Google veröffentlicht zwei TPU auf einmal, und das "universelle" Markenschild von Nvidia beginnt zu wanken.

Google hat zwei professionelle TPUs auf den Markt gebracht und stellt sich dem von NVIDIA verfolgten Weg universeller Chips entgegen.

Kürzlich hat Google zwei neue TPU-Chips vorgestellt, die TPU 8tx und die TPU 8i Max.

TPUs sind von Google selbst entwickelte KI-spezialisierte Chips, an denen das Unternehmen seit mehr als zehn Jahren arbeitet. Ursprünglich dienten sie ausschließlich dazu, Rechenleistung für die eigene Suchgeschäft zu sparen. Diesmal ist es anders: Die 8tx wird an Regierungsbehörden und regulierte Branchen verkauft und zeichnet sich durch chipseitige Datenverschlüsselung aus; Die 8i Max integriert zwei Chips in einem einzigen Gehäuse und legt den Fokus auf extrem langen Kontext.

Amin Vahdat, Leiter des Chipgeschäfts von Google, äußerte in einem Interview mit Bloomberg eine scheinbar alltägliche Aussage: „Die Zukunft gehört der Spezialisierung.“

Diese Aussage richtet sich direkt an NVIDIA. NVIDIA entwickelt seit zwanzig Jahren GPUs, deren Verkaufsargument seit jeher lautet: „Ein einziger Chip kann alles erledigen“. Jetzt beginnen Unternehmen, die universelle Chips herstellen, spezialisierte Versionen zu entwickeln, während Unternehmen, die auf spezialisierte Chips setzen, damit anfangen, universelle Plattformen aufzubauen – die beiden Wege stoßen mitten aufeinander.

Von einem neuen Modell alle zwei Jahre zu zwei neuen Modellen pro Jahr – Warum beschleunigt Google plötzlich sein Tempo?

In der Vergangenheit hat Google in der Regel alle zwei Jahre einen neuen KI-Prozessor auf den Markt gebracht. Im Jahr 2026 wird dieser Rhythmus durchbrochen. Laut Vahdat werden vier TPU-Produkte jeweils für unterschiedliche Anforderungen optimiert; seine Begründung ist sehr direkt: „Wir könnten einen universellen Chip entwickeln, der versucht, die Anforderungen des gesamten Marktes zu erfüllen, oder verschiedene spezialisierte Versionen herausbringen. Mit letzterem können wir tatsächlich mehr Wert für unsere Kunden schaffen.“

Hinter der Erweiterung der Produktlinie wächst die Liste der Kunden stetig. Googles TPUs haben bereits Apple, Meta und Oracle angezogen. Im Oktober kündigte Oracle an, ab dem nächsten Jahr seinen Cloud-Kunden erstmals die Nutzung von Google-TPUs zu ermöglichen – bisher konnten diese Kunden nur zwischen NVIDIA und AMD wählen. Karan Batta, Senior Vice President von Oracle Cloud Infrastructure, erklärte: „Da KI-Arbeitslasten immer komplexer werden, brauchen Kunden mehr Auswahlmöglichkeiten.“

Ein noch größerer Auftrag stammt von Anthropic. Laut einem aktuellen regulatorischen Dokument verfügt das Unternehmen über eine Option, zwischen 2028 und 2031 TPUs im Wert von bis zu 1500 Milliarden US-Dollar zu kaufen. Bloomberg hat zuvor berichtet, dass auch OpenAI die Beschaffung plant.

Google hat in seinem Finanzbericht eine unmissverständliche Aussage getroffen: Alle derzeit lieferbaren TPUs sind bereits von Kunden vorbestellt.

Warum ausgerechnet jetzt? Zwei äußere Bedingungen treffen zusammen. Auf der einen Seite drücken Sorgen über eine mögliche Verlangsamung der Investitionen in KI-Infrastruktur die Aktien von Technologieunternehmen; auf der anderen Seite bringt der Sieg der Demokraten bei den US-Zwischenwahlen neue Unsicherheiten für Rechenzentrums-Projekte mit sich. Indem Google zu diesem Zeitpunkt seine Produktlinie erweitert, sendet es ein Signal an seine Kunden: Egal wie sich der Bautempo ändert, auf Chipebene bin ich bereits vorbereitet.

8tx und 8i Max – an wen werden sie jeweils verkauft?

Die beiden Chips sind keine komplett neu entworfenen Produkte, sondern Konfigurationen auf Basis bestehender Chips, die auf zwei spezifische Anforderungen ausgerichtet sind.

Die TPU 8tx richtet sich an Kunden, die sichere und vertrauliche Daten verarbeiten müssen – Regierungsbehörden sowie streng regulierte Branchen. Sie wird in Kombination mit CPUs von AMD verwendet und verschlüsselt Daten auf Chipebene. Vahdat erläuterte dies konkret: Herkömmliche Computer müssen Daten in der Regel zuerst im Arbeitsspeicher entschlüsseln, bevor sie sie verarbeiten; Die 8tx kann diesen Schritt umgehen. Dies ist Teil der Zusammenarbeit zwischen Google und AMD.

Die TPU 8i Max richtet sich an Anwendungen, die extrem lange Kontextfenster ausführen müssen. Sie integriert zwei TPUs in einem einzigen Gehäuse, wodurch sowohl die Rechenleistung als auch die Speicherkapazität gleichzeitig gesteigert werden. Laut Vahdat ist diese Fähigkeit für die Arzneimittelentwicklung und mathematische Berechnungen ebenso wichtig wie für Programmieranwendungen.

Zwei Kundengruppen, zwei unterschiedliche Gründe für die Bezahlung. Regierungen und regulierte Branchen kaufen „Konformität“ und sind bereit, einen Aufschlag für Sicherheit zu zahlen; Modellunternehmen kaufen „Kontext“ und sind bereit, einen Aufschlag dafür zu zahlen, wie viele Dokumente auf einmal verarbeitet werden können. Ein einziger Chip kann diese beiden Anforderungen nicht erfüllen, deswegen entwickelt Google sie getrennt voneinander.

Um 30 % günstiger, aber mit geringeren Gewinnen als NVIDIA

Mandeep Singh, Analyst bei Bloomberg Intelligence, hat eine Reihe von Zahlen vorgelegt: Im Vergleich zu NVIDIAs GPUs sind die TPUs etwa 30 % kostengünstiger, aber wettbewerbsfähig in Bezug auf den Durchsatz. Er weist gleichzeitig darauf hin, dass die Gewinnspanne des Google-TPU-Geschäfts im Vergleich zu NVIDIA nicht so hoch ist.

Woher kommt die 30-prozentige Preisersparnis? Aus zwei Gründen: TPUs sind spezialisierte Chips, bei denen eine große Anzahl von universellen Recheneinheiten entfernt wurde; Google selbst ist der größte Nutzer, sodass die Entwicklungskosten auf die eigenen Rechenleistungsanforderungen umgelegt werden können.

Aber günstig bedeutet nicht automatisch, dass sie leicht verkauft werden. NVIDIAs eigentlicher Wettbewerbsvorteil liegt nicht in den Chips, sondern in CUDA – dem Code, den Tools und der Erfahrung, die Entwickler über mehr als zehn Jahre angesammelt haben. Neil Shah, Vizepräsident von Counterpoint Research, hat erklärt, dass die Zeit, der Code und die Projekterfahrung, die Entwickler in CUDA investiert haben, nicht übertragbare versunkene Kosten sind.

Ein Kunde, der bereits hohe Investitionen getätigt hat, spricht Bände. Alex Davies, Chief Technology Officer von Jump Trading, erklärte, dass dieses quantitative Handelsunternehmen über Tausende von TPUs verfügt, die hauptsächlich zum Trainieren von Modellen für die unterstützende Handelsforschung verwendet werden; aber derzeit nutzt das Unternehmen hauptsächlich NVIDIA-Chips für das Modelltraining, nur ein kleiner Teil der Mitarbeiter schätzt TPUs besonders, „sie äußern sich sehr positiv dazu“.

Die Aussage enthält eine wichtige Information: Ein Kunde, der einen größeren Kooperationsvertrag unterzeichnet hat und Tausende von TPUs zur Verfügung hat, führt das Haupttraining weiterhin auf NVIDIAs Systemen durch. Die TPUs erobern „spezifische Aufgaben“, nicht das „Hauptschlachtfeld“.

Google weiß selbst, wo seine Schwächen liegen. Einerseits erweitert es seine Lieferquellen – es arbeitet mit Broadcom zusammen, um Chips zu entwerfen und die Produktion zu koordinieren, in den letzten Monaten hat es eine Kooperationsvereinbarung mit Marvell, einem Konkurrenten von Broadcom, unterzeichnet, und es gibt Berichte, dass auch MediaTek das TPU-Geschäft unterstützt; andererseits holt es bei der Softwareentwicklung auf. Vahdat nennt eine Bedingung, die andere nicht haben: Das TPU-Entwicklungsteam kann vorab auf Googles neuestes Gemini-Modell zugreifen, um die Energieeffizienz der Chips zu verbessern und Softwarefehler zu erkennen. Fehler im Chipdesign können Verluste in Höhe von mehreren zehn Milliarden US-Dollar verursachen, und KI reduziert die Wahrscheinlichkeit solcher Probleme.

Der Wettbewerb drängt von beiden Seiten. Ein Startup namens Tenspresso, gegründet von zwei ehemaligen TPU-Ingenieuren, entwickelt seinen ersten Chip, der direkt auf den Markt der 8i Max abzielt – das Produkt wird noch mindestens ein Jahr brauchen, bis das Design abgeschlossen ist. Auch OpenAI und Anthropic arbeiten an selbst entwickelten Chips, in deren Teams viele erfahrene Ingenieure arbeiten, die an der Entwicklung von TPUs beteiligt waren.

Laut Prognosen von Bloomberg Intelligence werden die Umsätze mit Chips, Software und Hardware im Zusammenhang mit Googles TPUs bis 2028 über 135 Milliarden US-Dollar übersteigen, in diesem Jahr werden sie voraussichtlich 12 Milliarden US-Dollar erreichen; diese Zahl beinhaltet nicht die Einnahmen, die Kunden durch die Nutzung von TPUs über Google Cloud erzielen.

In derselben Studie gibt es eine gegenläufige Zahl: Widerstände gegen den Bau von Rechenzentren können dazu führen, dass die ursprünglich von Technologieunternehmen für 2027 geplanten 1,4 Billionen US-Dollar an entsprechenden Ausgaben um 5 % bis 7 % sinken. Diese Ausgaben umfassen Chips, Netzwerkgeräte, Grundstücke und andere Materialien, die für den Bau von Rechenzentren benötigt werden.

Zusammengenommen zeigen diese beiden Zahlen die gesamte aktuelle Situation von Google: Die Marktnachfrage steigt, aber auch die Widerstände. Und Google hat sich dafür entschieden, im selben Jahr seine Produktlinie auszuweiten und das Konzept der „Spezialisierung“ in sein Portfolio aufzunehmen.

Vor mehr als zehn Jahren entwickelte Google TPUs, um weniger NVIDIA-Karten kaufen zu müssen. Zehn Jahre später verkauft es TPUs an Apple, Meta und Oracle und konkurriert mit NVIDIA um dieselben Kunden. Am Ende dieses Wettbewerbs geht es nicht darum, wer den schnelleren Chip hat, sondern darum, wer Entwicklern ermöglicht, eine Zeile Code weniger zu ändern.

NVIDIAs Aushängeschild hängt noch, aber vor der Tür steht bereits Konkurrenz.