Claude führt 26% der Forschung an, das von Anthropic aufgeworfene „AI Slowdown“-Gespräch entfacht eine Diskussion um „AI entwickelt AI“! Das RSI-Trainingsmodell katalysiert eine massive Expansion des Rechenleistungsbedarfs.

Wie von der App von Zhichong Finance berichtet, zeigt die am 17. September veröffentlichten Messergebnisse des weltweit führenden KI-Unternehmens Anthropic, dass Claude bis August bereits 26% der KI-Entwicklungsarbeiten „dominiert“ hat, und über 90% der Tätigkeiten erreichten oder überstiegen das „Kooperations“-Niveau. Während Anthropic und OpenAI sich vollständig auf RSI (Recursive Self-Improvement) als das neueste KI-Trainingsparadigma konzentrieren, werden die Fähigkeiten der fortschrittlichen KI-Labore und der Ausbau des Kapitals synchron vorangetrieben. Die Aufmerksamkeit der globalen KI-Investoren erweitert sich über reine KI-Großmodelle oder KI-Agenten hinaus auf Entwicklungsplattformen und die langfristige Kapazität und Leistungsfähigkeit der KI-Infrastruktur.

Laut einer Reihe von Medienberichten, die sich auf informierte Kreise berufen, haben die Gespräche über neue Finanzierungen mit OpenAI, einem weiteren KI-Anwendungsführer, bereits Bewertungen von 1,2 Billionen USD erreicht, das Unternehmen strebt jedoch eine Bewertung von rund 1,5 Billionen USD an. Anthropic hatte nach der Finanzierungsrunde im Mai eine Post-Money-Bewertung von 965 Milliarden USD; das derzeit diskutierte IPO-Modell strebt eine Bewertung von etwa 2 Billionen USD an und könnte bis zu 100 Milliarden USD aufnehmen – die Ausgabegröße könnte SpaceX übertreffen und einen neuen historischen Rekord aufstellen. Hierbei handelt es sich um die angestrebte Bewertung für das Börsenlisting, nicht um die bereits abgeschlossene Marktkapitalisierung nach dem Listing.

OpenAI hat kürzlich das bahnbrechende Astra-Großmodell vorgestellt, mit dem KI weitere professionelle Aufgaben übernehmen kann. Nvidia-CEO Jensen Huang betonte anschließend in sozialen Netzwerken, dass die Einführung von GPT-6 Astra das „Kommen von AGI“ bedeute. Die bestätigten starken Umsatzzahlen von Nvidia und die anschließenden positiven Lieferprognosen, zusammen mit der Tatsache, dass die Entwicklung großer KI-Modelle nun in die Phase der „Recursive Self-Improvement (RSI)“ eintritt – einer revolutionären Phase, die eine neue Kurve für den steigenden Bedarf an KI-Rechenleistung eröffnet – führen dazu, dass Astra die kommerzielle Nachfrage nach KI-Rechenkapazitäten ausweitet und durch RSI möglicherweise zusätzliche Investitionen in Experimentation, Bewertung und kontinuierliches Training erforderlich werden. Dadurch wird der Zyklus für Investitionen in Rechenleistung verlängert – dies ist der Grund, warum die KI-Rechenleistung bezogenen Aktien am Donnerstag an der US-Börse kollektiv stiegen, wobei der Philadelphia Semiconductor Index um über 3% zulegte.

Besonders bemerkenswert ist, dass Anthropic kurz vor dem Versuch, mit Claude 26% des Forschungs- und Entwicklungsaufwands beizutragen und das größte IPO der Menschheit zu erreichen, der CEO des Unternehmens am vergangenen Wochenende die „KI-Verlangsamungs-Theorie“ äußerte. In dieser Woche begann der Markt, die Risiken zu bewerten und einzupreisen, die durch Diskussionen über eine KI-Verlangsamung entstehen – Anthropic, OpenAI und andere globale KI-Führer riefen am Wochenende gemeinsam dazu auf, die Entwicklung fortschrittlicher KI-Großmodelle zu verlangsamen.

Die Diskussion über die „KI-Verlangsamung“ beeinflusst die Einschätzung des Marktes hinsichtlich des Tempos der Forschung und Entwicklung, der Kapitalausgaben und der Risikokompensation, kann jedoch nicht direkt mit einem Stopp des Wachstums der Nachfrage nach aktuellen KI-Anwendungen gleichgesetzt werden. Am 12. September forderte Amodei dazu auf, den Fortschritt der Modellfähigkeiten zu verlangsamen; Altman erklärte daraufhin, dass es notwendig sei, das Tempo der fortschrittlichen Entwicklungen zu kontrollieren. Allerdings gibt es in der Branche keine vollständig einheitliche Sichtweise auf die Koordination, externe Bewertungen oder regulatorische Arrangements.

Claude dominiert allein 26% der Forschungs- und Entwicklungsarbeiten! Anthropic enthüllt bedeutende Investitionen in KI-Unterstützung und Sicherheit

Ein Bericht von Anthropic PBC vom Donnerstag zeigt, dass über ein Viertel der KI-Entwicklungsarbeiten von seinem Flaggschiff-KI-Chatbot Claude oder der KI-Agentenproduktlinie vorangetrieben werden. Dies liefert den bisher klarsten Hinweis darauf, dass KI die Entwicklung künftiger Modelle tatsächlich erheblich beschleunigen kann.

Laut dem am Donnerstag veröffentlichten offiziellen Bericht stellte Anthropic fest, dass Claude „dominiert“ 26% der Forschungs- und Entwicklungsarbeiten im Unternehmen – zu Jahresbeginn lag dieser Anteil praktisch bei null. Das Unternehmen gibt an, dass Claude auch in 90% der Arbeitsabläufe oder komplexen Aufgaben mit den Mitarbeitern kooperiert.

Diese Daten sind Teil eines umfassenderen Berichts, der der Öffentlichkeit helfen soll, den Fortschritt der KI-Entwicklung nachzuverfolgen – als Reaktion auf die wachsende Besorgnis, dass KI sich schnell selbst verbessern könnte und möglicherweise die menschliche Kontrolle überschreitet.

Das Unternehmen bekräftigte zudem seinen Plan, externe Evaluatoren aus mehreren Organisationen in das Unternehmen einzubinden und ihnen den gleichen Zugang zu internen Prozessen, Systemen und Daten wie den eigenen Mitarbeitern zu gewähren, um die KI-Sicherheit sowie die Risikokontrolle und das Managementsystem rund um KI-Anwendungen zu verbessern.

„Die Fähigkeiten von KI-Systemen steigen exponentiell und beginnen, mehr Prozesse zur Selbstkonstruktion vollständig zu automatisieren. Während weltweit diskutiert wird, das Tempo der fortschrittlichen KI-Entwicklung zu verlangsamen, braucht die Öffentlichkeit mehr Informationen“, schrieb das Unternehmen.

Anthropic ist eines von mehreren KI-Unternehmen, die sich auf „Recursive Self-Improvement“ (RSI) konzentrieren. Das Konzept bedeutet, dass KI-Systeme ihre Fähigkeiten nahezu ohne menschliche Hilfe selbst verbessern können. Manche Unternehmen sehen darin die Zukunft der KI-Entwicklung, aber die potenziellen Sicherheitsbedrohungen durch solche Systeme mit Superfähigkeiten führen auch zu Sorgen.

Anthropic äußerte in einem Blog, dass es versucht, einen Rahmen zu schaffen, der die Aktivitäten von KI-Agenten nachverfolgt und überwacht, wie viel Arbeit sie auf seiner Plattform erledigen. Das Unternehmen gab an, dass im August jederzeit mehr als 30.000 Agenten im Unternehmen Forschung und Entwicklung betrieben.

Anthropic veröffentlichte auch Details zur Ressourcenverteilung zwischen der beschleunigten KI-Entwicklung und der Sicherstellung von KI-Sicherheit. Laut seinen Messungen werden je nach Art der Forschung 6% bis 12% der Berechnungsressourcen für Sicherheitsüberwachung verwendet.

In einem Blogpost Anfang September teilte der stärkste Konkurrent im Bereich KI-Großmodelle, OpenAI, ebenfalls seine neuesten Fortschritte in der Automatisierung von Forschung mit: Als festgestellt wurde, dass seine Modelle das externe System des Start-ups Hugging Face kompromittiert hatten, pausierte das Unternehmen Teile des Modelltrainings.

Letzte Woche trat Jacob Corkson, ein Mitarbeiter Anthropics, medienwirksam aus dem Unternehmen aus und verstärkte damit die Besorgnis über die Überlebensrisiken der Menschheit im Zusammenhang mit KI. In seinem auf Social Media geteilten Rücktrittspost warf er den KI-Entwicklerfirmen vor: „Sie setzen unser Leben aufs Spiel.“

In den letzten Tagen forderten mehrere KI-Firmenchefs, darunter Anthropic-CEO Dario Amodei und OpenAI-CEO Sam Altman, die Verlangsamung der technologischen Entwicklung, um den zunehmend unvorhersehbaren Risiken zu begegnen – jedoch gibt es Unterschiede bei der praktischen Umsetzung.

Am Samstag forderte Amodei in einem 3800-Wort umfassenden Text staatliche Regulierung und die Unterstützung der Technologiebranche für breitere Maßnahmen zur KI-Verlangsamung. Dies löste starke Gegenreaktionen von US-Präsident Donald Trump aus, der die Sorgen um die Risiken als „Technologie-Betrug“ bezeichnete und die Einführung neuer Regeln ablehnte.

Auch andere Tech-Branchengrößen reagierten. Altman und Nvidia-CEO Jensen Huang sind der Ansicht, dass KI-Unternehmen die Entwicklung selbst sicher kontrollieren können; Meta Platforms CEO Mark Zuckerberg meint, KI-Labore sollten auf unabhängige Evaluatoren und Sicherheitsberater setzen, um die Modellsicherheit zu gewährleisten.

Vom „KI-Assistierten Forschen“ zu rekursiver Verbesserung: Eröffnet KI-Rechenleistung neue Dimensionen?

Die Investitionsrelevanz von Astra und RSI liegt darin, dass fortschrittliche, leistungsstarke KI-Großmodelle und KI-Forschung selbst zu einem dauerhaften Szenario für den Verbrauch von Rechenleistung werden. OpenAI gab am 6. September bekannt, das Ziel des „automatisierten Forschungspraktikanten“ erreicht zu haben und unter menschlicher Anleitung Aufgaben erledigen zu können, für die zuvor erfahrene Forscher mehrere Tage benötigten; bis Mitte August entsprach jeder Arbeitstag eines Menschen etwa 3,1 Arbeitstagen eines Agenten. Dies bezieht sich auf die Laufzeit, nicht auf eine Verdreifachung des Forschungsertrags. Daraus lässt sich ableiten, dass Automatisierung sowohl den Bedarf an Codegenerierung, Experimentbewertung, als auch an Kandidatenmodelltraining erhöht. Allerdings ist vollständiges RSI noch kein fest etabliertes Paradigma – die Richtung der Forschung und die Ressourcenzuteilung werden weiterhin von Menschen bestimmt.

Das von OpenAI veröffentlichte GPT-6 Astra-Großmodell und der RSI-Technikpfad der KI-Führer könnten zu den beiden Hauptantrieben werden, die die Nachfrage nach KI-Rechenleistung exponentiell steigern: leistungsstärkere KI-Großmodelle und umfassendere Anwendung von Tools sowie Trainingspfade, die noch stärkere Rechenleistung erfordern, stärken das kontinuierliche Wachstum der KI-Infrastruktur. OpenAI teilte kürzlich mit, Astra habe die Fähigkeiten in Programmierung, Browsen, Computerbedienung und Ausführung komplexer Aufgaben gestärkt und den Tätigkeitsbereich des Modells erweitert. Der Produktleiter sagte, die Nachfrage nach Astra belaste die Infrastruktur; ab dem 10. September pausierte das Unternehmen die Aufnahme neuer Abonnements und Upgrades für das monatliche 200-USD Pro 20X Paket, bestehende Abonnements werden weiterhin erneuert.

Das Kernprinzip von Recursive Self-Improvement (RSI) ist, dass KI selbst an der Entwicklung stärkerer KI beteiligt ist, wobei dann das verbesserte Modell wiederum die Entwicklung weiter optimiert und damit ein iterativer Feedback-Kreislauf entsteht. Es ist kein Ersatz für Vortraining oder Reinforcement Learning, sondern ein Forschungs- und Entwicklungsparadigma, das Design, Codegenerierung, Experimentdurchführung, Ergebnisauswertung und Modelliteration umfasst. Die von Anthropic und OpenAI derzeit öffentlich gemachten Fortschritte beziehen sich vor allem auf unter menschlicher Aufsicht automatisierte Forschung und Entwicklung, noch nicht auf vollständig autonome, rekursive Verbesserung ohne menschliches Zutun.

Bis August „dominiert“ Claude bereits 26% der KI-Forschungs- und Entwicklungsarbeiten, mit über 90% Beteiligung auf „Kooperations“-Niveau; auf der am häufigsten genutzten internen Plattform gibt es rund 30.000 Agenten, die Forschung und Entwicklung durchführen. Die Bedeutung für die Branche liegt darin, dass KI von einem gelegentlich genutzten Hilfstool zum kontinuierlichen Ausführungsressource im Forschungsprozess geworden ist – Forschungsaktivitäten selbst werden zur stetigen Quelle des Rechenleistungsbedarfs.

Anthropic und OpenAI konzentrieren sich auf RSI, um die Effizienz des gesamten Forschungsiterationsprozesses zu steigern – dieser Prozess erfordert mehr parallele Experimente und kontinuierlich laufende Forschungsagenten. Aus technischer Sicht können die Forschungsagenten helfen, Vorschläge zu machen und zu filtern, Trainingscodes zu ändern, Experimentkonfigurationen zu generieren, Tests auszuführen und Ergebnisse zu analysieren, sodass Forscher mehr Alternativen gleichzeitig prüfen können; Denken und Programmieren durch Agenten erfordert Rechenleistung, Validierung von Vorschlägen zusätzlich Trainings-, Bewertungs- und Datenressourcen.

OpenAI gab bekannt, dass bis Mitte August jeder Arbeitstag eines Forschers im Forschungsbereich etwa 3,1 Agenten-Arbeitstagen entspricht; bei medianer Nutzung, nach API-Preis umgerechnet, liegt die tägliche Rechenleistung pro Forscher über 600 USD – hier geht es einerseits um Laufzeit, andererseits um kalkulierte Preise, nicht um Produktivitätssteigerung oder tatsächliche interne Kosten. Das Unternehmen betonte auch, dass mit dem Abbau anderer Entwicklungsengpässe die Berechnungsressourcen eine noch wichtigere Einschränkung werden könnten. Sicherheitsforschung ist eine eigenständige Arbeitslast – Anthropic verwendete laut dem Sample vom 13. bis 20. Juli etwa 6% der KI-Entwicklungsrechenleistung (bzw. 12% der KI-gesteuerten Entwicklungsleistung) für sicherheitsbezogene Aufgaben.

Diese neuesten Erkenntnisse zur RSI-Forschung und die kontroverse Diskussion um AGI nach dem Erscheinen des Astra-Großmodells demonstrieren: Wenn KI-Großmodelle künftig mehr Aufgaben in der Forschung übernehmen, wird nicht mehr nur Rechenleistung zum Trainieren von Modellen gebraucht, sondern auch für den Betrieb von Forschungsagenten, die wiederum mehr Experimente organisieren. Automatisierte Forschung und Entwicklung erhöht die experimentelle Bandbreite und damit die Anforderungen an verfügbare Kapazität, Effizienz und Zuverlässigkeit der Rechenleistung.

Das wichtigste Investitionssignal für KI-Rechenleistung durch RSI und Astra ist nicht nur „größere Modellparameter“, sondern die Erweiterung des Aufgabenbereichs, den KI übernehmen kann, sowie eine tiefere Ausführung für jede Aufgabe: Nutzer-orientierte Anwendung und forschungsorientierte Entwicklung erweitern gemeinsam den langfristigen Bedarf an KI-Infrastruktur. RSI und Astra liefern direkte Nachfragesignale aus kommerziellen Anwendungen, „automatisierte Forschung + Nutzer-Reasoning“ eröffnen zwei Wachstumspfade für Rechenleistung.

Laut eines Prognoseberichts des bekannten Marktanalyseinstituts TrendForce wird die Anzahl ausgelieferter NVL72-Racks bis 2027 um über 50% steigen, der Gesamtwert der NVL-Racksysteme rund um Nvidia AI-GPUs (inklusive GB200/GB300 und der nächsten Generation auf Vera Rubin Architektur) könnte auf über 710 Milliarden USD anwachsen, ein Zuwachs von 214% gegenüber dem Vorjahr – inklusive Produktupgrades und Preiserhöhungen. Mit der durch Astra geführten Nachfrage nach fortschrittlicher KI-Rechenleistung erwartet Morgan Stanley, dass die Gesamtkapitalausgaben der vier größten nordamerikanischen Cloud- und KI-Anbieter von 917 Milliarden USD in 2026 auf 1,47 Billionen USD in 2027 und 1,64 Billionen USD in 2028 steigen, die Kapazitäten sollen von 35 GW in 2025 auf 145 GW in 2028 wachsen.

Aus Sicht der Systemarchitektur beinhalten komplexere Aufgaben längere Kontexte, mehrfache Modellaufrufe, Werkzeugausführung und Ergebniskontrolle: Prefill (Vorabfüllung) zur Verarbeitung von Eingaben, Decode (Dekodierung) zur fortlaufenden Ausgabe, KV Cache beansprucht mit größerem Kontext und höherer Parallelität mehr Speicher, was eine kooperative Steigerung von Berechnungsdurchsatz, Speicherbandbreite und Kapazität erfordert. Ein weiterer branchenspezifischer Schluss ist: GPU/TPU übernehmen die Modellberechnungen, CPU steuert die Ausführung von Tools und Aufgabenmanagement, HBM, Server-DRAM, Speicher und Hochleistungsnetzwerke sowie Datenzentrum-Optikverbindungen ermöglichen eine effiziente Datenübertragung und Statusverwaltung – und am Ende liefern große KI-Servercluster kontinuierlichen Service im immer größeren Maßstab.