Ich stimme der Verwendung von Cookies zu. Auch wenn ich diese Website weiter nutze, gilt dies als Zustimmung.
Bitte lesen und akzeptieren Sie die Datenschutzinformation und Cookie-Informationen, damit Sie unser Angebot weiter nutzen können. Natürlich können Sie diese Einwilligung jederzeit widerrufen.
Die Hauptaufgaben der künstlichen Intelligenz (KI) sind Training und Inferenz/Schlussfolgerung. Ersteres ist ein datenintensiver Prozess zur Vorbereitung von KI-Modellen für Produktionsanwendungen. Das Training eines KI-Modells stellt sicher, dass es seine festgelegte Inferenzaufgabe - wie das Erkennen von Gesichtern oder das Verstehen der menschlichen Sprache - genau und automatisiert ausgeführt werden kann. Inferencing ist ein großes Geschäft und wird voraussichtlich der größte Wachstumstreiber für AI sein. McKinsey hat vorausgesagt, dass die Chance für AI-Inferenzhardware im Rechenzentrum doppelt so groß sein wird wie die für AI-Trainingshardware im Jahr 2025 (9 bis 10 Milliarden US-Dollar gegenüber 4 bis 5 Milliarden US-Dollar heute). Bei der Bereitstellung von Edge-Geräten wird der Markt für Inferenzdaten bis zum selben Jahr dreimal so groß sein wie für Schulungen. Für den gesamten AI-Markt wird sich der Markt für Deep-Learning-Chipsätze laut Tractica-Prognosen von 1,6 Mrd. USD im Jahr 2017 auf 66,3 Mrd. USD im Jahr 2025 erhöhen. Dieses erhebliche Wachstum versuche ich in meinem Portfolio mit AMD und Nvidia abzubilden. Nvidia soll oder hat heute noch in Bezug auf die Inferenzierung von Hardware-Beschleunigerchips einen technischen Vorsprung. Dieser Vorsprung sollte angesichts des Branchenwachstums, des aktuellen Produktmixes und der aktuellen Positionierung des Unternehmens mindestens zwei Jahre anhalten. Die größte Stärke von Nvidia - und wahrscheinlich die größte Wettbewerbsanfälligkeit - liegt in seiner Kern-Chipsatz-Technologie. Die GPUs wurden in erster Linie für das Training von KI-Modellen mit hohem Datenvolumen und hoher Geschwindigkeit optimiert. Sie werden jedoch auch zum Ableiten in den meisten serverbasierten Anwendungen für maschinelles Lernen verwendet. Heute ist diese GPU-Technologie ein wesentlicher Wettbewerbsvorteil auf dem KI-Inferenzmarkt. Die GPUs von Nvidia eignen sich hervorragend für die ressourcenintensivsten Inferencing-Aufgaben von AI in der Cloud und auf Serverplattformen. Die GPUs sind jedoch nicht so kostengünstig für die Automatisierung von Inferencing in mobilen Anwendungen, IoT-Anwendungen und anderen Edge-Computing-Anwendungen. Mein heimlicher Favorit für die nächsten Jahre ist AMD, die zur Zeit sowohl gegen Nvidia als auchi nsbesondere gegen Intel Marktanteile gewinnen. Deshalb hat AMD auch eine höhere Gewichtung als Nvidia in meinem Depot. Ich denke, dass beide Werte in besonderem Maße dazu beitragen werden, an dem rasant wachsenden Markt der künstlichen Intelligenz und der neuronalen Netze zu partizipieren.
Nvidia ist vor allem für seine Grafikkarten (GPUs) bekannt. Darüber hinaus werden die Hochleistungschips des Unternehmens mittlerweile in zahlreichen Rechenzentren eingesetzt, die sich auf maschinelles Lernen konzentrieren. ... Vollständigen Artikel lesen: https://www.wallstreet-online.de/diskussion/1315181-1-10/wikifolio-artificial-intelligence-ai-ki-kuenstliche-intelligenz#beitrag_62034308
In https://www.wikifolio.com/de/de/w/wfamaackia, dem wikifolio der https://klug-investieren.jimdo.com/aktienportfolios/weltbekannte-marken/, wird am 29.11. von Nvidia eine Dividende von 0,16 $ (ca. 0,145 €) erwartet. Der Spread ist zu hoch und die Aktienanzahl zu klein, um die Dividende durch das Verkaufen und Zurückkaufen (ex-dividend) direkt zu reinvestieren. Da es sich um eine US-Aktie handelt, verfällt die Dividende leider.
Nvidia liegt mit einem Kursgewinn von knapp 20 Prozent im Depot. Die Bank Of America hat für Nvidia ein Kursziel von $ 275. Das Kurspotential beträgt demnach weitere 28 Prozent. Nvidia soll insbesondere von der 7-nm-Technologie und der breiteren Verbreitung der Turing Ray Tracing / DLSS-Funktionen profitieren, so die Bank Of America.
Ertragreich | FINDER
Albatros
finelabels | FLB1899
Fine Labels; Value und Trend
TIStrategie | KI000000
Investment in KI Aktien
lagom | AMAACKIA
Amur Maackia
finelabels | FLB1899
Fine Labels; Value und Trend