{"id":1611,"date":"2026-07-19T03:32:41","date_gmt":"2026-07-19T03:32:41","guid":{"rendered":"https:\/\/convly.ai\/?p=1611"},"modified":"2026-07-19T03:32:41","modified_gmt":"2026-07-19T03:32:41","slug":"inference-chips-loan-collateral-general-compute-400m","status":"publish","type":"post","link":"https:\/\/convly.ai\/de\/inference-chips-loan-collateral-general-compute-400m\/","title":{"rendered":"Inferenzchips als Darlehenssicherheit: Der 400-Mio.-US$-Deal von General Compute"},"content":{"rendered":"<p>Eine Finanzierungsvereinbarung, die <strong>Inferenzchips als Darlehenssicherheit nutzt<\/strong>, statt Nvidia-GPUs, ist in den Mittelpunkt der Diskussion \u00fcber KI-Hardware ger\u00fcckt. Laut Tech Times hat General Compute einen wegweisenden US$-400-Millionen-Deal abgeschlossen, bei dem Inferenzchips als verpf\u00e4ndete Sicherheiten f\u00fcr das Darlehen dienen. Diese Einordnung ist bedeutsam: Bei dem derzeitigen KI-Ausbau waren Grafikprozessoren von Nvidia bislang die Hardware, gegen die Kreditgeber bereit waren, zu verleihen. Ein Deal, der speziell f\u00fcr Inferenzzwecke entwickelte Siliziumchips anstelle dieser GPUs einsetzt, deutet auf einen ausgereifteren und vielf\u00e4ltigeren Markt f\u00fcr Maschinen hin, die moderne KI-Arbeitslasten ausf\u00fchren.<\/p>\n<div class=\"convly-tldr\">\n<h3>Wichtigste Erkenntnisse<\/h3>\n<ul>\n<li>Tech Times berichtet, dass General Compute einen wegweisenden US$-400-Millionen-Deal unter Verwendung von Inferenzchips als Darlehenssicherheit abgeschlossen hat.<\/li>\n<li>Die Vereinbarung ersetzt Nvidia-GPUs, die bislang typischerweise die hardwaregest\u00fctzte Kreditvergabe im KI-Zeitalter getragen haben, durch dedizierte Inferenzsiliziumchips.<\/li>\n<li>Die Meldung signalisiert, dass Kreditgeber und Betreiber Inferenz-optimierte Chips zunehmend als bankf\u00e4hige, finanzierbare Verm\u00f6genswerte eigenst\u00e4ndig behandeln k\u00f6nnten.<\/li>\n<li>Konkrete Vertragsbedingungen \u2013 etwa der Kreditgeber, der Chip-Lieferant, der Zinssatz oder der R\u00fcckzahlungsplan \u2013 werden in den uns zug\u00e4nglichen Berichten nicht genannt; diese Details bleiben daher unbest\u00e4tigt.<\/li>\n<li>F\u00fcr KI-Entwickler und Nutzer von Modellen stellt sich die grunds\u00e4tzlichere Frage, ob g\u00fcnstigere und vielf\u00e4ltigere Inferenzhardware letztlich zu niedrigeren Bereitstellungskosten f\u00fchrt.<\/li>\n<\/ul>\n<\/div>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_84 counter-flat ez-toc-counter ez-toc-container-direction\">\n<label for=\"ez-toc-cssicon-toggle-item-6a67e6740ecab\" class=\"ez-toc-cssicon-toggle-label\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Umschalten<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #000000;color:#000000\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewbox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #000000;color:#000000\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewbox=\"0 0 24 24\" version=\"1.2\" baseprofile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/label><input type=\"checkbox\"  id=\"ez-toc-cssicon-toggle-item-6a67e6740ecab\"  aria-label=\"Umschalten\" \/><nav><ul class='ez-toc-list ez-toc-list-level-1' ><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/convly.ai\/de\/inference-chips-loan-collateral-general-compute-400m\/#What_General_Computes_400M_deal_actually_says\" >Was der 400-Mio.-US$-Deal von General Compute tats\u00e4chlich aussagt<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/convly.ai\/de\/inference-chips-loan-collateral-general-compute-400m\/#Why_inference_chips_as_loan_collateral_is_a_shift\" >Warum Inferenzchips als Darlehenssicherheit eine Wende darstellen<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/convly.ai\/de\/inference-chips-loan-collateral-general-compute-400m\/#How_GPU-backed_financing_set_the_stage\" >Wie GPU-gest\u00fctzte Finanzierungen den Grundstein legten<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/convly.ai\/de\/inference-chips-loan-collateral-general-compute-400m\/#What_it_could_mean_for_AI_developers_and_model_users\" >Was dies f\u00fcr KI-Entwickler und Modellnutzer bedeuten k\u00f6nnte<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/convly.ai\/de\/inference-chips-loan-collateral-general-compute-400m\/#What_the_sources_confirm_%E2%80%94_and_what_they_do_not\" >Was die Quellen best\u00e4tigen \u2013 und was nicht<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/convly.ai\/de\/inference-chips-loan-collateral-general-compute-400m\/#The_competitive_backdrop_for_inference_silicon\" >Der Wettbewerbsumfeld f\u00fcr Inferenzsilizium<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/convly.ai\/de\/inference-chips-loan-collateral-general-compute-400m\/#Frequently_asked_questions\" >H\u00e4ufig gestellte Fragen<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/convly.ai\/de\/inference-chips-loan-collateral-general-compute-400m\/#The_bottom_line\" >Das Fazit<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"What_General_Computes_400M_deal_actually_says\"><\/span>Was der 400-Mio.-US$-Deal von General Compute tats\u00e4chlich aussagt<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Die berichteten Fakten sind eng gefasst, aber pr\u00e4gnant. Laut Tech Times hat General Compute ein Darlehen in H\u00f6he von rund 400 Millionen US-Dollar vereinbart, dessen Sicherheit aus einem Bestand an Inferenzchips \u2013 und nicht aus Nvidia-GPUs \u2013 besteht. Das ist der Kern der Meldung, und es lohnt sich, klar zwischen Berichtetem und Nicht-Berichtetem zu unterscheiden. Die \u00dcberschrift nennt lediglich die beteiligten Parteien zum Teil \u2013 General Compute ist namentlich genannt \u2013 sowie die H\u00f6he des Deals und die Art der Sicherheit. Sie benennt jedoch in den uns zug\u00e4nglichen Materialien weder den Kreditgeber, den genauen Chip-Hersteller oder die Architektur, noch die Laufzeit des Darlehens oder die f\u00fcr die Hardware angewandte Bewertungsmethode.<\/p>\n<p>Wir betrachten diese Auslassungen als echte Informationsl\u00fccken, anstatt sie zu erg\u00e4nzen. Mit Sicherheit l\u00e4sst sich sagen, dass die Transaktion als erster ihrer Art oder zumindest als ungew\u00f6hnlich prominenter Einsatz inferenzspezifischer Chips im rahmen einer sicherheitsgest\u00fctzten Kreditvergabe charakterisiert wird. Allein diese Einordnung erkl\u00e4rt, warum der Deal Aufmerksamkeit erh\u00e4lt: Sie behandelt eine Kategorie von Silizium, die bisher oft im Schatten von Nvidia stand, als ernstzunehmenden, finanzierbaren Verm\u00f6genswert.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Why_inference_chips_as_loan_collateral_is_a_shift\"><\/span>Warum Inferenzchips als Darlehenssicherheit eine Wende darstellen<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Um zu verstehen, warum die Nutzung von <strong>Inferenzchips als Darlehenssicherheit nutzt<\/strong> bemerkenswert ist, hilft es, zwei Phasen der KI-Berechnung zu unterscheiden. Das Training eines gro\u00dfen Modells ist rechenintensiv und wurde bislang von High-End-GPUs dominiert. Inferenz \u2013 also das eigentliche Ausf\u00fchren des trainierten Modells, um Anfragen zu beantworten, Text zu generieren oder Daten zu klassifizieren \u2013 ist eine andere, insgesamt weitaus gr\u00f6\u00dfere Arbeitslast. Wenn eingesetzte KI-Dienste skalieren, kann das Volumen der Inferenz die einmaligen Kosten f\u00fcr das Training bei Weitem \u00fcbersteigen; daher ist eine Welle von Chips entstanden, die speziell darauf ausgelegt sind, Modelle effizient zu bedienen.<\/p>\n<p>Eine Kreditvergabe gegen Hardware setzt voraus, dass der Kreditgeber zwei Dinge glaubt: dass das Asset Wert besitzt und dass es im Fall einer Zahlungsunf\u00e4higkeit des Kreditnehmers wieder verkauft oder anderweitig eingesetzt werden kann. Nvidia-GPUs erf\u00fcllen beide Bedingungen dank ihrer Liquidit\u00e4t \u2013 es gibt einen tiefen und nachfragestarken Sekund\u00e4rmarkt. Indem die Vertragsparteien im General-Compute-Deal angeblich stattdessen Inferenzchips akzeptieren, behaupten sie implizit, dass diese Klasse von Silizium nun ebenfalls eine vergleichbare H\u00fcrde \u00fcberschritten hat. Das ist die analytische Bedeutung, formuliert als Kontext und nicht als neu berichtete Tatsache: Der Markt k\u00f6nnte beginnen, dedizierte Inferenzhardware als dauerhaften, kreditw\u00fcrdigen Verm\u00f6genswert einzustufen.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"How_GPU-backed_financing_set_the_stage\"><\/span>Wie GPU-gest\u00fctzte Finanzierungen den Grundstein legten<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Als Hintergrundinformation \u2013 und dies ist allgemeiner Branchenkontext, kein Teil des Tech-Times-Berichts \u2013 haben die letzten Jahre gro\u00dfe Summen hervorgebracht, die gegen Flotten von KI-Beschleunigern aufgenommen wurden. Rechenzentrumsbetreiber und spezialisierte Rechenanbieter nutzten ihre Hardware als Sicherheit, um einen raschen Ausbau zu finanzieren; Nvidia-Chips waren dabei die naheliegende Sicherheit aufgrund ihrer Allgegenwart und ihres Wiederverkaufswerts. Dieses Modell machte die GPU nicht nur zu einer Komponente, sondern zu einem bilanziellen Instrument.<\/p>\n<p>Der damit verbundene Kompromiss war stets Konzentration: Sich sowohl f\u00fcr die Arbeitslast als auch f\u00fcr die Finanzierung auf die Komponenten eines einzigen Herstellers zu verlassen, bindet das Schicksal eines Betreibers eng an die Roadmap, Preisgestaltung und Lieferf\u00e4higkeit dieses Herstellers. Ein Deal, der die akzeptablen Sicherheiten auf Inferenzchips ausweitet, lockert diese Abh\u00e4ngigkeit zumindest prinzipiell. Leser, die die Hardwareseite dieser Entwicklung bewerten m\u00f6chten, k\u00f6nnen aktuelle Optionen in unserer \u00dcbersicht der <a href=\"https:\/\/convly.ai\/de\/best-gpus-for-ai-2026\/\">Beste GPUs f\u00fcr KI-Anwendungen<\/a>, und k\u00f6nnen den relativen Wert verschiedener Beschleuniger in unserem <a href=\"https:\/\/convly.ai\/de\/ai-price-performance-index-2026\/\">KI-Preis-Leistungs-Index<\/a>.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"What_it_could_mean_for_AI_developers_and_model_users\"><\/span>Was dies f\u00fcr KI-Entwickler und Modellnutzer bedeuten k\u00f6nnte<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Der konkrete Deal ist zun\u00e4chst eine Finanzierungsgeschichte, doch die sekund\u00e4ren Effekte sind entscheidend f\u00fcr alle, die auf KI aufbauen. Wenn Inferenzchips leichter zu finanzieren werden, sinken die Kapitalkosten f\u00fcr den Aufbau von Bereitstellungskapazit\u00e4ten, und Betreiber k\u00f6nnen mehr davon einsetzen. Historisch gesehen hat ein gr\u00f6\u00dferer und wettbewerbsf\u00e4higerer Angebot an Bereitstellungshardware tendenziell die Kosten pro Token f\u00fcr den Betrieb von Modellen gesenkt \u2013 ob dies hier allerdings tats\u00e4chlich eintritt, h\u00e4ngt von Details ab, die in den Berichten nicht genannt werden.<\/p>\n<p>F\u00fcr Teams, die zwischen Mieten und Kaufen von Rechenkapazit\u00e4t w\u00e4hlen m\u00fcssen, flie\u00dfen Hardware-\u00d6konomie und Finanzierungsentscheidung direkt ineinander. Unser <a href=\"https:\/\/convly.ai\/de\/self-hosting-vs-api-calculator\/\">Self-Hosting vs. API-Rechner<\/a> wurde genau f\u00fcr diesen Vergleich entwickelt, und jeder, der lokale Deployments plant, kann seinen Speicherbedarf mit unserem <a href=\"https:\/\/convly.ai\/de\/llm-vram-calculator\/\">Kostenloser VRAM-Rechner<\/a>absch\u00e4tzen. Der rote Faden ist klar: G\u00fcnstigere und vielf\u00e4ltigere Inferenzsiliziumchips sind langfristig gute Nachrichten f\u00fcr die Kosten des KI-Betriebs \u2013 doch der General-Compute-Deal ist lediglich eine einzelne Finanzierungstransaktion, keine branchenweite Preissenkung, und sollte entsprechend interpretiert werden.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"What_the_sources_confirm_%E2%80%94_and_what_they_do_not\"><\/span>Was die Quellen best\u00e4tigen \u2013 und was nicht<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Da der zugrunde liegende Bericht lediglich eine \u00dcberschrift und ein kurzes Zitat enth\u00e4lt, ist es wichtig, die Beweislage transparent darzulegen. Die folgende Tabelle trennt die berichteten Einzelheiten von den weiterhin ungekl\u00e4rten Details. Wir haben keine Zahlen erfunden; fehlende Informationen sind als \u201enicht offengelegt\u201c gekennzeichnet.<\/p>\n<table class=\"convly-vs\">\n<thead>\n<tr>\n<th>Details<\/th>\n<th>Was der Bericht angibt<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Berichtete Dealgr\u00f6\u00dfe<\/td>\n<td>Rund 400 Millionen US-Dollar<\/td>\n<\/tr>\n<tr>\n<td>Sicherheit<\/td>\n<td>Inferenzchips, anstelle von Nvidia-GPUs<\/td>\n<\/tr>\n<tr>\n<td>Genannte Partei<\/td>\n<td>General Compute<\/td>\n<\/tr>\n<tr>\n<td>Einordnung<\/td>\n<td>Ein wegweisender Deal laut Tech Times<\/td>\n<\/tr>\n<tr>\n<td>Kreditgeber \/ Finanzier<\/td>\n<td>Nicht im Zitat offengelegt<\/td>\n<\/tr>\n<tr>\n<td>Chip-Hersteller oder -Architektur<\/td>\n<td>Nicht im Zitat offengelegt<\/td>\n<\/tr>\n<tr>\n<td>Darlehensbedingungen, Zinssatz, Laufzeit<\/td>\n<td>Nicht im Zitat offengelegt<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Diese Disziplin ist in einem sich rasch entwickelnden Markt wichtig, wo Details leicht als gegeben angenommen werden. Nur das Berichtete wiederzugeben, bewahrt die Analyse vor Verzerrung und erm\u00f6glicht es Lesern, die Bedeutung ohne Anker an nie ver\u00f6ffentlichten Zahlen selbst einzusch\u00e4tzen. F\u00fcr alle, die die Modelle verfolgen, die diese Chips letztlich bedienen, bietet unsere <a href=\"https:\/\/convly.ai\/de\/models\/\">Datenbank f\u00fcr KI-Modelle<\/a> listet aktuelle Spezifikationen und Preise auf.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"The_competitive_backdrop_for_inference_silicon\"><\/span>Der Wettbewerbsumfeld f\u00fcr Inferenzsilizium<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Als allgemeiner Kontext ist die Nachfrage nach Chips, die speziell f\u00fcr Inferenzanwendungen ausgelegt sind, parallel zum Einsatz von KI-Diensten in der Produktion gestiegen. Die Wirtschaftlichkeit beim Betrieb von Modellen im gro\u00dfen Ma\u00dfstab belohnt Hardware, die auf Durchsatz, Energieeffizienz und Kosten pro Abfrage optimiert ist \u2013 nicht jedoch auf reine Trainingsleistung. Eine Finanzierungsvereinbarung, bei der solche Chips als Sicherheit dienen, stellt faktisch ein Marktsignal dar, dass diese Kategorie kommerziell langfristig tragf\u00e4hig ist. Es ist durchaus sinnvoll, die Transaktion von General Compute als Teil dieser breiteren Normalisierung von Inferenz-Hardware zu betrachten \u2013 wobei jedoch stets im Ged\u00e4chtnis behalten werden muss, dass eine einzelne Vereinbarung f\u00fcr sich genommen noch keinen Trend etabliert.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Frequently_asked_questions\"><\/span>H\u00e4ufig gestellte Fragen<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><strong>Worum geht es bei dem Deal von General Compute?<\/strong> Laut Tech Times hat General Compute einen wegweisenden Kredit in H\u00f6he von 400 Millionen US-Dollar abgeschlossen, bei dem Inferenz-Chips anstelle von NVIDIA-GPUs als Darlehenssicherheit verwendet werden.<\/p>\n<p><strong>Warum ist die Verwendung von Inferenz-Chips als Darlehenssicherheit bedeutend?<\/strong> Sie deutet darauf hin, dass Kreditgeber bereit sind, inferenzspezifische Halbleiter als bankf\u00e4higes und wiederverk\u00e4ufliches Verm\u00f6gensgut zu behandeln \u2013 eine Rolle, die NVIDIA-GPUs in der j\u00fcngeren, von Hardware gesicherten KI-\u00c4ra typischerweise eingenommen haben.<\/p>\n<p><strong>Welches Unternehmen oder welcher Chip stellt die Sicherheit?<\/strong> General Compute ist die benannte Vertragspartei. Der konkrete Chip-Hersteller, die Architektur sowie der Kreditgeber werden in den uns vorliegenden Berichten nicht genannt; diese Details bleiben daher unbest\u00e4tigt.<\/p>\n<p><strong>Bedeutet dies, dass KI-Inferenz g\u00fcnstiger wird?<\/strong> Nicht unmittelbar. Eine erleichterte Finanzierung von Inferenz-Hardware kann langfristig die Bereitstellungskapazit\u00e4t erweitern und so den Preis pro Abfrage unter Druck setzen; der berichtete Deal stellt jedoch lediglich eine einzelne Finanzierungsvereinbarung dar und legt selbst keine Preise fest.<\/p>\n<p><strong>Wie hoch war das Volumen des Deals?<\/strong> Tech Times nennt einen Betrag von rund 400 Millionen US-Dollar. Weitere finanzielle Konditionen wurden im vorliegenden Berichtsauszug nicht offengelegt.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"The_bottom_line\"><\/span>Das Fazit<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Reduziert auf das Wesentliche ist die Geschichte einfach \u2013 ihre Implikationen jedoch weitreichender als ihre L\u00e4nge. Tech Times berichtet, dass General Compute <strong>Inferenzchips als Darlehenssicherheit nutzt<\/strong> in einem wegweisenden Deal \u00fcber 400 Millionen US-Dollar eingesetzt hat und damit von den NVIDIA-GPUs abr\u00fcckt, die bislang die Grundlage zahlreicher, durch Hardware gesicherter Kredite in der KI-\u00c4ra bildeten. Die Berichterstattung enth\u00e4lt nur wenige konkrete Angaben zu den Vertragsbedingungen, und wir haben uns bewusst davor zur\u00fcckgehalten, diese L\u00fccken zu schlie\u00dfen. Doch die Richtung ist klar erkennbar: Je mehr Inferenz zur dominierenden, fortlaufenden Kostenposition beim Betrieb von KI wird, desto st\u00e4rker werden die daf\u00fcr verwendeten Chips als ernstzunehmende finanzielle Verm\u00f6genswerte wahrgenommen. Ob dies der erste einer ganzen Reihe vergleichbarer Vereinbarungen ist oder lediglich ein Einzelfall bleibt, h\u00e4ngt von Details ab, die bisher noch nicht ver\u00f6ffentlicht wurden \u2013 und genau dort werden wir unsere Aufmerksamkeit richten.<\/p>\n<p><em>Quellen: news.google.com. Berichtet am 19. Juli 2026.<\/em><\/p>","protected":false},"excerpt":{"rendered":"<p>General Compute has closed a landmark US$400 million deal that uses inference chips as loan collateral in place of Nvidia GPUs, according to Tech Times. We unpack what it signals for AI hardware financing.<\/p>","protected":false},"author":1,"featured_media":1612,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[245],"tags":[936,874,940,939,935,937,938],"class_list":["post-1611","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-chips","tag-ai-chip-financing","tag-ai-hardware","tag-asset-backed-lending","tag-general-compute","tag-inference-chips","tag-loan-collateral","tag-nvidia-gpus"],"_links":{"self":[{"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/posts\/1611","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/comments?post=1611"}],"version-history":[{"count":1,"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/posts\/1611\/revisions"}],"predecessor-version":[{"id":1613,"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/posts\/1611\/revisions\/1613"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/media\/1612"}],"wp:attachment":[{"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/media?parent=1611"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/categories?post=1611"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/convly.ai\/de\/wp-json\/wp\/v2\/tags?post=1611"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}