Über 120 Milliarden US-Dollar erfolgt eine neue Rangordnung der chinesischen Serverhersteller.
Die Serverbranche wird zunehmend unruhig.
Diese Aussage klingt etwas widersprüchlich. Schließlich treibt die KI noch die teuerste Infrastrukturinvestitionsrunde in der Geschichte der menschlichen Technik voran. Nach Marktprognosen werden die mit KI verbundenen Kapitalausgaben der vier großen globalen Cloud-Anbieter im Jahr 2026 insgesamt 725 Milliarden US-Dollar erreichen. Bei einer Berechnung von 725 Milliarden US-Dollar entspricht dies einem täglichen Einsatz von fast 2 Milliarden US-Dollar, von dem ein großer Teil schließlich in KI-Server und ihre dazugehörige Infrastruktur fließt.
Der Servermarkt wächst ebenfalls rasant. Im ersten Quartal 2026 erreichten die Einnahmen der Hersteller auf dem globalen Servermarkt 122,6 Milliarden US-Dollar, was einem Anstieg von 30,4 % gegenüber dem Vorjahr entspricht. Das Problem besteht darin, dass mehr Geld, das in KI-Server fließt, nicht bedeutet, dass jeder Geldbetrag an traditionelle Serverhersteller weitergegeben wird. Das Wachstum des Marktes und die Position der Serverhersteller in der Industriekette werden zunehmend zu zwei getrennten Dingen.
01
Die Standardantwort für eine einzelne Karte ist verschwunden
Die Unruhe der Serverhersteller in diesem Jahr spiegelt sich in der WAIC 2026 wider.
Betrachtet man die oberen Ebenen: Chip-Hersteller geben sich nicht mehr damit zufrieden, GPUs oder NPUs zu verkaufen. Huawei, Muxi und Moore Threads haben bereits Konnektivität, Kommunikationsbibliotheken, Referenzarchitekturen und ganze Racks zusammen an Kunden ausgeliefert, in der Hoffnung, selbst zu zeigen, wie ein einzelner Chip zu einem Cluster mit tausenden von Karten zusammengesetzt werden kann.
Betrachtet man die unteren Ebenen: Cloud-Anbieter und führende Internetunternehmen beherrschen Modelle und Lasten, können Server selbst definieren und dann direkt bei ODMs bestellen. Im ersten Quartal 2026 machte der Umsatz aus ODM Direct immer noch 50,2 % des globalen Servermarktes aus. Mit anderen Worten: Rund die Hälfte der weltweiten Serverumsätze kann bereits direkt zwischen Großkunden und Fertigungsunternehmen abgewickelt werden.
Mit der Entwicklung der KI werden die Grenzen zwischen Chip-Herstellern, ODMs, OEMs und Cloud-Anbietern immer verschwommener. In einem sich schnell erweiternden Markt müssen Serverhersteller eine Frage neu beantworten: Wo genau sind sie in der KI-Industriekette unersetzlich?
Wir stellen fest, dass der erste Schritt, den die Serverhersteller anstreben, der Übergang zu einer Mehrkarten-Heterogenität ist. Insbesondere für chinesische Serverhersteller wird dieser Schritt sehr notwendig. Schließlich führt die Besonderheit des chinesischen Marktes dazu, dass immer mehr KI-Beschleunigungskarten auf dem Markt erscheinen.
Eine im Juli dieses Jahr durchgeführte Branchenstudie mit einer Befragung von 60 chinesischen Unternehmensführungskräften ergab, dass die Befragten erwarten, 46 % ihres Budgets für KI-Beschleuniger in den nächsten 12 Monaten für inländische Chips auszugeben, gegenüber 30 % derzeit. Neben NVIDIA können Kunden auch zwischen Anbietern wie Huawei Ascend, Cambricon, Kunlunxin, Moore Threads, Muxi Integrated, Enflame und Iluvatar wählen. Sie gehen von verschiedenen Wegen wie NPUs, universellen GPUs und spezialisierten KI-Prozessoren aus, und die geeigneten Modelle und Szenarien sind ebenfalls unterschiedlich.
Mit mehr Auswahlmöglichkeiten scheint das Geschäft breiter zu werden: Eine einzelne Server-Produktlinie kann mit verschiedenen Chips bestückt werden und deckt mehr Kunden ab. Wenn man es jedoch tatsächlich umsetzt, ist es nicht so einfach wie das Austauschen einer Festplatte. Beim Austausch einer Beschleunigungskarte können das Layout des Mainboards, die Stromversorgung, die Kühlung, die Firmware und die Signalintegrität neu gestaltet werden müssen. Nachdem das Gerät hochgefahren ist, müssen Treiber, Compiler, Operatorbibliotheken und Kommunikationsbibliotheken verarbeitet werden. Wenn dasselbe Modell auf eine andere Karte portiert wird, erreicht es oft nur den Zustand „läuft“, und es ist noch ein langer Weg zu einer angemessenen Leistung.
Serverhersteller beginnen mit der Hardware. Im März dieses Jahres gab Inspur Information bekannt, dass sein pluralistisches und offenes Rechenleistungsarchitektur durch offene Beschleunigermodule und Rechenleistungsmodule dasselbe Systemplattform in der Lage versetzt, 90 % der KI-Chips der Branche sowie CPU-Architekturen wie x86 und ARM zu unterstützen, und den Entwicklungszyklus von Chips zu Rechenleistungssystemen auf 6 bis 8 Monate verkürzt.
Als Nächstes folgt die schwierigere Softwareanpassung. Super Fusion treibt B.E.S.T 3.0 und FusionOne AI weiter auf die Softwareebene voran, integriert Operator, Vorlagenbibliotheken, Compiler, Modellimplementierung und Inferenzbeschleunigung in eine Lösung und schlägt vor, dass heterogene Rechenleistung „gemeinsam nutzbar, gemischt trainierbar und gemischt inferenzfähig“ sein soll. Die Lingxi Intelligent Computing von H3C versucht, heterogene GPUs einheitlich zu verbinden, wiederzuverwenden und zu steuern; die Wanquan Heterogeneous Intelligent Computing-Plattform von Lenovo zielt darauf ab, verschiedene Chips, Modelle und Cluster von hundert Karten bis zu zehntausend Karten in dasselbe Verwaltungssystem zu integrieren.
Ein Mitarbeiter eines inländischen Herstellers von Beschleunigungs-Chips erzählte dem Autor, dass Internetkunden vor dem Einkauf ihre eigenen Modelle wiederholt für POC-Tests verwenden und schließlich die Gesamtbetriebskosten (TCO) berechnen. Hardware-Benchmarks sind nur einer der Faktoren. Ob die Software gut funktioniert, wie schnell das Modell angepasst werden kann und ob die Chips kontinuierlich geliefert werden können, beeinflussen alle das Einkaufsergebnis.
Dadurch erhalten Serverhersteller wieder einen Wertspielraum. Je mehr inländische Chips es gibt, desto unwahrscheinlicher ist es, dass Kunden jedes einzelne Hardware- und Softwaresystem vollständig beherrschen. Wenn ein Serverhersteller nur eine „Kompatibilitätsliste“ auflisten kann, ist er leicht zu ersetzen; wenn er die Zeit für den Chipaustausch, den Leistungsverlust und die Betriebskosten gemeinsam senken kann, verkauft er nicht nur ein Gehäuse für die Karten.
02
Server werden von einem ganzen Rack verschluckt
Betrachtet man die WAIC 2026, ist ein weiterer offensichtlicher Trend, dass Superknoten zur Produkteinheit im KI-Zeitalter werden. Das DeepLink-Team des Shanghai AI Laboratory veröffentlichte das „Whitepaper zum technischen System von Superknoten“, das eine Vergleichsgruppe liefert: In den letzten 5 Jahren ist die für Vortraining erforderliche Rechenleistung um etwa das 3000-fache gestiegen, während die Rechenleistung eines einzelnen Chips im selben Zeitraum nur um etwa das 16-fache zugenommen hat.
Superknoten verwenden zuerst Scale-Up, um mehr Beschleunigungskarten zu einem Rechenbereich mit niedriger Latenz zu verbinden, und greifen dann über Scale-Out auf größere Cluster zu. Was Nutzer kaufen, ist oberflächlich immer noch ein Rack, aber bei der Nutzung müssen sie es als eine „große Maschine“ betrachten, die mehrere Racks umfasst.
Das führt dann zu einem Problem: Die Anzahl der Karten entspricht nicht der effektiven Rechenleistung. Das oben genannte Whitepaper berechnet in einem Referenzdesign, dass wenn der Scale-Up-Bereich von 8 Karten auf 32 Karten erweitert wird, der Trainingsgewinn von Modellen mit hundert Milliarden Parametern 20 % und der Inferenzgewinn 42 % beträgt; nach der Erweiterung auf 512 Karten steigen die beiden Werte nur auf 21 % und 45 % an.
Der Wettbewerb um KI-Server in diesem Jahr ähnelt eher einem „Wettbewerb um die Anzahl der Karten“: 64 Karten, 128 Karten, 256 Karten, 1024 Karten sowie Cluster, die auf zehntausend oder hunderttausend Karten erweitert werden. „Aber Superknoten sind ein extrem anspruchsvolles Ingenieursproblem, nicht je mehr Karten desto besser, nur das, was für das Anwendungsszenario geeignet ist, ist gut“, sagte ein Mitarbeiter eines inländischen GPU-Herstellers in einem Interview. Superknoten erweitern den Bereich der Kommunikation mit niedriger Latenz, vergrößern aber auch den Einfluss von Ausfällen: Wenn eine Karte ausfällt, eine Netzwerküberlastung auftritt oder ein Flüssigkühlanschluss Probleme bereitet, kann dies möglicherweise nicht nur einen einzelnen Server verlangsamen.
In diesem Moment werden die Vorteile verschiedener Unternehmen auf denselben Tisch gebracht.
Die erste Kategorie sind Full-Stack-Hersteller, die Chips, Konnektivität und Software beherrschen. Huawei stellte auf der WAIC 2026 Atlas 950 SuperPoD vor, einen Cluster mit 1024 Karten. Nach den von Huawei veröffentlichten Daten verfügt er über einen globalen einheitlichen Speicher von 256 TB und eine Round-Trip-Latenz von 3 Mikrosekunden; das vorherige Ascend 384-Superknoten wurde bereits in mehr als 750 Szenarien implementiert. Huawei kann gleichzeitig NPUs, Lingqu-Konnektivität, komplette Geräte und den CANN-Software-Stack entwerfen und durch vertikale Integration die Systemeffizienz verbessern. Alibaba verfolgt einen ähnlichen Weg mit selbst entwickelten Chips, ALink-Konnektivität und Panjiu-Servern und kann die Systeme mit echten Lasten in der Cloud testen.
Die zweite Kategorie sind GPU-Hersteller, die sich von Chips zu Systemen weiterentwickeln. Muxis Xijing S600 verbindet 64 GPUs in einem einzelnen Rack vollständig miteinander; Moore Threads MTT C256 verbindet 256 GPUs mit zwei Standard-Racks und gibt an, die Latenz zwischen den Karten auf ein Submikrosekunden-Niveau zu senken. Sie entwickeln Superknoten, um zu beweisen, dass ihre eigenen GPUs nicht nur einzeln laufen können, sondern auch zu kommerziellen Systemen zusammengesetzt werden können. Ihr Vorteil liegt darin, dass sie ihre eigenen Chips und Kommunikationsstacks besser verstehen, während ihr Nachteil darin besteht, dass die kommerzielle Auslieferung auch Netzwerke, Speicher, Stromversorgung, Flüssigkühlung, Ausfallmanagement und Dienstsysteme umfasst.
Die dritte Kategorie sind traditionelle Server- und ICT-Hersteller, für die es wichtiger ist, Kompatibilität und Auslieferung zu betonen. Wir stellen fest, dass das OEX-Superknoten von ZTE auf Offenheit und schnellen Chipaustausch ausgelegt ist. Es verbindet Rechenträger und Vermittlungsträger orthogonal direkt miteinander, entfernt interne Hochgeschwindigkeitskabel und gibt mechanische und elektrische Schnittstellen frei. Nach den von ZTE veröffentlichten Daten kann dieses Design die Fehlerwartung von Stundenniveau auf Minutenniveau verkürzen und den Entwicklungszyklus des gesamten Geräts auf 3 bis 6 Monate komprimieren; durch Austausch wichtiger Module kann es an verschiedene GPU-Plattformen angepasst werden. ZTE hat außerdem gemeinsam mit Herstellern wie Biren, Muxi, Enflame und Iluvatar das Matrix-Programm auf den Markt gebracht.
Die UniPoD S80000-Serie von H3C kann 32 bis 64 Beschleunigungskarten in einem einzelnen Rack bereitstellen, sich durch Scale-Up auf 1024 Karten und durch Scale-Out auf 16384 Karten erweitern. Gleichzeitig hat H3C einen 102,4T Intelligent Computing-Switch, All-Flash-Speicher, Flüssigkühlung, Stromversorgung und Betriebssystem auf den Markt gebracht, um die Full-Stack-Kooperationsfähigkeit von „Rechenleistung – Netzwerk – Speicher – Cloud – Sicherheit – Betrieb“ zu demonstrieren.
YuanTu hat vorausschauend technische Fähigkeiten in den Bereichen hochdichte Berechnung, Hochgeschwindigkeitskonnektivität, hocheffiziente Stromversorgung und Flüssigkühlung entwickelt und bietet mehrstufige Superknoten-Gesamtlösungen mit 32 Karten, 64 Karten bis zu 128 Karten an. Während die meisten inländischen Rechenleistungshersteller nur das einzelne Segment der Server vertiefen, wählt YuanTu die gleichzeitige unabhängige Entwicklung und Massenauslieferung in den beiden Segmenten „Server + Hochgeschwindigkeitsswitch“, verbindet „Rechenleistung, Netzwerk, Speicher und Verwaltung“ und wandelt die Fähigkeiten zur gemeinsamen Entwicklung, Lieferkette und Fertigung, die durch langfristige Dienstleistungen für führende Kunden angesammelt wurden, zu standardisierten eigenen Produkten um.
03
Hardware wird nur einmal verkauft, Token werden jeden Tag erzeugt
Der Wettbewerb um KI-Server konzentriert sich jetzt auch auf Token. Bis März dieses Jahres hat das tägliche Aufrufvolumen von Token (Worteinheiten) in China 140 Billionen überschritten, was einem 1400-fachen Anstieg gegenüber den 100 Milliarden zu Beginn des Jahres 2024 entspricht. Nachdem große Modelle vom Training zur Anwendung übergegangen sind, achten Kunden nicht mehr nur auf die Anzahl der GPUs und die Spitzenrechenleistung, sondern fragen auch, wie viele Token dieselben Geräte und Stromversorgung pro Tag erzeugen können, wie lange Nutzer warten müssen und wie viel jede Million Token kostet.
Seit diesem Jahr tauchen „Token Factory“ und „Token-Fabriken“ in dichter Folge auf. Für die Produktion von Token haben verschiedene KI-Serverhersteller unterschiedliche Ansichten.
H3C hat die Turing Token Factory als integrierte Betriebs- und Verwaltungsplattform für Rechenleistung, Modelle, Aufgaben und Token entwickelt, die Modellaufgaben und Anwendungsanforderungen nach oben übernimmt und GPU-Ressourcen und Zuweisung von Rechenleistung nach unten einheitlich steuert. Zuvor enthüllte Yu Yingtao, Präsident und CEO der H3C Group, dass „Turing Town“ nicht nur ein Rechenleistungspark im traditionellen Sinne ist. Es ähnelt eher einer „Token-Fabrik“, die sich um die Erzeugung, Steuerung und Nutzung von Token dreht.
Super Fusion hat die „Methode selbst ausprobiert“ und die Token Factory tatsächlich in Betrieb genommen: Mit einem täglichen Bedarf von über 50 Milliarden Token und mehr als 30 Szenarien für intelligente Agenten hat die KI-Unterstützung für das Software-Engineering in zwei Jahren eine 100-prozentige Abdeckung der gesamten Forschungs- und Entwicklungsmitarbeiter erreicht. In der neuesten Agentic-Praxis hat ein kleines Team innerhalb von 3 Monaten 500.000 Zeilen Code durch parallele Ausführung mehrerer Agenten erzeugt.
04
Schlussfolgerung
Der globale Servermarkt expandiert weiter. Das Team von Allen Chang bei Goldman Sachs veröffentlichte einen Forschungsbericht, der die Gesamtgröße des globalen Servermarktes nach oben korrigiert und prognostiziert, dass die Einnahmen des globalen Servermarktes im Jahr 2028 1,1 Billionen US-Dollar erreichen werden. Darin werden die Einnahmen aus KI-Server-Racks mit einer durchschnittlichen jährlichen Wachstumsrate von 118 % auf 561,4 Milliarden US-Dollar ansteigen, was 51 % der gesamten Einnahmen des globalen Servermarktes ausmacht.
KI-Server sind kein standardisierteres Geschäft geworden. Chip-Wahlwege, Konnektivitätsprotokolle, Flüssigkühlungsverfahren und Modelllasten differenzieren sich alle, sodass sie sich von Standardprodukten wieder zu komplexen Ingenieursprojekten entwickelt haben. Dies wird die nächste Schwelle für KI-Serverhersteller sein.