Nvidias nächste große Wette läuft nicht mehr nur im Maschinenraum der KI, sondern direkt dort, wo das Zeug am Ende arbeiten muss: im Alltag. Der Konzern macht auf seiner GTC-Konferenz klar, dass die richtig große Kasse wohl erst dann klingelt, wenn KI-Modelle nicht bloß trainiert, sondern in Echtzeit millionenfach genutzt werden. Genau dafür setzt Jensen Huang jetzt ein dickes Ausrufezeichen und spricht von einer Umsatzchance von mindestens 1 Billion Dollar bis 2027.

Das ist kein kleiner Nachschlag, sondern ein ziemlich markanter Sprung. Noch im Februar hatte Nvidia für seine Blackwell- und Rubin-Chips eine Marktchance von 500 Milliarden Dollar bis 2026 genannt. Jetzt wird die Latte also deutlich höher gehängt. Das Signal ist eindeutig: Nvidia will Anlegern zeigen, dass die Geschichte hier noch längst nicht auserzählt ist.

Jetzt geht es ums Abarbeiten, nicht mehr nur ums Anlernen

Auf der Bühne hat Huang dafür nicht nur große Worte geliefert, sondern auch neue Produkte. Vorgestellt wurden eine neue CPU namens Vera und ein KI-System auf Basis von Groq-Technologie. Dahinter steckt mehr als Technik-Gewese für Entwickler. Nvidia baut sich damit in einem Bereich breiter auf, der in den kommenden Jahren brutal wichtig werden dürfte: beim sogenannten Inference Computing.

Gemeint ist damit der Moment, in dem ein KI-System tatsächlich etwas tut, also Fragen beantwortet, Texte ausspuckt, Aufgaben erledigt oder Inhalte ausliefert. Das Training war bislang die Königsdisziplin von Nvidia, dort hat der Konzern den Markt praktisch vor sich hergetrieben. Beim Inference-Geschäft ist die Sache aber komplizierter. Da drängen auch CPUs und maßgeschneiderte Chips anderer Anbieter nach vorn, etwa von Google. Anders gesagt: Genau da, wo künftig das große Volumen liegen könnte, wird der Wettbewerb härter.

Huang beschreibt diesen Ablauf als Zweiklang. Die Vera-Rubin-Chips sollen den ersten Schritt übernehmen, also Nutzereingaben in jene Recheneinheiten übersetzen, mit denen Maschinen arbeiten. Die Groq-Technologie soll dann den zweiten Teil stemmen, also die eigentliche Antworterzeugung. Fachlich klingt das sperrig, praktisch ist die Sache simpel: Nvidia will nicht mehr nur einzelne Hochleistungschips verkaufen, sondern komplette KI-Maschinenräume. Und das ist aus Konzernsicht clever, weil sich damit nicht nur Hardware, sondern gleich die ganze Infrastruktur monetarisieren lässt.

Der Markt hört zu, glaubt aber nicht mehr alles blind

Auffällig ist dabei vor allem der Ton. Nvidia erzählt die eigene Zukunft inzwischen nicht mehr als Fortsetzung des alten Erfolgs, sondern als nächsten Umbau des KI-Booms. Erst Training, jetzt Inference, später noch mehr Systemgeschäft. Das ist strategisch sauber, aber es zeigt auch, wo der Druck sitzt. Nach dem irren Lauf der Aktie und der historischen Marke von 5 Billionen Dollar Börsenwert im Oktober 2025 schauen Investoren deutlich kritischer hin. Die Frage lautet längst nicht mehr, ob Nvidia ein Gewinner ist. Die Frage lautet, wie lange das in diesem Tempo noch weitergehen kann.

Genau deshalb ist auch die Reaktion an der Börse spannend. Die Aktie zog nach den Aussagen zunächst an, gab einen Teil der Gewinne später aber wieder ab. Der Markt findet die Botschaft also gut, nur eben nicht völlig bedingungslos. Einerseits stützt die neue Billionen-Prognose die Story, dass Nvidia beim KI-Ausbau weiter den Takt vorgibt. Andererseits bleibt der Verdacht im Raum, dass der Konzern immer größere Erwartungen bedienen muss, während die Konkurrenz nicht schläft und der Kapitalbedarf gewaltig bleibt.

Huang versucht, diese Zweifel mit einer langen Perspektive zu kontern. Er stellte auch die Feynman-Roadmap für 2028 in Aussicht und machte klar, dass Nvidia zudem im CPU-Geschäft bereits eigenständig Milliardenpotenzial sieht. Das klingt nach maximalem Selbstbewusstsein. Ob daraus aber dauerhaft neuer Schub für die Aktie wird, hängt an mehr als nur an einer glänzenden Bühne und starken Sprüchen. Nvidia muss jetzt zeigen, dass die nächste KI-Phase nicht bloß gut klingt, sondern ebenso lukrativ wird wie die vorige.