Googles Chips dürfen nicht unterschätzt werden.

Für seine chinesischen Pendants ist es sowohl ein Spiegel als auch ein Druckfaktor. Es beweist eines: Am Ende der Softwaregiganten stehen möglicherweise Chips; und am Ende der Chips steht eine systemische Geduld von mehr als zehn Jahren.

01 Ein verdeckter Gigant

Es gibt eine leicht zu übersehende Tatsache: Im chinesischen Internetkontext wird Google ständig als "Softwareunternehmen" eingestuft. Wenn es um Chips geht, denken die Menschen reflexartig an Intel, AMD, NVIDIA, Qualcomm, TSMC oder das ikonische Lederjacke von Mark Zuckerberg und NVIDIAs CEO Jensen Huang.

Aber wenn man den Blickwinkel etwas erweitert, kommt ein beunruhigendes Ergebnis zum Vorschein: Unter allen globalen Internetunternehmen ist genau Google dasjenige, das die selbst entwickelten Chips am tiefsten, systematischsten und nachhaltigsten umgesetzt hat.

Es gibt kein zweites.

Für diese kognitive Fehlausrichtung gibt es einen einfachen aber tiefgreifenden Grund: Die USA sind einfach zu "reich". Intel, AMD, NVIDIA, Qualcomm, Broadcom, Marvell – jedes dieser Unternehmen ist ein Gigant, der über die halbe Welt reicht. In einem Land mit einem so reichen Chip-Vermächtnis blieb Googles TPU lange Zeit ein "internes Werkzeug", das keine Chips direkt an Dritte verkauft, und geriet daher natürlich nicht ins Rampenlicht. Es war nur eine Fußnote in der großen Erzählung der Silicon-Valley-Giganten.

Bis zum Jahr 2026 wurde diese Fußnote zum Haupttext.

02 Zehn Jahre lang unentdeckte Arbeit, ein plötzlicher Durchbruch

Die Geschichte von Googles Chip-Entwicklung beginnt im Jahr 2015.

In diesem Jahr erschütterte AlphaGo mit seinem Sieg über Lee Sedol die ganze Welt. Nur wenige Menschen erkannten, dass hinter jedem Zug von AlphaGo ein spezieller Chip stand, den Google gerade selbst entwickelt hatte – die erste Generation des TPU (Tensor Processing Unit). Er wurde nicht für allgemeine Berechnungen entwickelt, sondern ausschließlich für eine Aufgabe optimiert: Matrixmultiplikation.

Das ist der schärfste Punkt von Googles strategischer Weitsicht. Als die gesamte Branche noch darüber diskutierte, "ob CPUs ausreichen und ob GPUs die Zukunft sind", hat Google aus der riesigen Datenlast seiner eigenen Suchmaschine, des Werbesystems und der YouTube-Empfehlungen scharfsinnig geschlussfolgert: Die KI-Rechenanforderungen werden exponentiell explodieren, und allgemeine Chips werden früher oder später zu einem Kostenloch werden. Es ist besser, selbst Chips zu entwickeln.

2017 führte TPU v2 das BF16-Format ein und unterstützte erstmals das Training von KI-Modellen; 2018 ging TPU v3 mit groß angelegter Flüssigkühlung in Betrieb; 2024 wurde die sechste Generation Trillium veröffentlicht, die eine 4,7-fache Leistungssteigerung und 67 % höhere Energieeffizienz gegenüber der Vorgängergeneration erzielte und die Hauptlast des Trainings des Gemini-Großmodells übernahm; 2025 brachte die siebte Generation Ironwood die FP8-Spitzenrechenleistung pro Chip auf 4614 TFLOPS; im April 2026 wurde die achte Generation TPU erstmals in zwei Produktlinien aufgeteilt: TPU 8t (Training) und TPU 8i (Inferenz), womit ein reifer Übergang von "allgemeiner Hochleistungsrechenkapazität" zu "aufgabenspezifischer Einstufung" vollzogen wurde.

Das Wertvollste für die Industrie an dieser Entwicklungslinie ist: Keine einzige Generation war nur eine "Show-Veröffentlichung". Jede Generation wird tatsächlich in Googles eigener Suchmaschine, Werbesystem, YouTube-Empfehlung sowie Training und Inferenz von Gemini eingesetzt. Die Chip-Branche ist ein Kapitalloch par excellence. Ohne eine große eigene Nachfrage als Rückhalt kann kaum ein selbst entwickeltes Chip-Projekt mehr als drei Iterationen überleben – das haben die chinesischen Pendants am besten erfahren.

03 Der echte Wendepunkt: Eigennutzung oder Verkauf an Dritte?

Das ist genau der Unterschied im Wettbewerbsmuster, den wir aus der Perspektive von "Wettbewerb und Kooperation" besonders hervorheben möchten.

In chinesischen Internetkreisen wird Baidus Kunlun-Chip oft mit Googles TPU verglichen. Objektiv gesagt ist der Kunlun-Chip ein Meisterwerk der von chinesischen Internetunternehmen selbst entwickelten Chips, dessen technische Akkumulation und Ingenieurskapazität auf höchstem Niveau liegen. Aber wenn man es streng mit Google vergleicht, liegt der Unterschied nicht im Chip selbst, sondern im kommerziellen Radius: Googles TPU wird nicht nur selbst genutzt, sondern auch als Kernrechenkapazität von Google Cloud für Dritte bereitgestellt, und heute wird es sogar direkt an Drittkunden verkauft. Die meisten selbst entwickelten Chips chinesischer Internetunternehmen, einschließlich des Kunlun-Chips, befinden sich jedoch noch in der Phase der Eigennutzung und können kaum eine groß angelegte externe Versorgung von Dritten bilden.

Natürlich gibt es in China auch Chip-Unternehmen, die Produkte an Dritte liefern – unabhängige Chip-Hersteller wie Cambricon, Enflame, Biren und Mthreads holen eifrig auf und bilden eine dynamische, aufstrebende Seite der chinesischen KI-Rechenkapazitätsindustrie. Aber beachten Sie den entscheidenden Unterschied hier: Chinas Chip-Versorgung stammt von "verstreuten Startups", während die US-amerikanische Chip-Versorgung von "Großkonzernen selbst betrieben" wird. Ersterer steht bei Finanzierung, Tapeout und Ökosystemaufbau vor jedem Schritt voller Risiken; Letzterer stützt sich auf jährliche Kapitalausgaben in Höhe von Hunderten Milliarden Dollar, den Verbrauch von Modellen mit Billionen von eigenen Parametern sowie vollständige Cloud-Computing-Vertriebskanäle.

Mehrere markante Ereignisse im Jahr 2026 haben diesen Wandel des Musters vollständig ans Licht gebracht:

• Der Jahrhundertauftrag von Anthropic: Im Oktober 2025 versprach Google Anthropic die Lieferung von bis zu 1 Million TPU-Chips im Wert von mehreren zehn Milliarden Dollar; im April 2026 erteilte Anthropic einen weiteren TPU-Auftrag mit einer Leistung von mehreren Gigawatt. Die Lebensader der Rechenkapazität eines seiner größten Konkurrenten liegt in Googles Hand – ein Szenario, das in der Wirtschaftsgeschichte fast beispiellos ist.

• Meta mietet TPUs von Google: Es wurde bekannt, dass das an Rechenkapazität extrem mangelnde Meta einen Vertrag im Wert von mehreren Milliarden Dollar unterzeichnet hat, um TPU-Cluster von Google zu mieten.

• 200 % bei Ant Group: Im August 2026 wurde auf der Google I/O Connect China bekanntgegeben, dass Ant Group seine hochintensiven Rechenlasten auf Googles TPU v7 verlagert hat und eine 200%ige Steigerung der Trainingsleistung erzielt hat.

• Kettengleiche Kapitalmaßnahmen: Im August 2026 schloss Google eine Vereinbarung mit Marvell Technology, nach der Marvell für Google kundenspezifische KI-Inferenzbeschleuniger, Speichercontroller und andere Komponenten entwickelt, die in das TPU-Ökosystem integriert werden; Google investiert bis zu 12,182 Milliarden US-Dollar und hält einen Anteil von rund 6,7 %.

Damit hat Google den geschlossenen Zyklus der dreistufigen Rakete vollendet: von "selbst genutzten Chips" zu "Chips + Cloud-Dienste + kapitalgebundene Partnerschaften". CFO Ruth Porat gab auf der Ergebnisversammlung offen zu: Im Jahr 2026 macht der TPU-Umsatz nur einen kleinen Teil aus, die meisten Aufträge werden 2027 realisiert. Mit anderen Worten: Google hat gerade erst den ersten Zug in diesem großen Spiel gesetzt.

04 Warum hat es niemand früher gesehen? Der "blinde Fleck" im Wettbewerbsmuster

Jetzt beantworten wir die Kernfrage: Warum hat die Industrie Googles Chip-Entwicklung über zehn Jahre lang lange übersehen?

Erstens: Das "Licht" von NVIDIA ist zu stark. Im Bereich der KI-Chip-Erzählung hat NVIDIA fast das Monopol auf die Definition von Themen. Die zwanzigjährige Akkumulation des CUDA-Ökosystems hat dazu geführt, dass "GPU = KI-Rechenkapazität" zur muskulären Erinnerung der Branche geworden ist. Im Vergleich dazu ist die Eintrittsschwelle des JAX/XLA-Ökosystems von TPU höher und seine Marktakzeptanz niedriger. Das ist sowohl ein echter Nachteil als auch eine kognitive Verdeckung.

Zweitens: Das Geschäftsmodell von Google ist von Natur aus "unauffällig". Intel verkauft Chips, AMD verkauft Chips, NVIDIA verkauft Chips – während Google TPUs lange Zeit hinter den Wänden seiner eigenen Rechenzentren versteckt gehalten hat. Eine Technologie, die nicht an Dritte verkauft wird, ist auf dem Kapitalmarkt ein "Kostenfaktor" und kein "Einnahmefaktor", daher fehlt den Medien natürlich ein Anknüpfungspunkt für die Berichterstattung. Erst als Google ab dem zweiten Quartal 2026 TPUs an Dritt-Rechenzentren auslieferte, trat TPU zum ersten Mal als "Ware" in die Öffentlichkeit.

Drittens und am meisten unterschätzt: Die systemische Fähigkeit. Der echte Wettbewerbsvorteil von Google ist nicht ein einzelner Chip, sondern die vertikale Integration von Chip – Modell – Compiler – Netzwerk – Rechenzentrum – Cloud.

Selbst entwickelte optische Circuit-Switches (OCS) unterstützen die dynamische Rekonfiguration der Netzwerktopologie innerhalb von Pods; der XLA-Compiler schöpft die Effizienz der Hard- und Softwarekooperation bis zum Äußersten aus; DeepMind kann zukünftige Modellformen vorhersagen und die Architekturrichtung im Voraus festlegen. Diese Fähigkeit zur "vollständigen selbst entwickelten Stapel und endogenen Iteration" kann von Unternehmen, die nur NVIDIA-GPUs kaufen, niemals kopiert werden. Einige Analysen weisen darauf hin, dass das Preis-Leistungs-Verhältnis von Googles TPU bei optimierten eigenen Lasten mehrmals so hoch sein kann wie das von NVIDIAs Lösungen.

05 Das Spiel von Wettbewerb und Kooperation: Die drei Rollen von Google

Wenn man den Schnittpunkt von industriellem Wettbewerb und Kooperation betrachtet, spielt Google tatsächlich gleichzeitig drei Rollen:

Gegenüber NVIDIA ist es ein Herausforderer. Die Auslieferungsmenge von TPUs betrug 2025 etwa 2,5 Millionen Stück, das Ziel für 2026 wurde um 50 % angehoben und die Gesamtmenge wird voraussichtlich 3,7 Millionen Stück übersteigen; auf dem Inferenzmarkt wächst der Anteil von ASIC laut IDC-Prognose von 15 % im Jahr 2024 rasant auf den prognostizierten Wert von 80 % im Jahr 2030. Google ist genau der größte Treiber dieser Substitutionskurve.

Gegenüber OpenAI, Meta, Anthropic und anderen Unternehmen ist es gleichzeitig Konkurrent und Symbiont. Es nutzt Gemini, um mit allen um die Spitzenposition bei Modellen zu konkurrieren, und verkauft und vermietet gleichzeitig TPUs an sie. 2022 beliefen sich die Kapitalausgaben von Google auf etwa 31 Milliarden US-Dollar, für 2026 wird ein sprunghafter Anstieg auf etwa 180 Milliarden US-Dollar erwartet, wobei selbst entwickelte Chips der Kern der Investitionen sind.

Für seine chinesischen Pendants ist es sowohl ein Spiegel als auch ein Druckfaktor. Es beweist eines: Am Ende der Softwaregiganten stehen möglicherweise Chips; und am Ende der Chips steht eine systemische Geduld von mehr als zehn Jahren. Der Fall von Ant Group, die zu TPUs migriert ist, erinnert uns auch daran: Wenn Chips zu einem Teil der Cloud-Dienste werden, überschreitet die Grenze des Wettbewerbs um Rechenkapazität längst nationale Grenzen.

06 Schlusswort

Kehren wir zu dem Satz im Titel zurück: Googles Chips dürfen nicht unterschätzt werden.

Es ist nicht der Sieg eines einzelnen Chips, sondern der Sieg eines Paradigmas – Nachfrage definiert Chips, System bestimmt das Ergebnis. In einer Zeit, die von NVIDIAs Licht so stark erhellt wird, hat Google in zehn Jahren stillschweigend ein Reich der Rechenkapazität aufgebaut und es in einem geeigneten Jahr zu einem Geschäft gemacht.

Für die Industrie kann der Preis, es zu ignorieren, schneller kommen als erwartet. Und für die chinesische KI-Chip-Industrie ist das eifrige Aufholen von Unternehmen wie Cambricon und Mthreads zwar wertvoll, aber die tiefere Frage bleibt bestehen: Können wir einen plattformbasierten Akteur hervorbringen, der sowohl über eine erstklassige eigene Nachfrage als auch über offene Vertriebskapazitäten verfügt?

Dieser Wettbewerb hat vielleicht gerade erst begonnen.

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto "Wettbewerb und Kooperation Künstliche Intelligenz", Autor: Wettbewerb und Kooperation, veröffentlicht mit Genehmigung von 36Kr.