Die Prognosen für KI-Chips wurden massiv nach unten korrigiert
Die Wachstumserwartungen für Investitionen in die KI-Infrastruktur unterliegen derzeit einer deutlichen Veränderung.
Am 13. November veröffentlichte das Halbleiterforschungsinstitut SemiAnalysis die neueste Anpassung seines Modells, mit der es die Prognosen für die Kapitalausgaben globaler KI-Beschleuniger, die Chipauslieferungsmengen, die HBM-Nachfrage und den Stromverbrauch in den kommenden Jahren erheblich nach unten korrigierte. So sank die erwartete globale Kapitalausgabe für KI-Beschleuniger im Jahr 2028 von zuvor 1,054 Billionen US-Dollar auf 758 Milliarden US-Dollar, was einer Kürzung um 28 % entspricht; für 2030 wurde sie von 1,531 Billionen US-Dollar auf 923 Milliarden US-Dollar herabgesetzt, eine Senkung um rund 40 %.
In dieser Anpassung ist Nvidia das am stärksten betroffene Unternehmen. SemiAnalysis hat nicht nur die Erwartungen für die zukünftigen GPU-Auslieferungsmengen von Nvidia in den kommenden Jahren stark nach unten korrigiert, sondern auch die Preise der nächsten Generation der Feynman-Produktreihe herabgesetzt. Im Vergleich dazu ist Broadcom weniger betroffen, AMD zeigt eine gewisse Widerstandsfähigkeit, und die kurzfristigen Auslieferungserwartungen für Amazon Trainium haben sich sogar nicht verändert.
Dies könnte bedeuten, dass der KI-Rechenleistungsmarkt in eine neue Phase eintritt: Die Nachfrage wächst weiterhin, aber die bisherigen optimistischen Erwartungen des Marktes hinsichtlich des Umfangs der Rechenleistungsinvestitionen, der Chippreise und der Beschaffungskapazität der Kunden werden nun neu bewertet.
Die globalen Erwartungen für Investitionen in KI-Rechenleistung unterliegen einer Anpassung im Umfang von fast einer Billion US-Dollar
Betrachten wir zunächst den Gesamtmarkt.
Laut der neuesten Prognose von SemiAnalysis wird die globale Kapitalausgabe für KI-Beschleuniger im Jahr 2027 von zuvor prognostizierten 770 Milliarden US-Dollar auf 627 Milliarden US-Dollar sinken, was einer Kürzung um 19 % entspricht; im Jahr 2028 von 1,054 Billionen US-Dollar auf 758 Milliarden US-Dollar, eine Senkung um 28 %; im Jahr 2029 von 1,352 Billionen US-Dollar auf 796 Milliarden US-Dollar, eine Kürzung um 41 %; und im Jahr 2030 von 1,531 Billionen US-Dollar auf 923 Milliarden US-Dollar, eine Senkung um rund 40 %.
Gemäß dieser Prognose wird die kumulierte erwartete globale Kapitalausgabe für KI-Beschleuniger von 2027 bis 2030 um rund 1,6 Billionen US-Dollar niedriger ausfallen als zuvor erwartet. Bisher prognostizierte der Markt, dass die jährlichen Kapitalausgaben für KI-Beschleuniger im Jahr 2029 die Marke von 1 Billion US-Dollar durchbrechen würden, nun wurde dieser Zeitplan deutlich nach hinten verschoben.
BigGo Finance wies in entsprechenden Berichten darauf hin, dass diese Anpassung nicht bedeutet, dass die Nachfrage nach KI-Rechenleistung verschwunden ist, sondern dass die zuvor erwartete rasche Expansion sich abkühlt. Gemäß dem angepassten Modell wird die globale Kapitalausgabe für KI-Beschleuniger weiterhin von 392 Milliarden US-Dollar im Jahr 2026 auf 923 Milliarden US-Dollar im Jahr 2030 steigen, allerdings verlangsamt sich die Steigung des Wachstums deutlich. Im Jahr 2029 könnte das Wachstum gegenüber dem Vorjahr sogar nur etwa 5 % betragen.
SemiAnalysis nennt dafür hauptsächlich drei Gründe.
Erstens zeigen die Umsatzwachstumsraten der führenden KI-Unternehmen Anzeichen einer Verlangsamung. Insbesondere bei einigen führenden KI-Laboratorien lag die Wachstumsrate der neuen jährlich wiederkehrenden Einnahmen (ARR) im dritten Quartal unter den vorherigen Erwartungen. Dies veranlasste SemiAnalysis, die Einnahmen, die die Kommerzialisierung von KI-Modellen erzielen kann, und das Ausmaß der Rechenleistungsinvestitionen, die diese Einnahmen tatsächlich tragen können, neu zu bewerten.
Zweitens verschärft sich das Finanzierungsumfeld. Zuvor wurden zahlreiche KI-Rechenzentrumsprojekte durch Fremd- und Eigenkapitalfinanzierung vorangetrieben, aber heute sind Investoren vorsichtiger bei Projekten, die keine Beschaffungszusagen großer Cloud-Dienstleister vorweisen können. Dies kann sich auf Grundstücke, Strom, die Hauptgebäude von Rechenzentren und die anschließende Gerätebeschaffung auswirken.
Darüber hinaus können regulatorische Faktoren im Zusammenhang mit den US-Zwischenwahlen dazu führen, dass einige Rechenzentrumsprojekte verschoben werden. SemiAnalysis prognostiziert, dass rund 5,8 GW an Rechenzentrumskapazität, die ursprünglich für die Inbetriebnahme zwischen der zweiten Hälfte 2027 und der ersten Hälfte 2028 geplant war, verschoben werden könnte. Das Institut betont jedoch, dass die Verlangsamung des Umsatzwachstums und die Verschärfung des Finanzierungsumfelds die Hauptgründe für diese Anpassung sind.
Diese Anpassung hat sich auch auf die Halbleiterlieferkette übertragen.
SemiAnalysis senkte die Prognose für die kumulierte Auslieferungsfläche logischer Wafer für globale KI-Beschleuniger von 2026 bis 2030 um 17 %. Dabei erreichte die Kürzung für das einzelne Jahr 2029 24 %.
Im Bereich HBM sank die globale Auslieferungsprognose für 2028 von 9,0 EB auf 6,4 EB, was einer Kürzung um 30 % entspricht; für 2029 von 10,3 EB auf 7,9 EB, eine Senkung um 23 %; und für 2030 von 10,9 EB auf 9,6 EB, eine Kürzung um 12 %.
Gleichzeitig wurde die Prognose für den globalen Stromverbrauchsbedarf von KI-Beschleunigern im Jahr 2030 von 122,8 GW auf 80,7 GW herabgesetzt, eine Senkung um 34 %.
Hier gibt es ein bemerkenswertes Detail: Das Ausmaß der Kürzung der Kapitalausgaben entspricht nicht vollständig dem Ausmaß der Kürzung der tatsächlichen Chipleistungsnachfrage.
Am Beispiel des Jahres 2030 wurde die Prognose für die Kapitalausgaben von KI-Beschleunigern um rund 40 % herabgesetzt, aber die Auslieferungsfläche logischer Wafer sank nur um 15 % und die Nachfrage nach HBM-Bits um 12 %. Dies zeigt, dass diese Anpassung nicht nur aus einer Verringerung der Auslieferungsmengen resultiert, sondern zu einem erheblichen Teil auch aus dem erwarteten Rückgang der Verkaufspreise von Chips und der Speicherkosten stammt.
SemiAnalysis ist der Ansicht, dass sich die Speicherpreise mit der allmählichen Verbesserung des Angebots-Nachfrage-Verhältnisses von HBM in Zukunft normalisieren werden. Ein erheblicher Teil des früheren Wachstums der Investitionen in die KI-Infrastruktur stammte aus dem Anstieg der Speicherpreise, nun wird dieser Preisaufschlag neu angepasst.
Daher dürfen Unternehmen für Wafer-Fertigung, Halbleitergeräte sowie Gehäuse und Test die Kürzung der Kapitalausgaben für KI-Beschleuniger um 40 % nicht einfach so verstehen, dass die Nachfrage der gesamten Lieferkette ebenfalls um 40 % sinken wird. Die tatsächlichen Auswirkungen hängen von den Veränderungen der Waferfläche, der Nachfrage nach HBM-Bits und den Auslieferungsmengen spezifischer Produkte ab.
Nvidia trägt den größten Druck, sowohl zukünftige Auslieferungsmengen als auch Produktverkaufspreise werden herabgesetzt
Unter den wichtigsten Anbietern von KI-Chips ist Nvidia zweifellos das Unternehmen, das am stärksten von dieser Anpassung betroffen ist.
Gemessen am Umsatz mit Rechenleistungsprodukten korrigierte SemiAnalysis die Auslieferungsprognosen von Nvidia für die Jahre 2027 bis 2030 um 22 %, 39 %, 56 % bzw. 66 % nach unten; gemessen am Gesamtstromverbrauch einschließlich des gesamten Systems liegen die Kürzungen bei 14 %, 35 %, 50 % bzw. 59 %.
Noch bemerkenswerter ist, dass sich die Preiserwartungen für die zukünftigen Produkte von Nvidia ebenfalls deutlich verändert haben.
SemiAnalysis ist der Ansicht, dass Nvidia neben den Auswirkungen des sinkenden HBM-Kostens auch den Aufschlag auf seine Produkte senken und niedrigere Bruttomargen akzeptieren muss, um seine Wettbewerbsfähigkeit aufrechtzuerhalten.
Konkret gesehen sinkt der geschätzte Verkaufspreis von Feynman von rund 110.000 US-Dollar auf 78.000 US-Dollar, der von Feynman Ultra von rund 175.000 US-Dollar auf 98.000 US-Dollar, und der von Feynman Next von rund 191.000 US-Dollar auf 118.000 US-Dollar.
Dabei übersteigt der erwartete Preisrückgang von Feynman Ultra 40 %.
Dies bedeutet, dass Nvidia in Zukunft nicht nur unter dem Druck einer geringeren Beschaffungsmenge der Kunden steht, sondern auch seine Preisgestaltungsmöglichkeiten herausgefordert werden. Darüber hinaus beschränkt sich diese Anpassung nicht nur auf GPUs, sondern betrifft auch Groq LPU und eigenständige CPUs.
Warum ist Nvidia am stärksten betroffen?
Die Erklärung von SemiAnalysis lautet, dass große KI-Kunden mehr Auswahlmöglichkeiten bei Rechenleistungsplattformen erhalten und Nvidias GPU nicht mehr in allen Szenarien die attraktivste Lösung ist.
Am Beispiel von Anthropic: Die vier derzeit genutzten Rechenleistungsplattformen umfassen Google TPU, Amazon Trainium, AMD GPU und NVIDIA GPU. SemiAnalysis ist der Ansicht, dass sich Nvidias GPU in der Gesamtleistung aus Leistung und Kosten relativ am Rande unter diesen vier Plattformen befindet, und Anthropic bevorzugt die anderen drei Lösungen.
Auch OpenAI ändert seine Beschaffungsstrategie. Obwohl seine Infrastruktur weiterhin hauptsächlich auf GPUs basiert, bietet die Optionsscheinvereinbarung zwischen AMD und OpenAI der AMD GPU zusätzliche finanzielle Attraktivität. Darüber hinaus wird OpenAI vorrangig selbst entwickelte ASIC Jalapeno und die nächste Generation Serrano einsetzen.
Ein weiterer nicht zu übersehender Faktor ist Neocloud (aufstrebende Cloud-Dienstleister).
Nvidia hat unter den Hauptanbietern das größte Geschäftsrisiko bei Neocloud-Kunden, insbesondere bei einer großen Anzahl kleinerer Nischenkunden. Diese Unternehmen müssen in der Regel zunächst über Finanzierung GPUs beschaffen und dann die Investition durch die Vermietung von Rechenleistungen zurückerhalten. Wenn sich die Kapitalmärkte verschärfen, sind Projekte ohne Beschaffungszusagen großer Kunden anfälliger für Auswirkungen.
Darüber hinaus betreffen einige Mieter von GPUs bei Neocloud chinesische Endkunden. Wenn das US-RASA-Gesetz verabschiedet wird, könnte die Fernnutzung von GPUs ebenfalls als Export angesehen werden, und chinesische Kunden, die fortschrittliche GPUs fern nutzen, sind dem Risiko von Exportkontrollen ausgesetzt.
SemiAnalysis erläuterte zudem ausdrücklich, dass diese Prognoseanpassung die möglichen Auswirkungen eines Abgangs von Jensen Huang von seinem Posten als CEO von Nvidia nicht berücksichtigt hat. Selbst wenn Jensen Huang weiterhin im Amt bleibt, würde das Institut die gleiche nach unten korrigierte Prognose abgeben. Es ist jedoch der Ansicht, dass ein Führungswechsel das Risiko eines weiteren Verlusts von Marktanteilen für Nvidia erhöhen könnte.
Aus den jüngsten Lieferungen geht hervor, dass sich auch der Produktrhythmus von Nvidia angepasst hat.
Die Vera Rubin L6-Platine wurde auf das vierte Quartal verschoben, rund 100.000 Rubin-GPUs wurden vom dritten Quartal auf das vierte Quartal verlegt, aber die erwartete Gesamtauslieferungsmenge von Vera Rubin für das Jahr 2026 bleibt bei rund 980.000 Stück.
Um die Lieferlücke im dritten Quartal zu schließen, wird Nvidia die Auslieferung von rund 130.000 GB300 erhöhen; mit der beschleunigten Ausweitung der Rubin-Mengen im vierten Quartal sinken die erwarteten Auslieferungsmengen von GB300 und H200 um rund 260.000 Stück bzw. 150.000 Stück.
Nach der Anpassung liegen die prognostizierten Gesamtumsätze von Nvidia im dritten und vierten Quartal 2026 bei rund 109,1 Milliarden US-Dollar bzw. 125,3 Milliarden US-Dollar. Darüber hinaus sank die Bestellmenge von Vera Rubin-Schränken für Microsoft im Jahr 2027 um 200 Schränke.
Broadcom ist relativ stabil, das TPU-Geschäft von MediaTek wird neu bewertet
Im Gegensatz zu Nvidia zeigt Broadcom in dieser Anpassung eine stärkere Widerstandsfähigkeit.
SemiAnalysis senkte die Prognose für den kumulierten Umsatz des ASIC-Geschäfts von Broadcom von 2026 bis 2030 um 11 %, hauptsächlich aufgrund der Preisanpassung der Produkte infolge des sinkenden HBM-Kostens und nicht wegen einer massiven Kürzung der Auslieferungsmengen.
Der Vorteil von Broadcom liegt darin, dass seine wichtigsten ASIC-Projekte, einschließlich der Projekte im Zusammenhang mit Google TPU, OpenAI und Anthropic, bei Leistungs-Kosten-Verhältnis und Energieeffizienz wettbewerbsfähig sind. Noch wichtiger ist, dass Broadcom Kunden bei der Bereitstellung von Finanzierungsunterstützung gegenüber Gläubigern unterstützen kann, die Grundstücke für Rechenzentren, Strom, Hauptgebäude und Systemaufbau umfasst.
In einer Zeit, in der der Aufbau von KI-Rechenzentren zunehmend von Kapitalinvestitionen abhängt, ist die Fähigkeit, Kunden bei der Lösung von Finanzierungs- und Infrastrukturaufbauproblemen zu unterstützen, zu einer wichtigen Wettbewerbsfähigkeit von Chipherstellern geworden.
Natürlich wurden auch einige Projekte von Broadcom angepasst. Die erwartete Größe der zweiten Generation von OpenAI Serrano im Jahr 2029 sank um rund 1 GW, aber die Auslieferungserwartungen für die dritte Generation von Produkten im Jahr 2030 wurden erheblich nach oben korrigiert.
Die TPU-Projekte von Google und Anthropic wurden ebenfalls leicht nach unten korrigiert. Dabei wurden 700 MW an TPU, die ursprünglich für die Lieferung an Anthropic im Jahr 2027 geplant waren, auf 2028 verschoben. Der Grund liegt in der Unsicherheit beim Baufortschritt einiger Rechenzentren in Texas: Die Kapazität von rund 275 MW des Crusoe/Goodnight-Projekts könnte verschoben werden, während das rund 330 MW große Nexus-Projekt von Hubbard noch keine Genehmigung erhalten hat.
Im Vergleich zu Broadcom ist die Anpassung bei MediaTek deutlicher ausgeprägt.
SemiAnalysis senkte die Erwartungen für das TPU-Geschäft von MediaTek, hauptsächlich aufgrund der verringerten Nachfrage infolge der veränderten Finanzierungskapazität von Anthropic und der Neubewertung der gesamten Nachfrage auf dem TPU-Markt.
Dabei ist die TPU-v9-Serie am stärksten betroffen. Die Lebenszyklus-Auslieferungsmenge von Humufish von 2028 bis 2029 sank um rund 470.000 Stück, was hauptsächlich das Ausbeuterisiko