D-U-N-S-Nummer verschlüsselt und deckt über 650 Millionen Geschäftseinheiten ab, mit Eigentums-, Risiko- und Beziehungsdaten.

Die Integration zielt auf KYC-, KYB-, Procurement-, Finance- und Compliance-Workflows, die verifizierte Unternehmensdaten und eine auditierbare Spur benötigen. Dun & Bradstreet zitiert Umfragedaten, denen zufolge 75 % der Organisationen einen messbaren KI-ROI melden, aber nur 6 % angeben, dass ihre Unternehmensdaten vollständig für KI im großen Maßstab bereit sind. Das interessante Muster ist nicht die Partnerschaft selbst, sondern die Deployment-Form: ein autoritativer Drittanbieter von Daten, der seine Daten über MCP zugänglich macht, mit einer Agent-Plattform am anderen Ende und einer anpassbaren Workflow-Schicht dazwischen. Das ist die Vorlage dafür, wie vertrauenswürdige Referenzdaten im nächsten Jahr in agentische Systeme getragen werden.

Nutanix' 20-Mio.-US-Dollar-interner-KI-Cluster

Source: theregister.com ↗

Nutanix baute intern einen 20-Mio.-US-Dollar-GPU-Cluster, um einen Teil seiner Copilot- und Claude-Nutzung auf eigene Hardware zu verlagern, mit erwarteter Amortisation innerhalb eines Jahres. Nutanix ist ein Virtualisierungs- und Hyperconverged-Infrastructure-Anbieter, daher passt ein selbstgebauter KI-Cluster zur Marke, aber die Ausgabe und die Rechnung sind das Bemerkenswerte.

Zwanzig Millionen US-Dollar für eine Amortisation in zwölf Monaten impliziert eine aktuelle SaaS-KI-Rechnung in der Größenordnung von 20 Mio. US-Dollar plus, konsistent mit dem, was andere große Engineering-Organisationen stillschweigend für Per-Seat-KI-Tooling ausgeben. Die These ist einfach: Bei genügend Seats schlagen die Per-Token-Ökonomien eines Fronttier-SaaS die Per-Token-Ökonomien eines abgeschriebenen GPU-Clusters, insbesondere bei Chat- und Coding-Workloads mit vorhersehbarer Form. Damit ist zu rechnen, dass mehr mittelgroße bis große Engineering-Organisationen 2027 dieselbe Rechnung durchlaufen.

Claude Code: weg von der Console

Source: support.claude.com ↗

Anthropic veröffentlichte einen Migrations-Leitfaden, um den Claude-Code-Zugang von der Console-API auf Claude Enterprise umzustellen. Die mechanischen Teile sind überschaubar: Admins provisionieren Enterprise-Seats, konfigurieren Identity und SSO, und Entwickler wechseln ihre Login-Methode. Lokale CLI-Session-History muss nicht migriert werden.

Der Grund für die Migration ist die Enterprise-seitige Kontrolloberfläche: zentralisierte Policies, Analytics, Audit-Logs und hierarchische Spend-Limits. Wer Claude Code über mehr als eine Handvoll Engineers betreibt, für den geht es bei der Migration weniger um Features als darum, Ausgaben und Zugriff aus persönlichen Konten heraus und in etwas zu holen, das Finance und Security abzeichnen können.

Palo Altos Einkaufsliste: Okta, Datadog und der 25-Mrd.-CyberArk-Abschluss

Source: uk.finance.yahoo.com ↗

Palo-Alto-Networks-CEO Nikesh Arora führte Übernahmegespräche sowohl mit Okta als auch mit Datadog, bevor er den 25-Mrd.-US-Dollar-Deal mit CyberArk abschloss. Okta ist ungefähr ein 23-Mrd.-US-Dollar-Unternehmen, die Gespräche scheiterten am Preis; Datadog hat eine Marktkapitalisierung von über 80 Mrd. US-Dollar, und CEO Olivier Pomel war Berichten zufolge nicht zugänglich. Palo Alto übernahm dann im Januar 2026 Chronosphere für 3,35 Mrd. US-Dollar, was 338 Mio. US-Dollar zu den 3 Mrd. US-Dollar im Q4 beitrug.

Der strategische Rahmen ist, dass KI-Agenten bald Angriffe ausführen werden und sowohl Anthropic als auch OpenAI KI-gestützte Verteidigungstools verkaufen. Palo Alto kauft sich eine Identity- und Observability-Plattform, um auf Threat Surfaces der KI-Ära zu konkurrieren. Für Engineers zählt die Konsolidierungsgeschichte: Der Security-Stack wird in eine kleinere Zahl sehr großer Plattformen rekombiniert, und die Grenze zwischen Identity, Observability und Detection löst sich auf.