Niemand kennt den Wert eines gebrauchten GPU-Clusters

• Wenn xAI in Zahlungsverzug gerät, könnten die Kreditgeber Colossus, bestehend aus 200.000 GPUs, übernehmen und vermieten; der tatsächliche Wert hängt jedoch viel stärker vom Betriebszustand und dem impliziten Wissen des Teams ab als von der Hardware
• Rund um xAI und CoreWeave hat sich GPU-besicherte Finanzierung verbreitet, doch mangels Infrastruktur zur Preisfindung spiegeln Kreditkonditionen wie Zinssätze von rund 8,5 Prozentpunkten über dem Referenzzins schwer messbare Risiken wider
• Die Mietpreise für H100 fielen von rund 8 US-Dollar pro Stunde Anfang 2024 auf 1,70 US-Dollar im Oktober 2025 und erholten sich bis März 2026 wieder auf 2,35 US-Dollar, was Prognosen zu Restwert und künftigen Mieterträgen erschwert
• Selbst bei denselben GPUs setzt CoreWeave eine Nutzungsdauer von 6 Jahren an, Nebius dagegen 4 Jahre; zugleich hat NVIDIA seinen Produktzyklus von 2 Jahren auf 1 Jahr verkürzt, wodurch die Lücke zwischen Buchwert und Verwertungswert größer werden kann
• Für GPU-Sicherheiten existieren unterschiedliche Werte: der bilanzielle Nennwert, der Notverkaufswert und der Wert im laufenden Betrieb; scheitert die operative Übergabe, lässt sich ein vertraglich übernommener Cluster nur schwer als Ertragsvermögen erhalten

---

Wenn das Betriebsteam geht, verändert sich der Sicherheitenwert

• Anders als bei Gebäuden hängt der Wert eines GPU-Clusters davon ab, ob das Betriebsteam, das Provisionierung, aktuelle Performance und Geräteeigenheiten kennt, an Bord bleibt
• Metas technischer Bericht zu Llama 3 verzeichnete beim Training über 54 Tage mit 16.384 H100 insgesamt 419 unerwartete Unterbrechungen
  • Darunter waren 148 GPU-Ausfälle und 72 HBM3-Speicherfehler; die jährliche Ausfallrate moderner Datacenter-GPUs wird auf etwa 9 % berechnet
  • Bei 200.000 GPUs fallen pro Tag rund 50 aus; bei der von xAI angestrebten Größenordnung von 1 Million GPUs erwartet Epoch AI etwa alle 3 Minuten einen Ausfall
• Für das Kreditrisiko zählen nicht nur offensichtliche Defekte
  • Silent Data Corruption (SDC) erzeugt falsche Ergebnisse, ohne dass die GPU stoppt, und kann Modellgewichte beschädigen, selbst nachdem mehrere Tage Training scheinbar normal abgeschlossen wurden
  • Kaskadierende Ausfälle, bei denen eine einzelne GPU einen Trainingsjob über Tausende Geräte hinweg stoppt, können Rechenarbeit im Umfang mehrerer Tage vernichten
  • Thermal Throttling, ECC-Speicherfehler, instabile NVLink-Verbindungen und das Verschwinden von GPUs vom Bus treten ebenfalls fortlaufend auf
• NVIDIA NVSentinel adressiert die Grenze herkömmlichen Monitorings, das Probleme zwar erkennt, aber nicht löst; Crusoe AutoClusters reduziert die Queue-Zeit, die größte kontrollierbare Variable beim effektiven Cluster-Durchsatz
  • Ohne solche Tools kann die Wiederherstellung Stunden bis Tage dauern
• Das Betriebsteam weiß, welche Racks im Sommer überhitzen, welche Kühlkreisläufe nach Firmware-Updates instabil wurden und welche Jobs von Nodes weggeleitet werden müssen, deren Leistung vor einem vollständigen Ausfall nachlässt
  • Dieses Wissen bleibt eher als implizites Wissen innerhalb des Teams erhalten als in Dokumenten und ist weder Teil der Bilanz noch des Zugriffsbereichs der Kreditgeber

Finanzierungsstrukturen, in denen die GPU selbst zur Sicherheit wird

• In den vergangenen 18 Monaten hat sich die Finanzierung von AI-Infrastruktur von unternehmensbonitätsbasierten Schulden zu durch die GPUs selbst besicherten Schulden verlagert
• Die Zweckgesellschaft (SPV) xAI Colossus 2 besteht aus rund 7,5 Milliarden US-Dollar Eigenkapital und 12,5 Milliarden US-Dollar Schulden
  • NVIDIA bringt bis zu 2 Milliarden US-Dollar des Eigenkapitals ein, Valor Equity Partners führt die Eigenkapitalinvestition an
  • Apollo und Diameter beteiligen sich an der Fremdkapital-Tranche
  • Die SPV kauft NVIDIA-GPUs und vermietet sie für 5 Jahre an xAI; die Schulden sind nicht durch die gesamte Bilanz von xAI, sondern durch die GPUs besichert
• Der von Morgan Stanley im Juni 2025 arrangierte Kreditvertrag über 5 Milliarden US-Dollar für xAI gibt den Kreditgebern bei Zahlungsverzug das Recht, den Colossus-Cluster mit 200.000 GPUs außerhalb von Memphis zu übernehmen, an andere AI-Unternehmen zu vermieten und die Kreditsumme zurückzuholen
• Der Zinssatz für xAIs Finanzierung über 5 Milliarden US-Dollar lag bei bis zu 12,5 %, und CoreWeaves GPU-besicherte Transaktionen wurden vor verbesserten Konditionen mit rund 8,5 Prozentpunkten über dem Referenzzins bepreist
• CoreWeave hält über mehrere SPVs 18,8 Milliarden US-Dollar an GPU-besicherten Schulden
• Der 50-Milliarden-US-Dollar-Vertrag zwischen FluidStack und Anthropic nutzt eine andere Struktur, bei der Google die Mietzahlungen garantiert, doch die Logik ist dieselbe: AI-Infrastruktur-Assets und Miet-Cashflows werden finanzialisiert
• Die meisten Neoclouds und großen AI-Forschungslabore finanzieren sich auf diese Weise

Fehlende Preisfindung und Absicherungsinstrumente

• Für Flugzeuge, Schiffe, Autos, Gewerbeimmobilien und Öl gibt es eine über Jahrzehnte gewachsene Infrastruktur zur Preisfindung
  • Bei Flugzeugen gibt es ISTAT-zertifizierte Gutachter, weltweite Register, standardisierte Wartungsunterlagen, Überführungs-Piloten und seit den 1970er-Jahren einen Gebrauchtmarkt
  • Bei Schiffen gibt es BICA, bei Autos NADA, und für Class-A-Büros existieren standardisierte Kapitalisierungsraten und Leerstandsvergleiche
  • Öl verfügt seit Anfang der 1980er-Jahre über Forward-Preiskurven
• Im GPU-Markt gibt es kaum mehr als den 2024 auf Bloomberg-Terminals eingeführten H100 Rental Index von Silicon Data und Ornn AI, das im Oktober 2025 5,7 Millionen US-Dollar einwarb, um die erste regulierte Börse für Derivate auf GPU-Compute aufzubauen
• Die H100-Mietpreise pro Stunde fielen von rund 8 US-Dollar Anfang 2024 auf 1,70 US-Dollar im Oktober 2025 und erholten sich anschließend wegen unerwarteter Inferenznachfrage um 40 % auf 2,35 US-Dollar im März 2026
• Bei Flugzeug- oder Schiffskrediten wäre es schwierig, ein Asset mit derart schwankenden Preisen ohne Absicherungsinstrumente als Sicherheit für eine 5-jährige Schuld zu akzeptieren
• CoreWeaves GPU-besicherte Kredite liegen rund 8,5 Prozentpunkte über dem Referenzzins; typische Flugzeugkredite liegen bei 1 bis 2 Prozentpunkten, gewerbliche Hypotheken meist darunter
  • Die zusätzlichen rund 6 bis 7 Prozentpunkte sind der Preis des Risikos, das Kreditgeber tragen, solange es keine GPU-Futures-Märkte, standardisierten Restwertkurven oder Instrumente zur Fixierung künftiger Mietpreise gibt
• Wenn der Markt reift und Absicherungsprodukte, standardisierte Restwertkurven sowie ein Gebrauchtmarkt für GPUs entstehen, könnten die Zins-Spreads und Kapitalkosten für AI-Infrastruktur sinken
  • Im Vorteil wären dann nicht die Unternehmen, die heute GPUs am billigsten beschafft haben, sondern jene, die nach Reife der Finanzinfrastruktur Zugang zu günstigem Fremdkapital erhalten

Unsicherheit über die Nutzungsdauer von GPUs

• CoreWeave schreibt GPUs über 6 Jahre ab, während Nebius bei demselben Geschäftsmodell und derselben Hardware 4 Jahre ansetzt
• AWS, Microsoft und Google verlängerten 2023 die Nutzungsdauer von Servern von 3 bis 4 Jahren auf 6 Jahre
  • Auf Basis kombinierter Investitionsausgaben von 300 Milliarden US-Dollar sinkt der jährlich ausgewiesene Abschreibungsaufwand um rund 18 Milliarden US-Dollar
• Auch CoreWeave nahm im Januar 2023 vor dem Börsengang dieselbe Bilanzierungsänderung vor und senkte damit den jährlich ausgewiesenen Aufwand um Hunderte Millionen US-Dollar
• NVIDIA kündigte 2025 an, den Produktveröffentlichungszyklus von 2 Jahren auf 1 Jahr zu verkürzen, wodurch die GPUs, die die Schulden besichern, doppelt so schnell zur alten Generation werden
• Michael Burry geht davon aus, dass Hyperscaler die kumulierten Abschreibungen für 2026 bis 2028 um rund 176 Milliarden US-Dollar zu niedrig ansetzen
  • Nach seiner Berechnung wären die Gewinne von Oracle bis 2028 um rund 27 % und die von Meta um rund 21 % überhöht ausgewiesen
• Wenn die tatsächliche Nutzungsdauer modernster Trainings-GPUs eher bei 2 bis 4 Jahren liegt, während sie in den Büchern mit 6 Jahren erfasst werden, entsteht eine große Lücke zwischen Buchwert und Verwertungswert
• Sollte die jüngste Inferenznachfrage die produktive Lebensdauer von H100 über das modernste Training hinaus verlängern, könnten 6 Jahre nicht falsch sein
  • Schwächt sich die Nachfrage dagegen 2026 oder 2027 wieder ab, entstehen Bewertungsverluste genau zu dem Zeitpunkt, an dem Kreditgeber den Sicherheitenwert benötigen

Drei Werte derselben GPU

• Nennwert (face value) ist der Kaufpreis, den die SPV verbucht hat, abzüglich linearer Abschreibungen nach dem vom Kreditnehmer gewählten Plan
  • Er bestimmt die Vereinbarungen zum Beleihungsauslauf und die Schuldentragfähigkeit einer Transaktion
• Liquidationswert (liquidation value) ist der Preis, den Käufer in einer Stresssituation zahlen
  • In einem normalen Gebrauchtmarkt werden 2 bis 3 Jahre moderat genutzte GPUs zu 50 bis 70 % des Neupreises gehandelt
  • Wenn mehrere Neoclouds gleichzeitig in Schwierigkeiten geraten, steigt das Angebot sprunghaft, während der Käuferkreis schrumpft; die Recovery Rate bei Notverkäufen könnte auf 30 bis 50 % des Nennwerts fallen
• Going-Concern-Wert (going-concern value) ist der Wert, den der nächste Mieter aus dem Asset im normalen Betrieb ziehen kann, und hängt vollständig vom Erfolg der operativen Übergabe ab
• Wenn Kreditgeber ihre Step-in-Rechte ausüben, übernehmen sie zugleich Colocation-Einrichtungen anderer Eigentümer samt deren Verträgen und Einschränkungen
  • Verlässt das Betriebsteam des Kreditnehmers das Projekt, können auch Credentials und Topologiewissen verschwinden
  • Sie müssen sich einem Markt stellen, in dem Mietpreise über 18 Monate in eine Richtung um 60 % gefallen und danach in die Gegenrichtung um 40 % gestiegen sind – ohne Absicherungsinstrumente
  • In einer Umgebung, in der pro Tag rund 50 GPUs ausfallen, braucht es auch Personal, das weiß, welche Racks dauerhaft instabil waren
• Die Differenz zwischen Nennwert und Going-Concern-Wert bleibt in der aktuellen Finanzierungsstruktur ein zentrales, nicht abgesichertes Risiko

Investoren, die GPU-besicherte Finanzierung meiden

• KKR investiert aktiv in Datacenter, konzentriert sich aber statt auf GPU-besicherte Finanzierung auf Gebäude, Strom, Kühlung und Grundstücke
  • Gemeinsam mit Global Infrastructure Partners übernahm KKR 2022 CyrusOne für 15 Milliarden US-Dollar
  • 2026 investierte KKR 1,5 Milliarden US-Dollar in Global Technical Realty
  • Im Februar 2026 sicherte sich KKR 75 % an STT GDC für 5,1 Milliarden US-Dollar
• Digitale Infrastruktur ist ein Kernbereich von KKRs Real-Assets-Geschäft im Umfang von 186 Milliarden US-Dollar, doch KKR beteiligt sich weder am AIP-Konsortium, das Aligned Data Centers übernahm, noch an der xAI-SPV oder an CoreWeaves Kreditfazilitäten
• Diese Assets bilden eine Basis-Infrastrukturschicht, die ihren Wert unabhängig davon behält, welches AI-Labor gewinnt oder welche GPU-Generation dominiert
• Peter Thiel verkaufte im 3. Quartal 2025 seine gesamte NVIDIA-Beteiligung und wechselte zu Apple und Microsoft

Was der GPU-Sicherheitenmarkt braucht

• Flugzeuge wurden zu finanzierbaren Assets, als Register, Gutachter und Wartungsunterlagen etabliert waren; Schiffe bauten mit Systemen wie BICA ähnliche Strukturen auf
• Die hohen Zinsaufschläge bei GPU-besicherten Krediten entstehen, weil Kreditgeber zwei grundlegende Fragen nicht beantworten können

  • Funktioniert der Cluster aktuell normal

    • Wird er auch in 3 Jahren noch normal funktionieren
    • Damit GPU-Finanzierung reifen kann, braucht es Systeme, die nicht nur Gerätepreise, sondern auch Betriebszustand, Wartungshistorie, Restwert und künftige Mietpreise messen und übertragen können

[GN⁺]

Hacker-News-Kommentare

• Die Zahl, dass „GPUs, die 2–3 Jahre in normalem Zustand genutzt wurden, für 50–70 % des Neupreises gehandelt werden“, bezieht sich auf Nvidia H100 in gutem Zustand und spiegelt auch die aktuelle Angebotsknappheit wider.
  Da es sich um Preise nach Ausbau, Reinigung, Prüfung und Aufbereitung handelt, dürfte der Wert von Hardware, die direkt aus einem stillgelegten Betrieb ausgebaut wurde, niedriger sein. Auf eBay verwenden mehrere Verkäufer identische Fotos von verpackter Neuware oder laden sogar Bilder mit Logos von Wettbewerbern hoch, was wie ein Warnsignal wirkt.
  https://introl.com/blog/secondary-gpu-markets-buying-selling...
  https://www.ebay.com/shop/nvidia-h100-gpu?_nkw=nvidia+h100+g...

  • In den kontinentalen USA dürfte es höchstens etwa 30–40 vertrauenswürdige Anbieter geben, die über eBay gebrauchte bzw. generalüberholte Datacenter-Server-Hardware in großen Mengen verkaufen. Mehrere gebrauchte GPUs von einem unbekannten Verkäufer mit nur 14 Bewertungen zu kaufen, ist sehr riskant.
    Bei einem Anbieter, der Server wie einen Dell R840 mit 768 GB RAM verkauft, Tausende Bewertungen hat und eine Bewertung von über 98,5 % vorweisen kann, scheint das Risiko deutlich geringer zu sein.
  • Es ist fraglich, wer Hardware, die mit hoher Wahrscheinlichkeit defekt ist, für 70 % des Neupreises kauft. Wenn es sich um Geräte aus einem kleinen Forschungslabor handelt, das schnell schließen musste, kann das in Ordnung sein; aber ein Cluster, der jahrelang nahe an den thermischen Grenzen betrieben wurde, dürfte solche Gebrauchtpreise kaum erzielen.

• Nvidia könnte mit Großkunden Rückkaufverträge im Ferrari-Stil abschließen, um zu verhindern, dass Upgrade-Bestände auf einmal auf den Markt kommen und die Preise einbrechen, und so die Knappheit aufrechterhalten.
  Falls nicht, hoffe ich, in ein paar Jahren H100 auf dem freien Markt bekommen zu können.

  • Ich habe in einer Organisation mit einem großen internen GPU-Datacenter gearbeitet; in einem Vertrag zur Umstellung mit erheblichem Rabatt war die Bedingung enthalten, die gesamte bestehende Hardware abzugeben und weitere Käufe einzustellen.
  • Wenn A100 und H100 für den effizienten Betrieb modernster Modelle völlig veraltet sind und die Preise einbrechen, könnte in den nächsten Jahren ein goldenes Zeitalter allgemeiner GPU-Berechnungen anbrechen.
    Das wäre ideal für GPU-beschleunigte Query-Engines, klassisches Machine Learning und alle möglichen CPU-Aufgaben, die sich auf die GPU auslagern lassen.
  • Datacenter werden H100 wohl erst dann abstoßen, wenn die Energieeffizienz neuer Chips so viel besser ist, dass die Betrieblichkeit wirtschaftlich nicht mehr aufgeht.
    Dann wird die H100 wie eine heutige gebrauchte V100 sein: miserabel bei der Energieeffizienz, ohne aktuelle Datenformate und Rechen-Engines, möglicherweise ohne seltsame Adapter und ohrenbetäubende Serverlüfter vom Schmelzen bedroht, und CUDA-Support ist längst ausgelaufen. Wenn es nicht absolut keine Alternative gibt, wird sie wahrscheinlich nahezu nutzlos sein.
  • Solche Verträge sollten illegal sein; das klingt nach einer sehr irreführenden Geschäftspraxis.
  • Wenn ein H100-Hobbynutzermarkt entsteht, wäre das ziemlich skurril. Denkbar wäre auch ein Geschäft, das gebrauchte Hardware aufkauft und in neue Chassis transplantiert.

• Wenn Huawei günstige Beschleuniger auf den Markt bringt, werden auch US-amerikanische KI-Unternehmen den tatsächlichen Wert ihrer Assets bald erfahren; ich schätze, es bleiben etwa 6–9 Monate.

• Informationen wie Racks, die im Sommer heiß werden, Kühlkreisläufe, die nach Firmware-Updates instabil werden, oder Jobs, die von kurz vor dem Ausfall stehenden Nodes weggeleitet werden müssen, sollten alle im Monitoring-System vorhanden sein.
  Dann könnte jedes Spitzenmodell die Lage in kurzer Zeit erfassen; der Autor scheint also die Veränderungen, die das von ihm behandelte System mit sich gebracht hat, nicht ausreichend zu verstehen.

  • Wenn der Text von generativer KI stammt, hat ihn der Autor nicht selbst geschrieben; daher spielt das Verständnis des Autors von vornherein keine Rolle.

• Ich sehe nicht, warum dieses Problem speziell für GPU-Cluster gelten soll. Im Allgemeinen haben Kreditsachbearbeiter und Underwriter nicht die Fähigkeit, als Sicherheiten dienende Assets zu betreiben und zu warten; deshalb werden Häuser, Autos und Anlagen bei Auktionen weit unter ihrem tatsächlichen Wert verkauft, und Kreditgeber schließen Versicherungen ab.

  • Das ist kein GPU-Cluster-spezifisches Problem. Es wirkt eher wie ein weitschweifiger Text von jemandem, der glaubt, eine tiefe und entscheidende Einsicht gefunden zu haben.
    Ich habe erlebt, wie ein großes Sägewerk wegen eines nicht zurückgezahlten hohen Kredits von einer Bank übernommen wurde. Die Bank wollte den Betrieb nicht übernehmen, hatte aber keine Wahl, als der Gründer ausstieg. Nicht einmal das fertige Holz in der Trockenkammer wussten sie zu verwerten, und die gesamte Infrastruktur des Sägewerks war noch schwieriger; nachdem sich kein Käufer fand, stellten sie den Gründer als Berater ein, um zu liquidieren. Ein beschlagnahmtes Datacenter würde denselben Prozess durchlaufen.
  • Auktionen können eine schlechte Methode sein, teure und riskante Assets zu kaufen. Man kann sie nicht wie bei einem normalen Geschäft ausreichend prüfen, daher spiegelt der Auktionspreis dieses Risiko wider.

• Dass der Wert von GPUs vergleichsweise langsam fällt, ist ein Produkt von Angebotsbeschränkungen. Wenn man für FP4-Inferenz frei zwischen Hopper und Rubin wählen könnte, wäre Hopper wegen der Performance pro Watt unattraktiv, selbst wenn man die Hardware kostenlos bekäme und nur den Strom zahlen müsste.
  Derzeit bezahlt man für H100, weil nicht einmal Blackwell, geschweige denn Rubin, leicht zu bekommen ist; mit ausgebauter Fab-Kapazität wird dieses Phänomen aber nicht anhalten.

  • Wegen der physikalischen Grenzen der Lithografie verlangsamt sich auch der technische Fortschritt deutlich, sodass Generationssprünge wie früher kaum wieder zu erwarten sind.
    Noch seltsamer ist, dass enorme Mengen an Hardware im Auftragsrückstand stecken und bereits zugewiesene, einsatzfähige Geräte untätig auf die Fertigstellung von Anlagen warten. Der Bau der Anlagen ist bereits um Jahre verzögert und durch diverse Kredit- und Debt-Swaps zwischen den beteiligten Unternehmen verflochten; das ist weniger eine einfache Blase als ein Kartenhaus auf einem Ballon.
  • Fab-Kapazität lässt sich nicht einfach erhöhen. Alles hängt von ASML ab, das pro Jahr nur einige Dutzend EUV-Anlagen produziert.
  • Ich frage mich, ob Fabs ihre Produktionskapazität wirklich ausbauen werden. Aus geschäftlicher Sicht könnte es vorteilhafter sein, nicht zu erweitern und hohe Preise aufrechtzuerhalten.
  • Ich frage mich, was nach dem Ende des Goldrauschs mit den Schaufelpreisen passiert ist. Für Schmiede dürfte es Schrott im Überfluss gegeben haben.

• Was ich aus dem Kryptowährungsmarkt gelernt habe: Der Hauptgrund, warum GPUs ausgedient haben, ist nicht nur Defekt. Es entstehen Alternativen, die unter neuen Marktbedingungen die Energieeffizienz älterer Hardware unwirtschaftlich machen.

  • Allerdings gibt es für SXM-Karten keinen richtigen Gebrauchtmarkt.

• Ein 512GB Mac Studio wird auf eBay für das Doppelte des Neupreises vom Jahresanfang verkauft.

  • Es ist weder HBM noch eine echte GPU, daher ist schwer zu verstehen, warum. Das Modell passt vielleicht gerade so in den Speicher, und für jemanden, der bisher nur ein MacBook genutzt hat, kann es sich wie ein ständig laufender Server anfühlen; aber einen leistungsfähigen Coding-Agent mit praktikabler Geschwindigkeit darauf laufen zu lassen, scheint weiterhin schwierig.
    Wenn man den Preis eines ordentlichen Neuwagens ausgibt, sollte man besser eine richtige Workstation bauen. Ein Computer in der Größe eines Apple TV kann kaum die beste Leistung fürs Geld bieten; ich frage mich, ob sich hier angehende Vibe-Gründer mit zu viel Geld gegenseitig hochbieten.
  • In https://news.ycombinator.com/item?id=49005798 steht, jemand wolle einen „M3 Ultra Mac Studio mit 512 GB Arbeitsspeicher“ verkaufen, und der Preis liege über 20.000 Dollar.
  • Auch in meinem Land werden DGX-Spark-ähnliche Produkte für fast das Doppelte des Kaufpreises verkauft. Was für eine absurde Welt.
  • Alles, was RAM enthält, wird zu einem Asset mit Wertsteigerung.

• Der Artikel beschreibt GPU-Cluster wie Raketenwissenschaft, aber wenn man sie durch Kraftwerke ersetzt, ändert sich die Frage überhaupt nicht. Beide sind komplex, haben viele Variablen und benötigen aktuelle Leistung, regelmäßige Wartung und qualifiziertes Personal.
  Am Ende wird man es entweder selbst lösen oder einen Anbieter beauftragen, der es lösen kann, und tatsächlich dürfte es viele Unternehmen geben, die solche Cluster für KI vermieten wollen.

• Es gibt genügend Anzeichen dafür, dass demnächst beschlagnahmte GPUs in großen Mengen auf den Markt kommen. Eine Zeit lang wird es chaotisch, aber wenn gebrauchte GPUs leicht verfügbar werden, eröffnet das viele Möglichkeiten.

  • Das klingt ähnlich wie der Waffenmarkt nach dem Zusammenbruch der Sowjetunion. Es dürfte keine bessere Zeit gegeben haben, um funktionierende Panzer oder Teile von Atomwaffen zu bekommen.
  • Ich frage mich, was man mit all diesen GPUs machen wird. Vielleicht bekommen alle großartige Gaming-PCs.
    Realistischerweise könnten Krypto-Mining-Farmen wieder stark zunehmen und die Kryptopreise senken; ich frage mich, welche Veränderungen ein großes Angebot günstiger GPUs darüber hinaus ermöglichen könnte.