Seit Jensen Huang als Nvidia-CEO zurückgetreten ist, sind zuerst jene KI-Startups verunsichert, die mit Nvidias Schecks groß geworden sind. TechCrunch berichtete am 13. November unter Berufung auf PitchBook-Daten, Nvidia habe sich in diesem Jahr bereits an 105 Finanzierungsrunden beteiligt, in vielen davon als größter Geldgeber.
„It’s like a bomb went off.“ („Es war, als wäre eine Bombe explodiert.“) So beschrieb der Gründer eines Neo-Cloud-Anbieters sein Gefühl, als er die Nachricht hörte.

Die Schecks stammen meist direkt von Huang
Bei Nvidia entscheidet in hohem Maß Huang persönlich, in welche Firma und mit wie viel Geld investiert wird. Umesh Padval, Managing Partner von Seligman Ventures, sagte TechCrunch, die meisten wichtigen Investitionsentscheidungen bei Startups kämen von Huang selbst. Padval kennt Huang seit vielen Jahren; beide saßen im Board von Mellanox, das Nvidia später für rund 7 Milliarden US-Dollar übernahm.
Die Nachfolgerin hat einen anderen Stil. Kommissarische CEO von Nvidia ist die bisherige Finanzchefin Colette Kress. Ein Investor urteilt: „She’s much more conservative“ („Sie ist viel konservativer“) und werde nicht annähernd so viel Geld bereitstellen, um das frühe Ökosystem zu stützen. Solche Aussagen stammen von anonymen Investoren; Nvidia hat sich zum Investitionstempo nicht öffentlich geäußert, ob Kress tatsächlich die Zügel anzieht, lässt sich derzeit nicht überprüfen.
Am stärksten gesetzt hat Nvidia bisher auf drei Arten von Unternehmen: Neo-Cloud-Anbieter, Inferenz-Dienstleister und Open-Source-Modellteams. Öffentlich bekannte Beispiele: ein Einstieg bei CoreWeave schon vor dem Börsengang; die Teilnahme an zwei Finanzierungsrunden von Crusoe, darunter eine Series E über 1,4 Milliarden US-Dollar; in diesem Jahr die Übernahme von Hugging Face für rund 13 Milliarden US-Dollar, deren Abschluss für 2027 erwartet wird; dazu Anteile an Mistral AI, Lambda und Black Forest Labs. Das Wall Street Journal hatte zuvor berichtet, Nvidia habe im vergangenen Jahr in der 2 Milliarden Dollar schweren Series B von Reflection AI 800 Millionen Dollar übernommen – zu einer Zeit, als das Open-Source-Modellunternehmen noch keine nennenswerten Umsätze hatte.
Ein Wagniskapitalgeber beschrieb ein gängiges Muster: Infrastrukturfirmen, die GPUs im Wert von 100 bis 500 Millionen Dollar brauchen, bekämen oft zuerst die Hälfte der benötigten Summe von Nvidia, bei einer Bewertung ab 1 Milliarde Dollar; andere Investoren trauten sich erst mit, wenn sie Nvidia in der Gesellschafterliste sähen. „When Nvidia was on the cap table, everyone felt safe.“ („Wenn Nvidia in der Cap Table stand, fühlten sich alle sicher.“), sagte Padval.
Investoren erwarten, dass Nvidia künftig wählerischer wird: weniger neue Projekte, kleinere Folgeschecks für bestehende Beteiligungen und entsprechend sinkende Bewertungen.
Können Google und Amazon die Lücke füllen?
Manche hoffen, dass große Konzerne übernehmen. Dharmesh Thakker, General Partner bei Battery Ventures, rechnet damit, dass Big-Tech-Konzerne um die „Investitionskrone“ ringen werden, die Nvidia hinterlässt. Entscheidend sei, wer ein gutes Produkt vorweisen kann, ein Ökosystem, das CUDA Paroli bietet, und die finanzielle Kraft, um dieses Ökosystem zu tragen.
Zugleich ist Thakker skeptisch. Google, Amazon, Microsoft und AMD könnten in einige gereifte Startups investieren, um die eigenen Chips und Clouds zu bewerben. Dass sie aber wie Nvidia mehrere Hundert Millionen Dollar in Infrastrukturfirmen ohne Umsatz stecken, glaubt er nicht.
Hier liegt der Unterschied der beiden Investitionslogiken. Wenn Nvidia in einen Neo-Cloud-Anbieter investiert, kauft dieser damit Nvidia-Karten, das Geld fließt rasch zurück. Investiert dagegen ein Cloud-Konzern in dieselbe Art Firma, päppelt er damit einen Konkurrenten auf. TechCrunch nennt auch die Kehrseite: Nvidia hat mit großzügigen Schecks eine ganze Reihe von Unternehmen an die eigenen Chips gebunden und so seine Marktstellung gefestigt; zieht es sich zurück, bekommen die Wettbewerber mehr Spielraum. Passenderweise hat Google in dieser Woche gerade zwei neue Chips vorgestellt.
Die Open-Source-Modelle
AI2-Forscher Nathan Lambert schrieb am 14. November, Huangs Abgang sei ein schwerer Rückschlag für das US-amerikanische Ökosystem offener Modelle. Nvidias oberstes Ziel sei es derzeit, die Lage zu stabilisieren und den Kunden in den kommenden 24 Monaten termingerecht zu liefern; das Geld für Huangs Open-Source-Wetten „nach Gründerart“ dürfte versiegen.
Lambert zufolge hat das Team hinter Nvidias eigener Nemotron-Reihe Ehrgeiz und gute Leute, ist aber noch nicht an dem Punkt, an dem man Erfolg verkünden könnte. Das zuletzt beste offene Gewichtsmodell aus den USA ist Inkling 2 Small von Thinking Machines, das noch einigen Abstand zu Kimi K3.1 Pro von Moonshot AI hat. Er zitiert Dylan Patel, CEO von SemiAnalysis, aus einem Podcast: „It’s not money, it’s talent, man.“ („Es fehlt nicht an Geld, sondern an Talent.“)
Für chinesische Open-Source-Modellteams hieße das, falls Lamberts Einschätzung zutrifft: Der spendabelste Akteur im US-Open-Source-Lager lässt als Erster los, und das Aufholtempo gegenüber Kimi, DeepSeek und GLM könnte nachlassen. Die Übernahme von Hugging Face durch Nvidia läuft noch; ob sich die Plattformstrategie nach dem Abschluss ändert, dazu liegen derzeit keine öffentlichen Informationen vor.
Quellen: TechCrunch, Interconnects, CocoLoop, Wall Street Journal; die Zahl der Finanzierungsrunden folgt der Zählweise von PitchBook, die Beträge der einzelnen Investitionen den öffentlichen Angaben.