Jensen Huang wollte mehr Nvidia-Chips verkaufen, indem der Konzern seinen Kunden bei der Finanzierung neuer Rechenzentren hilft. Finanzchefin Colette Kress stellte schon im Frühjahr infrage, welche Garantien Nvidia dafür übernehmen sollte. Nach Huangs Rücktritt führt sie Nvidia vorerst selbst und muss entscheiden, wie viel Risiko der Konzern bei künftigen Projekten trägt.
Anzeige
Huang wollte Chipverkäufe sichern, Kress rechnete nach
Garantien von Nvidia sollten Cloud-Anbietern helfen, leichter und günstiger an Kredite zu kommen. Mit dem Geld sollten sie Rechenzentren bauen und Nvidia-Chips kaufen. Huang drängte sein Team laut »Wall Street Journal«, bei der Bewertung der Garantien auch die Chipverkäufe einzurechnen, die sie bringen könnten.
Kress wollte schon beim Start des Programms wissen, welche Projekte Nvidia absichern, wie der Konzern die Garantien bewerten und wie er daran verdienen sollte. Bei einer Besprechung im Sommer soll Huang sie vor dem Finanzteam mit einem Reh im Scheinwerferlicht verglichen haben. Er sprach ihr dem Bericht zufolge ab, bei strategischen Entscheidungen helfen zu können.
Wie unterschiedlich beide an die Finanzierung herangingen, zeigt das Rechenzentrum für OpenAI in Ohio. Nvidia erwog zunächst eine Absicherung von 250 Milliarden $. Kress verhandelte die Zusage herunter. Die im August vereinbarte Garantie deckt bei bestimmten Zahlungsausfällen Teile der Miet- und Stromkosten ab und ist auf 105 Milliarden $ begrenzt. Ende August verteidigte Kress das Finanzierungsmodell öffentlich und stellte hohe Renditen in Aussicht.
Teurere Kredite bremsen den Ausbau
Nvidia legte schon unter Huang einige geplante Finanzierungsdeals auf Eis und prüfte neue Zusagen strenger. Wie weit Kress diese Linie fortsetzt, ist für die KI-Branche entscheidend. Wenn Banken bei geringeren Garantien mehr Zinsen verlangen oder Kredite verweigern, müssen Betreiber neue Rechenzentren kleiner planen oder den Bau verschieben.
Dann werden auch weniger KI-Chips installiert. Das trifft neben Nvidia die KI-Unternehmen, die diese Rechenleistung mieten. Sie müssten länger auf Kapazität warten, um neue Modelle zu trainieren und ihre Dienste für mehr Kunden anzubieten.
