Amazon plant Ausgliederung von Nvidia-Chips im Wert von 8 Mrd. Dollar
Trending Topics auf Google als bevorzugte Nachrichtenquelle festlegen.
Amazon strebt die Ausgliederung von rund 8 Milliarden Dollar an fortschrittlichen Nvidia-Chips an externe Investoren an. Das berichtet die Financial Times unter Berufung auf mit der Angelegenheit vertraute Personen. Der E-Commerce-Riese hat in den vergangenen Wochen Gespräche mit Investoren geführt, um das Interesse an dem Deal auszuloten.
Das Unternehmen plant, Tausende Grace-Blackwell-Chips in eine Zweckgesellschaft auszugliedern. Amazon wird die fortschrittlichen AI-Chips, die in Rechenzentren in den gesamten USA eingesetzt werden, dann von dieser Gesellschaft zurückleasen. Die Zweckgesellschaft soll externe Investoren durch Schuldenemissionen erschließen.
Asset-Light-Strategie zur Bilanzoptimierung
Die Maßnahme zielt darauf ab, Amazons Bilanz zu stärken, indem man teure Chip-Kosten auf Investoren abwälzt. Das Unternehmen verfolgt damit einen Asset-Light-Ansatz. Amazon plant zudem, eine Kapitalbeteiligung von bis zu 10 Prozent an der Zweckgesellschaft anzubieten, was darauf hindeutet, dass der Konzern selbst keine Anteile an der Einheit halten wird.
Der Schritt erfolgt inmitten eines breiteren Trends der sogenannten Hyperscaler in den USA, weniger bilanzlastige Mittel zur Finanzierung ihres massiven Rechenzentrumsausbaus zu finden. Ein Großteil der Rechenzentrumskosten entfällt auf die fortschrittlichen Chips, die zum Training von Künstliche-Intelligenz-Modellen verwendet werden.
Über 200 Milliarden Dollar Investitionsausgaben geplant
Amazon hat angekündigt, in diesem Jahr über 200 Milliarden Dollar an Investitionsausgaben zu tätigen. Ein Großteil davon fließt in die Web-Services-Cloud-Einheit, um mehr Chips zu kaufen und weitere Rechenzentren zu errichten.
Die Ausgliederungsstrategie zeigt, wie die Tech-Giganten innovative Finanzierungsmodelle entwickeln, um die enormen Kapitalanforderungen der AI-Infrastruktur zu bewältigen. Die Grace-Blackwell-Chips von Nvidia gehören zu den gefragtesten Komponenten für das Training großer Sprachmodelle und anderer AI-Anwendungen.
