Alle buhlen um Chip-Unternehmen.
In der Vergangenheit war es in der Branche üblich, fertige Chips direkt zu beschaffen. Heute binden GPU-Unternehmen, Cloud-Anbieter und KI-Großmodellunternehmen Lieferkettenunternehmen tief ein, indem sie Aktienbeteiligungen, langfristige Verträge und Kapitalinvestitionen einsetzen. Dies ist nicht mehr nur ein einfaches „Kaufen und Lagern von Karten“. Die Giganten kämpfen nicht nur um die derzeit verfügbare Rechenleistung, sondern auch um Produktionskapazitätsquoten in den kommenden Jahren, Fähigkeiten zur individuellen Chipgestaltung und Mitspracherecht bei systemweiter Technologie.
Drei Arten von Akteuren führen den Kampf um Chips
Angesichts der angespannten Lieferkette für Rechenleistung verfügen GPU-Hersteller, Cloud-Dienstleister und KI-Großmodellunternehmen über unterschiedliche Ressourcen und Ausgangslagen, woraus sich unterschiedliche Strategien für ihre Marktausweitung ergeben.
GPU-Großkonzerne: Ergänzung des Systemportfolios durch Übernahmen
Für Chiphersteller wie NVIDIA und AMD geht es bei der Beteiligung an Chip-Startups nicht nur darum, einzelne Produktsegmente zu stärken, sondern auch um den Aufbau vollständiger Systemfähigkeiten rund um Rechencluster.
NVIDIA hat mit Groq eine nicht-exklusive Lizenzvereinbarung für Inferenztechnologie unterzeichnet. Im Rahmen dieser Zusammenarbeit erhält NVIDIA die mit LPU-Inferenzchips verbundenen Technologien und bringt das Produkt Groq 3 LPU auf den Markt. Darüber hinaus hat sich NVIDIA auch an den optischen Vernetzungs-Startups AyarLabs und Hark beteiligt. Im Juli dieses Jahres berichtete Bloomberg, dass NVIDIA eine strategische Investition in das KI-Labor SSI, das von Ilya gegründet wurde, tätigt und SSI Zugriff auf die Vera-Rubin-Rechenplattform gewährt, um Spitzenforschungsgruppen tief einzubinden und echte Betriebsrückmeldungen zu erhalten.
AMD verfolgt einen Weg aus mehreren Übernahmen in Kombination mit großen Aktienbindungen an Geschäftspartner. Die bereits umgesetzten Akquisitionen umfassen den KI-Softwareanbieter SiloAI, den Server-Systemhersteller ZT Systems und das Unternehmen für speichernahes Rechnen MEXT. Im August dieses Jahres unterzeichnete AMD zudem eine endgültige Übernahmevereinbarung mit dem Inferenzchip-Unternehmen Taalas, um seine technologische Ausweitung im Bereich der KI-Inferenz zu stärken.
Cloud-Anbieter: Kapazitäten durch Aktienbeteiligungen in Verträgen festschreiben
Wenn die Ausweitung von Ressourcen im Chipbereich durch GPU-Hersteller das Ziel verfolgt, das eigene Hardware-Ökosystem zu stärken, dann verfolgen Cloud-Dienstleister das Ziel, eine Kombination von Lieferanten aufzubauen, mit der sich Umfang und Kosten der Rechenleistung nachhaltig steuern lassen.
Laut Nachrichten aus der Lieferkette hat Google mit Broadcom eine langfristige Liefervereinbarung erneuert, die bis 2031 gilt und TPU sowie zugehörige Netzwerkkomponenten abdeckt. Im August gewährte Marvell Google Bezugsrechte mit einem potenziellen maximalen Ausübungswert von 12,2 Milliarden US-Dollar, um das Ausmaß verschiedener Kooperationen mit Google weiter auszubauen. Bei Meta hingegen wurde nach Abschluss der Übernahme von Rivos dessen RISC-V-Kern im dritten selbst entwickelten Chip MTIA eingesetzt. Im Juli 2026 verbreitete sich die Nachricht, dass Meta die iterativen Aufträge für MTIA an Samsungs 2-nm-Fertigungslinie vergeben wird, mit einem potenziellen Auftragsvolumen von über 10 Billionen Won.
Der Ausweitungskurs von AWS unterscheidet sich davon: Auf der einen Seite setzt es strategisch auf Anthropic und treibt die Entwicklung des eigenständigen Chips Trainium3 voran, auf der anderen Seite beschafft es wafergroße Chips von Cerebras, um mehrere Pfade für die Rechenleistung abzudecken.
Großmodellunternehmen: Sich tief in die Lieferkette einbinden
Im Vergleich zu finanzstarken Chipherstellern und Cloud-Dienstleistern befinden sich KI-Großmodellunternehmen im unteren Bereich der Industriekette und sind selbst große Verbraucher von Rechenleistung. Ihre Strategie besteht darin, sich tiefer in das Halbleiterlieferketten-System einzubetten.
Anthropic ist ein KI-Unternehmen, das in dieser Welle sehr aktiv vorgeht. Es hat gleichzeitig mit Google und Broadcom eine Vereinbarung über 3,5 GW an TPU-Rechenleistung unterzeichnet, um gemeinsam Rechencluster aufzubauen. Im Juni dieses Jahres schloss es eine weitere Kooperation mit Micron ab, um die skalierte Umsetzung der KI-Infrastruktur gemeinsam voranzutreiben. Im August kündigte es die Beschaffung von KI-ASIC-Chips von Fractile an. Auch OpenAI agiert sehr intensiv: Es bindet AMD ein, beschafft angepasste Rechenleistung von Cerebras und treibt gemeinsam mit Broadcom das Projekt für angepasste Chips mit dem Codenamen Jalapeño voran, um die Abhängigkeit von einem einzelnen Chiphersteller zu verringern und die an sein eigenes Großmodell angepasste exklusive Rechenleistung zu erhalten.
Warum kämpfen alle um Chip-Unternehmen?
Die Tatsache, dass verschiedene Unternehmen in großem Umfang Kapitalmaßnahmen wie Übernahmen, Aktienbeteiligungen und langfristige Beschaffungsverträge einsetzen, um Chip-Unternehmen zu binden, wird von mehreren realen Widersprüchen gemeinsam angetrieben: bei Angebot und Nachfrage nach Rechenleistung, technologischer Iteration und Sicherheit der Lieferkette.
Der erste Grund ist die zyklische Fehlausrichtung zwischen der Planung von Rechenleistung und dem Aufbau von Produktionskapazitäten, wodurch sich der Handel mit sofort verfügbaren Waren allmählich zu einem Modell mit vorbestellten Quoten wandelt. Nach Berechnungen von Goldman Sachs wird das gesamte Investitionsvolumen im Zusammenhang mit KI weltweit im Jahr 2026 1 Billion US-Dollar überschreiten. Die Kapitalausgaben großer Cloud-Dienstleister für die Rechenleistungsinfrastruktur erreichen einen Bereich von 725 bis 760 Milliarden US-Dollar, wobei das zugehörige Investitionsvolumen schnell wächst. Im Widerspruch dazu kann das Tempo des Aufbaus von Produktionskapazitäten mit dem Wachstum der Nachfrage nicht Schritt halten.
Die Nachfrage nach Rechenleistung steigt von Quartal zu Quartal schnell an, während die Freigabe von Angeboten auf Jahresbasis berechnet wird. Zwischen beiden entsteht eine große Zeitlücke, sodass die reine Beschaffung von sofort verfügbaren Waren die 3- bis 5-jährigen Pläne der Giganten für Rechenleistung nicht mehr erfüllen kann. Daher werden Optionen, langfristige Verträge und Kapitalbindungen, die an das Beschaffungsergebnis geknüpft sind, zu wichtigen Instrumenten, um das zukünftige Angebot zu sichern.
Der zweite Grund ist, dass alle die Rechenleistung selbst erlangen wollen. Nach Statistiken nimmt die allgemeine GPU im weltweiten Markt für beschleunigende Chips in Rechenzentren im Jahr 2026 immer noch den größten Marktanteil ein. Die Knappheit an verfügbaren Karten lässt die gesamte Industriekette in der Warteschlange stehen. Selbst NVIDIA muss um seine Zulieferer im oberen Bereich kämpfen, was das Ausmaß der Anspannung in der gesamten Lieferkette verdeutlicht.
Der dritte Grund ist noch wichtiger: Der Schwerpunkt der Leistungssteigerung verlagert sich auf die Systemebene, und angepasste Chips erleben ein schnelles Wachstum. Das Mooresche Gesetz nähert sich allmählich der physikalischen Grenze, der Raum für die Leistungssteigerung einzelner Chips wird immer enger, und die Bedeutung der Koordinationseffizienz zwischen den Chips tritt immer deutlicher hervor, beispielsweise bei systembezogenen Gliedern wie Hochgeschwindigkeitsvernetzung, Speicherbandbreite, speichernahes Rechnen und Netzwerkcontroller. Ein Führungskraft von SEMI erklärte in einer öffentlichen Rede, dass der Anteil der Ausgaben für die KI-Infrastruktur im Zusammenhang mit Inferenz im Jahr 2026 bereits über 70 % liegt. Die Lastmerkmale dieser Art von Geschäften verstärken den Kostenvorteil von angepassten Chips weiter. Um den Leistungsvorteil der nächsten Generation zu erlangen, können Unternehmen nicht vollständig auf standardisierte Fertigprodukte auf dem Markt setzen, sondern müssen tief an der Gestaltung und Definition von Chips teilnehmen.
Der vierte Grund ergibt sich aus der Angst der Industrie vor geopolitischen Risiken und Lieferketten mit einzelnen Ausfallpunkten. Der HBM-Markt wird von drei Unternehmen – Samsung, SK Hynix und Micron – gemeinsam zum größten Teil eingenommen. Die Kapazitäten für die hochwertige logische Fertigung in 2-3 nm und die fortschrittliche CoWoS-Gehäusetechnologie sind ebenfalls in den Händen weniger Hersteller konzentriert. Sobald es bei Zulieferern zu Schwankungen bei der Ausbeute, Zertifizierung oder geopolitischen Umständen kommt, werden die Geschäfte im unteren Bereich direkt beeinträchtigt. Daraus hat sich im Markt die Übereinstimmung ergeben: Es ist sehr riskant, alle Ressourcen auf einen einzelnen Lieferanten zu setzen. Der Aufbau mehrerer paralleler Lieferketten ist bereits zu einer strategischen Entscheidung für Unternehmen geworden.
Lohnt sich die Kapitalausweitung bei Chip-Unternehmen?
Nachrichten über die großangelegte Ausweitung von Chip-Unternehmen durch Technologiegiganten tauchen häufig auf, und der Markt scheint generell davon auszugehen, dass solche Transaktionen ohne Risiko profitabel sind. Bei genauer Prüfung der betriebswirtschaftlichen Kosten zeigt sich jedoch, dass Gewinne und Risiken gleichzeitig vorhanden sind.
Für Technologiegiganten kann diese Art der Ausweitung eindeutige geschäftliche Vorteile bringen. Zuerst lässt sich durch die gemeinsame Entwicklung von ASIC mit Chip-Unternehmen die Kostenoptimierung erreichen. Am Beispiel von Meta: Seine selbst entwickelten Chips zielen darauf ab, zugekaufte allgemeine GPUs zu ersetzen. Die ausreichende Nachfrage nach Rechenleistung kann die Investitionen in die Chipherstellung und die Massenproduktion effektiv verteilen, sodass die Kostenvorteile der eigenständigen individuellen Gestaltung voll zum Tragen kommen. Darüber hinaus kann man durch Kapitalbeteiligungen nicht nur Kapazitäten für Chips und Speicher im Voraus sichern, sondern auch die Eintrittsbarrieren für Konkurrenten indirekt erhöhen und Wettbewerbsvorteile aufbauen.
Hinter den glänzenden Transaktionen verbergen sich jedoch auch viele Risiken. Eine große Anzahl von Übernahmen in Kombination mit Aktienvereinbarungen im Umfang von mehreren zehn Milliarden US-Dollar erweitern ständig den Managementbereich des Unternehmens, und der finanzielle Druck steigt entsprechend an. Chip-Projekte hängen stark von den Kernforschungs- und Entwicklungsteams ab. Wenn nach Abschluss der Übernahme die Kernmitarbeiter abwandern, wird der Wert der zuvor getätigten Investitionen stark gemindert. Gleichzeitig werden die hochgradig individuell gestalteten Chips meistens an die eigenen Geschäftsanforderungen des Unternehmens angepasst und verfügen nicht über den flexiblen Zweitveräußerungsraum wie allgemeine GPUs. Wenn die nachfolgende Nachfrage hinter den Erwartungen zurückbleibt, können diese hochgradig spezialisierten Hardware-Vermögenswerte zu Belastungen werden. Noch bedenklicher ist das Risiko lokaler Blasen, das durch gegenseitige Investitionen und gegenseitige Beschaffung zwischen oberen und unteren Bereichen der Kette entsteht.
Wo liegt das nächste Schlachtfeld?
Wenn die führenden Akteure die Übernahme von Chipdesign-Unternehmen und die Vergabe von Aufträgen für angepasste Chips abgeschlossen haben, hört der Wettbewerb nicht auf. Das Wettlauf um Rechenleistung breitet sich entlang der Lieferkette weiter nach oben aus. Viele Unternehmen können auch dann keine großangelegte Umsetzung erreichen, wenn sie über das Chipdesign verfügen, solange sie keine entsprechenden Fertigungsressourcen und Produktionsanlagen erhalten.
Derzeit konzentrieren sich die Bereiche mit bereits hitzigem Wettbewerb auf die Kapazitäten für fortschrittliche Fertigungsverfahren und fortschrittliche Gehäusetechnologien. Verschiedene angepasste Chips wie GPU, TPU und Inferenz-ASIC kämpfen um die begrenzten Gehäusekapazitäten. Die fortschrittliche Gehäusetechnologie hat teilweise die Waferfertigung ersetzt und ist zu einem entscheidenden Engpass geworden, der die Auslieferung von KI-Chips behindert. Darauf folgen Halbleiteranlagen und Kernmaterialien: Das Angebot an hochwertigen ABF-Gehäusesubstraten und Hochgeschwindigkeits-PCB ist angespannt, und die Lieferzeiten für einige hochwertige Materialien überschreiten ein halbes Jahr. Darüber hinaus gewinnt der Wert von Software-Toolchains wie Chip-Kompilierung, Treibern und Tests immer mehr an Bedeutung. Ohne Unterstützung durch einen ausgereiften Software-Stack kann die Hardware-Leistung kaum vollständig entfaltet werden.
Mit einem weiter reichenden Blick wird sich der industrielle Wettbewerb in den nächsten 3 bis 5 Jahren weiter ausbreiten. Zuerst geht es um die Standards und die Fähigkeit zur Massenproduktion von Hochgeschwindigkeitsvernetzungs- und optischen Vernetzungssystemen. Mit der stetigen Steigerung der Rechenleistung einzelner Chips wird die Datenübertragung zwischen Chips allmählich zum größten Manko der Cluster-Leistung. Von herkömmlichen steckbaren optischen Modulen hin zu Silizium-Photonik und CPO (Co-packaged Optics): Wer die Spezifikationen der nächsten Generation von Vernetzung dominieren kann, bestimmt direkt die Betriebseffizienz des gesamten Rechenclusters. Dieser Bereich betrifft jedoch nicht nur die Wahl der technologischen Lösung, sondern unterliegt auch realen Einschränkungen bei den Kapazitäten: Es gibt Fertigungsbarrieren bei der Ausbeute von Hochgeschwindigkeits-Lasern, Faserarray-Komponenten und optoelektronischen Mischgehäusen. Das Tempo der Kapazitätserweiterung für Hardware zur optischen Vernetzung wird direkt die Erwartungen an die großangelegte Umsetzung beeinflussen.
Darüber hinaus wird der Engpass, der durch die „Speicherwand“ entsteht, ein weiterer wichtiger Bereich sein, den die Industrie bewältigen muss. Die Existenz der „Speicherwand“ führt dazu, dass eine große Menge an Rechenleistung für den Datentransport statt für die eigentliche Berechnung verbraucht wird. In-Memory-Computing und speichernahes Rechnen gelten in der Branche als Wege aus der Krise. Für die tatsächliche Umsetzung reicht jedoch die Innovation bei der Chiparchitektur allein nicht aus. Es braucht zudem die abgestimmte Anpassung von speziellen Speicherfertigungsverfahren, neuen Gehäuselösungen und neuartigen Software-Kompilern.
Ein weiterer Punkt: Die aktuellen Pläne für Rechenleistung im Umfang von 2 GW oder 10 GW machen den Aufbau der grundlegenden physischen Infrastruktur für Rechenleistung und Wärmeableitung immer wichtiger. Nach Berechnungen auf Basis von Daten der IEA lag der Stromverbrauch von Rechenzentren, die speziell KI-Geschäfte tragen, im Jahr 2025 bei etwa 155 Terawattstunden. Es wird erwartet, dass er bis 2030 auf über 465 Terawattstunden ansteigt, was einer Verdreifachung des Volumens innerhalb von fünf Jahren entspricht. Die Leistungsdichte pro Schrank der neuen Generation von KI-Schränken ist stark angestiegen. Die herkömmliche Luftkühlung kann die Anforderungen an die Wärmeableitung kaum mehr erfüllen. Flüssigkühlung, Hochspannungsversorgung und stabile Stromnetze sind zu den harten Voraussetzungen für die Umsetzung großer intelligenter Rechencluster geworden.
Zum Abschluss
Wenn man die verwirrende Vielzahl von Aktienvereinbarungen und Handelsaufträgen beiseitelegt, zeigt diese Welle des Wettbewerbs um Chip-Unternehmen ein Phänomen auf: Wer über Produktionskapazitäten und Gestaltungsfähigkeiten verfügt, hat auch die Preisgestaltungsmacht in der Hand. Gleichzeitig lässt sich erkennen: Kapital kann Chip-Teams aufkaufen und langfristige Verträge abschließen, aber es kann die Prüfung durch Fertigungsverfahren, angesammeltes Fachwissen und echte Geschäftsanforderungen nicht umgehen. Ob sich all dies lohnt, lässt sich erst wirklich beurteilen, wenn die individuell gestalteten Projekte nacheinander in Betrieb genommen werden. Dann zeigt sich