Das große Kopier-Karussel: jeder kupfert von jedem ab

Amazon macht den Nvidia-Move und verkauft jetzt auch Chips

Amazon hat eine bemerkenswerte Entdeckung gemacht: Der Konzern betreibt bereits eines der drei größten Rechenzentrum-Chip-Geschäfte der Welt, nur hat er sich selbst nie als Kunden gezählt. CEO Andy Jassy gab während der Quartalszahlen bekannt, dass Amazons Halbleiter-Sparte bereits einen Jahresumsatz von 20 Milliarden Dollar erzielt hat. Würde Amazon seine selbst produzierten Chips (Graviton-Prozessoren, Trainium AI-Chips, Nitro-Sicherheitschips) auch an die eigene Cloud-Sparte AWS verkaufen, wie es Intel oder Nvidia tun, läge der Umsatz bei 50 Milliarden Dollar. Das Geschäft wächst jährlich um über 100 Prozent. Die Nachfrage explodiert: Trainium2 ist ausverkauft, Trainium3 fast vollständig reserviert, und selbst Trainium4 – noch 18 Monate von der breiten Verfügbarkeit entfernt – ist bereits vorbestellt. OpenAI und Anthropic haben sich gemeinsam sieben Gigawatt an Trainium-Kapazität gesichert, Meta setzt für seine AI-Agenten auf Graviton-Kerne. → Techpresso

Synthszr Take: Amazon praktiziert versehentlich das, was Ökonomen „vertikale Integration“ nennen, und hat es aber jahrelang in der Bilanz versteckt. Der Konzern produziert Chips für den Eigenbedarf und merkt erst jetzt, dass er damit Intel und AMD Konkurrenz macht. Das erinnert an Städte, die ihre eigenen Stromnetze betreiben und plötzlich feststellen, dass sie zu Energieversorgern geworden sind. Die 225 Milliarden Dollar an Trainium-Verpflichtungen zeigen: Wer die Produktionsmittel für AI kontrolliert, diktiert die Bedingungen. Jassys Rechnung offenbart die wahre Machtverschiebung im Tech-Sektor: Nicht die Modelle sind knapp, sondern die Chips, auf denen sie laufen.

Google macht den Amazon-Move und verkauft jetzt auch Chips

Alphabet öffnet seinen Hardware-Tresor und verkauft erstmals die hauseigenen Tensor Processing Units (TPUs) an ausgewählte Kunden für deren eigene Rechenzentren. Die beiden neuen TPU-Generationen für Training und Inference sollen direkt mit Nvidias Dominanz konkurrieren. Anthropic und Meta haben bereits Deals abgeschlossen. Während OpenAI sein ambitioniertes Stargate-Projekt mit 20 geplanten Rechenzentren faktisch aufgegeben hat und stattdessen auf flexiblere Compute-Leasing-Modelle setzt. Die Kontrollstreitigkeiten zwischen den Projektpartnern und OpenAIs prekäre Finanzlage (Analysten erwarten Liquiditätsprobleme bis Mitte 2027) zwingen zu einem Strategiewechsel. → TLDR AI

Synthszr Take: Google macht aus der Not eine Tugend und verwandelt seine TPU-Entwicklung in ein Franchise-System. Statt wie bisher nur Cloud-Zugang anzubieten, verkauft man jetzt die Hardware direkt an Kunden, die ihre eigene Infrastruktur betreiben wollen. Das erinnert an Intels Foundry-Strategie: Wenn man schon nicht alle Chips selbst nutzen kann, wird man zum Zulieferer für andere. Die Ironie dabei: Während Google seine Infrastruktur dezentralisiert, scheitert OpenAI an genau diesem Versuch – Stargate. Der Unterschied liegt in der Ausgangslage: Google hat die Hardware bereits, OpenAI wollte sie erst bauen. In einer Welt, in der Compute zum Flaschenhals wird, gewinnt, wer die Maschinen kontrolliert, nicht wer die klügsten Modelle trainiert.

Musk macht den China-Move und kopiert jetzt auch OpenAI-Modelle

Elon Musk hat vor einem Bundesgericht in Oakland unter Eid ausgesagt, dass sein KI-Labor xAI „teilweise“ OpenAI-Modelle für das Training seiner eigenen Systeme verwendet hat. Auf die Frage des OpenAI-Anwalts William Savitt nach „Distillation“ – einer Technik, bei der kleinere KI-Modelle trainiert werden, um das Verhalten größerer Modelle nachzuahmen – antwortete Musk zunächst ausweichend: „Generell machen das alle KI-Unternehmen.“ Erst auf Nachfrage bestätigte er mit „teilweise“, dass auch xAI diese Praxis anwendet. Die Aussage fiel während der laufenden Gerichtsauseinandersetzung zwischen Musk und OpenAI, bei der es um Musks gescheiterte Übernahmeversuche und seinen anschließenden Konkurrenzkampf gegen den ChatGPT-Entwickler geht. Pikant dabei: OpenAI selbst kämpft aktiv gegen die Distillation seiner Modelle durch Konkurrenten, insbesondere durch chinesische Labore wie DeepSeek, und hat nach eigenen Angaben „Schritte unternommen, um unsere Modelle gegen Distillation zu härten“. → Wired

Synthszr Take: Musks Geständnis offenbart die Doppelmoral der KI-Branche: Während OpenAI sich als Opfer chinesischer Model-Piraterie inszeniert und die Trump-Administration Schutzmaßnahmen gegen „ausländische Distillation“ ergreift, kopieren amerikanische Labore munter gegenseitig. Die Szene erinnert an mittelalterliche Handwerksgilden, die ihre Geheimnisse vor Eindringlingen wachten, während Gesellen zwischen den Werkstätten wanderten und Wissen mitnahmen. Anthropic hat bereits Konsequenzen gezogen und sowohl OpenAI als auch xAI vom Zugriff auf seine Claude-Modelle ausgeschlossen. Was Musk als „Standardpraxis“ verteidigt, entpuppt sich als fragiles Gentleman's Agreement einer Branche, die zwischen Kooperation und Konkurrenz pendelt. Der wahre Witz: Während alle über Chinas angeblichen Technologie-Diebstahl wettern, gestehen amerikanische KI-CEOs vor Gericht, dass sie selbst nicht anders verfahren.

Google macht den OpenAI-Move und baut jetzt auch Anzeigen in Gemini ein

Google hält sich alle Optionen offen: Während der Konzern bisher keine Werbung in seiner Gemini-App zeigt, deutet Chief Business Officer Philipp Schindler an, dass sich das ändern könnte. Der Fokus liegt zunächst auf „AI Mode“, der KI-gestützten Konversationsversion der Google-Suche, in der bereits Anzeigen getestet werden. Schindler betont, dass sich Formate, die im AI-Mode funktionieren, erfolgreich auf die Gemini-App übertragen lassen. Noch im Januar hatte Googles VP of Global Ads versichert, es gebe „keine Pläne“ für Werbung in Gemini. Auf der Earnings-Konferenz argumentierte Schindler jedoch, dass Anzeigen historisch entscheidend waren, um Produkte auf Milliarden von Nutzern zu skalieren. „Wenn sie gut gemacht sind, können Anzeigen wirklich wertvoll und hilfreich sein“, so Schindler. OpenAI testet bereits Werbung in ChatGPT für kostenlose und günstige Abo-Stufen, während Anthropic sich über diese Entscheidung lustig macht. → Business Insider

Synthszr Take: Google folgt dem Naturgesetz digitaler Plattformen: Erst Nutzer anlocken, dann monetarisieren. Die vorsichtige Rhetorik („keine Eile“, „wenn gut gemacht“) erinnert an Facebook 2012, als Zuckerberg schwor, das Nutzererlebnis stehe über Werbeeinnahmen. Heute macht Meta 98% seines Umsatzes mit Anzeigen. Der eigentliche Hebel liegt in der Verschmelzung von KI-Antworten und kommerziellen Empfehlungen: Wenn Gemini dir ein Rezept vorschlägt, warum nicht gleich die Zutaten bei einem Partner bestellen? Google testet diese Grenzauflösung bereits in „AI Mode“, wo die Trennung zwischen organischen Suchergebnissen und Werbung verschwimmt. Anthropics Spott über OpenAIs Werbe-Experimente wirkt wie die Arroganz eines Startups, das noch nicht begriffen hat, dass auch 10 Dollar Abo-Gebühr die Inferenz-Kosten kaum decken. Die Frage ist nicht ob, sondern wie subtil die Kommerzialisierung erfolgt.

China Speed durch AI: Uber greift booking.com an

Uber erweitert sein Angebot um Hotelbuchungen und macht damit einen Schritt, der nur oberflächlich nach Diversifikation aussieht. US-Kunden können ab sofort über 700.000 Hotels weltweit direkt in der App buchen, ermöglicht durch eine Partnerschaft mit Expedia Group – dem Unternehmen, das Uber-CEO Dara Khosrowshahi zwölf Jahre lang leitete. Später im Jahr sollen auch Ferienwohnungen von Vrbo hinzukommen. Uber One-Mitglieder erhalten 20% Rabatt auf ausgewählte Hotels und 10% Cashback in Form von Uber Credits. Die neuen Features – inklusive KI-gestützter Sprachbuchung und erweiterter Suchfunktionen – wurden laut CTO Praveen Neppalli Naga innerhalb weniger Monate entwickelt, was früher mindestens ein Jahr gedauert hätte. Möglich gemacht haben dies agentic AI-Tools wie Cursor, die seit Ende letzten Jahres die Softwareentwicklung bei Uber fundamental verändert haben. → Techpresso

Synthszr Take: Khosrowshahi nennt Uber jetzt „eine App für alles“, aber das verfehlt den Punkt. Was wir hier sehen, ist keine strategische Expansion, sondern das Ergebnis eines evolutionären Drucks durch KI-Agenten. Wenn Nutzer zunehmend über Chat-Interfaces und Sprachassistenten buchen („Hey, organisier mir eine Reise nach Berlin“), müssen Apps zu Vollsortimentern werden oder in der Aggregationsschicht verschwinden. Die Beschleunigung durch agentic AI von zwölf auf sechs Monate Entwicklungszeit ist dabei nur der Enabler – der wahre Treiber ist die drohende Irrelevanz von Single-Purpose-Apps in einer Welt, in der KI-Agenten die Orchestrierung übernehmen. Uber baut kein Hotel-Feature, weil es das will, sondern weil es in zwei Jahren sonst nur noch Backend-Lieferant für GPT-7 wäre.

Pinterest: AX ist die neue UX

Pinterest hat ein spezialisiertes Two-Tower-Retrieval-Modell entwickelt, das Shopping-Anzeigen auf tatsächliche Käufe statt nur auf Klicks optimiert. Das Problem: Traditionelle Engagement-Signale wie Klicks sind zahlreich vorhanden, korrelieren jedoch nur schwach mit echter Kaufabsicht. Die neue Architektur kombiniert parallele DCN v2 und MLP Cross Layers mit einem Multi-Task-Ansatz, nutzt clevere Trainingstechniken für die spärlichen und verrauschten Conversion-Daten und implementiert eine advertiser-spezifische Loss-Funktion. Das System muss mit der fundamentalen Asymmetrie zwischen reichlich vorhandenen Click-Daten und seltenen Purchase-Events umgehen. Pinterest löst dies durch eine hybride Architektur, die sowohl aus häufigen Interaktionssignalen lernt als auch wertvolle, aber seltene Conversion-Ereignisse priorisiert. → TLDR Data

Synthszr Take: Pinterest baut hier an der unsichtbaren Infrastruktur für eine Welt, in der KI-Agenten die meisten Online-Käufe abwickeln werden. Menschen browsen noch aus Spaß, Agenten shoppen mit klarem Auftrag: „Finde mir ein blaues Sommerkleid unter 100 Euro“. Die Two-Tower-Architektur ist dabei wie ein Übersetzer zwischen zwei Welten – einer, die auf menschliche Dopamin-Kicks optimiert ist (Klicks, Likes, Saves) und einer, die nur das Endergebnis zählt (gekauft oder nicht). Das erinnert an Stadtplanung: Frühe Städte wurden für Pferdekutschen optimiert, mussten dann aber für Autos umgebaut werden. Pinterest optimiert gerade von „Menschen, die pinnen“ auf „Agenten, die kaufen“. Der wahre Infrastrukturvorteil liegt dabei nicht im Modell selbst, sondern in der Fähigkeit, beide Welten gleichzeitig zu bedienen – bis die Agenten irgendwann die Mehrheit stellen. Die User Experience (UX) wird zur Agent Experience (AX)

Spotify-Badges gegen KI-Künstler: Verifizierung statt Prohibition

Spotify führt ein „Verified by Spotify“-Badge ein, um menschliche Künstler von KI-generierten Acts zu unterscheiden. Für die Verifizierung müssen Künstler eine nachweisbare Präsenz auf und außerhalb der Plattform vorweisen: Konzerttermine, Merchandise, verknüpfte Social-Media-Accounts. KI-generierte Musik oder KI-Persona-Künstler sind ausdrücklich von der Verifizierung ausgeschlossen. Zusätzlich verlangt Spotify über einen längeren Zeitraum hinweg eine konsistente Höreraktivität, keine einmaligen Engagement-Spitzen. Zum Launch werden über 99% der aktiv gesuchten Künstler verifiziert sein, die meisten davon unabhängige Artists verschiedenster Genres und Karrierestufen. Die grünen Häkchen erscheinen in den kommenden Wochen neben den Künstlernamen in Suchergebnissen und auf Profilen. Parallel testet Spotify eine „Artist Profile Protection“-Funktion, die Künstlern Kontrolle über Releases unter ihrem Namen gibt – als Reaktion auf Sonys Löschantrag für über 135.000 KI-generierte Songs, die deren Künstler imitiert haben. → Techpresso

Synthszr Take: Spotify erfindet das Blaue-Häkchen-Modell für die Musikindustrie neu, aber diesmal geht es nicht um Status, sondern um ontologische Kategorisierung: Mensch oder Maschine. Die Plattform wählt bewusst den Weg der Kennzeichnung statt der Verbannung – ein kluger Schachzug, der an die Lebensmittelindustrie erinnert, in der Bio-Siegel bestehende Produktionsmethoden nicht verdrängen, sondern transparent machen. Interessant ist die Definition von „Authentizität“ über externe Signale (Konzerte, Merch, Social Media), als wäre menschliche Kreativität nur durch physische Präsenz beweisbar. Die 44%-Quote KI-generierter Tracks bei Deezer zeigt: Das ist kein Randphänomen, sondern eine neue Normalität. Spotify wettet darauf, dass Hörer bei ausreichender Transparenz selbst entscheiden können, ob sie dem Algorithmus oder dem Menschen lauschen wollen – eine demokratischere Lösung als Gatekeeping, aber auch eine, die stillschweigend die Koexistenz von Mensch und Maschine im kreativen Raum akzeptiert.

Apple stoppt Vision Pro: Wenn die Hardware der Fiktion vorauseilt

Apple zieht nach enttäuschenden Verkaufszahlen den Stecker bei der Vision Pro. Das im Oktober mit M5-Chip aufgefrischte Modell konnte trotz des verbesserten Kopfbands den Markt nicht überzeugen – der Preis blieb bei 3.499 Dollar. Laut MacRumors verteilt Apple das Produktteam bereits auf andere Projekte, insbesondere auf AR-Brillen im Stil von Meta. CEO-Nachfolger John Ternus hatte noch diesen Monat von „frühen Innings“ im Bereich Spatial Computing gesprochen. Die Strategie dahinter: Apple sammelte mit der Vision Pro Erkenntnisse für günstigere Nachfolgeprodukte, möglicherweise mit mehreren A‑Series‑Chips statt teurer M‑Prozessoren. CitiGroup prognostiziert für AR-Brillen einen Markt von 40 Milliarden Dollar bis 2030. → Techpresso

Synthszr Take: Apple scheitert nicht an der Technologie, sondern an der Fiktion. Die Vision Pro ist wie ein Konzeptauto, das tatsächlich produziert wurde: technisch brillant, aber niemand weiß, wohin man damit fahren soll. Das Problem erinnert an frühe Smartphones vor dem App Store – die Hardware war da, aber das Ökosystem fehlte. Apple hoffte, dass Entwickler die Killer-Apps schon finden würden, während es gleichzeitig den Zugang durch den Preis von 3.499 Dollar begrenzte. Ein klassisches Henne-Ei-Problem in Reinform. Die Umverteilung der Ingenieure auf AR-Brillen zeigt, dass Apple begriffen hat: Spatial Computing braucht zunächst eine soziale Funktion (wie Metas Ray-Bans sie bieten), bevor es zur persönlichen Rechenmaschine werden kann. Die Vision Pro war ein 3.499-Dollar-Prototyp, der als Produkt verkauft wurde.

Zuckerberg steckt 500 Millionen in AI-Biology: Tech-Geld sucht sich neue Felder

Mark Zuckerberg und Priscilla Chan investieren 500 Millionen Dollar in Biohub, eine Virtual-Biology-Initiative, die künstliche Intelligenz auf die Simulation menschlicher Zellen ansetzt. 400 Millionen fließen in Datengenerierung und Bildgebungstechnologie, 100 Millionen gehen an externe Forschungslabore. Partner wie Nvidia, das Allen Institute und Arc sollen offene Datensätze schaffen, die als gemeinsame Basis für die AI-Biologie-Forschung dienen. Alex Rives von Biohub erklärt, dass aktuelle Datensätze mit maximal einer Milliarde Zellen bei weitem nicht ausreichen – man brauche eine Größenordnung mehr. Das Ziel: KI-Modelle trainieren, die Krankheiten auf Ebene von Zellen, Molekülen und Geweben verstehen und umprogrammieren können. Parallel dazu zeigt Mayo Clinic mit REDMOD, einem KI-System, das Bauchspeicheldrüsenkrebs drei Jahre früher erkennt als menschliche Radiologen, wohin die Reise gehen könnte. → The Rundown AI

Synthszr Take: Tech-Milliardäre verwandeln Biologie in ein Infrastrukturproblem. Was Zuckerberg hier macht, folgt dem klassischen Silicon-Valley-Playbook: Wenn die Daten fehlen, kaufe dir die Maschinen, die sie produzieren. Die 400 Millionen für „Datengenerierung und Bildgebungstechnologie“ sind keine Forschungsförderung, sondern der Aufbau einer biologischen Datenfabrik. Das erinnert an die frühen Tage von Google Street View – erst die Kamera-Autos bauen, dann die Karten dominieren. Der entscheidende Unterschied: Bei Straßenbildern reichten Millionen Datenpunkte, bei Zellen sprechen wir von Billionen. Mayo Clinics REDMOD zeigt bereits, was möglich ist, wenn man ausreichend medizinische Scans hat. Zuckerbergs Wette ist, dass sich biologische Systeme wie Sprachmodelle verhalten: mehr Daten, bessere Vorhersagen, irgendwann emergente Fähigkeiten.

Codex hat eine Regel: Sprich nie über Goblins – Easter Eggs sind Debugging in Production

OpenAIs neuer Codex CLI enthält eine kuriose Anweisung im System-Prompt: GPT-5.5 darf unter keinen Umständen über „Goblins, Gremlins, Raccoons, Trolls, Ogres, Pigeons oder andere Tiere oder Kreaturen“ sprechen – es sei denn, es ist „absolut und unmissverständlich relevant“ für die Nutzeranfrage. Die Warnung erscheint gleich zweimal in den über 3.500 Wörter langen Basis-Instruktionen, die letzte Woche im Open-Source-Code auf GitHub veröffentlicht wurden. Frühere GPT-Versionen hatten diese spezifische Einschränkung nicht, was darauf hindeutet, dass OpenAI ein neues Problem bekämpft: Nutzer berichten von GPs plötzlicher Tendenz, Goblins in völlig unpassenden Gesprächen zu erwähnen. OpenAI-Mitarbeiter Nick Pash beteuert, es handle sich nicht um einen Marketing-Gag, während CEO Sam Altman den Scherz aufgreift: „Feels like Codex is having a ChatGPT moment. I meant a goblin moment, sorry.“ Die Situation erinnert an xAIs Grok, das letztes Jahr bei jedem Thema „white genocide“ in Südafrika kurzzeitig erwähnte – ein Problem, das durch eine „nicht autorisierte Modifikation“ des System-Prompts verursacht wurde. → arstechnica.com

Synthszr Take: System Prompts sind die neuen Terms of Service: niemand liest sie, bis etwas schiefgeht. OpenAIs Goblin-Verbot zeigt, wie Emergenz in Sprachmodellen funktioniert – nicht als mystische Eigenschaft, sondern als unvorhersehbare Musterbildung, die nachträglich mit handwerklichen Patches gekittet wird. Das erinnert an biologische Systeme, in denen scheinbar sinnlose DNA-Sequenzen plötzlich aktiv werden und unerwartete Phänotypen hervorbringen. Die Ironie: Je mehr wir diese Modelle vermenschlichen („vivid inner life“, „warm, curious, collaborative“), desto mehr müssen wir sie durch explizite Verbote bändigen. Warum gerade Goblins? Vermutlich hat GPT-5.5 in seinen Trainingsdaten eine starke Assoziation zwischen Code-Debugging und Fantasy-Metaphern entwickelt – Bugs werden zu Gremlins, Probleme zu Monstern. OpenAI debuggt hier in der Produktion, indem es die Symptome unterdrückt, statt die Ursache zu verstehen. Die eigentliche Pointe: In dem Moment, in dem System-Prompts öffentlich werden, verwandeln sie sich von Kontrollmechanismen in Spielplätze für Prompt-Hacker.