Warum jeder Tech-Gigant seinen eigenen KI-Chip will

Am 12. Juli schloss SK Hynix den größten ausländischen Börsengang in den USA ab, fast ausschließlich angetrieben durch die Nachfrage nach HBM-Speicherchips für künstliche Intelligenz. In derselben Woche kursierten Gerüchte über den zukünftigen M7 Ultra-Chip von Apple, der bis zu 1,5 TB RAM unterstützen soll. Zwei scheinbar unterschiedliche Nachrichten, die jedoch auf denselben Trend hinweisen: Die großen Technologieunternehmen wollen nicht länger nur von Nvidia abhängig sein, um ihre KI-Modelle zu betreiben.

Warum es nicht reicht, Chips von Nvidia zu kaufen

Nvidia beherrscht seit Jahren den Markt für Prozessoren zum Trainieren und Ausführen von KI-Modellen – aus gutem Grund: Ihre Chips und das dazugehörige Software-Ökosystem sind schwer zu übertreffen. Das Problem ist, dass diese Dominanz zu einem Engpass geworden ist. Die Nachfrage nach Rechenleistung ist viel schneller gestiegen, als Nvidia produzieren und liefern kann. Unternehmen, die vollständig von einem einzigen Lieferanten abhängen, werden zu Geiseln seiner Preise und Warteschlangen.

Der wahre Engpass liegt im Speicher, nicht nur in der Rechenleistung

Ein großes Sprachmodell auszuführen, ist nicht nur eine Frage der Rechenleistung. Das gesamte Modell mit seinen Milliarden von Parametern muss so nah wie möglich am Prozessor verfügbar sein – hier kommt der HBM-Speicher (High Bandwidth Memory) ins Spiel. Er ist teurer und schwieriger herzustellen als herkömmlicher Computerspeicher, und die Nachfrage ist so stark gestiegen, dass Hersteller wie SK Hynix inzwischen genauso strategisch wichtig sind wie Nvidia selbst. Das erklärt, warum ein Speicherunternehmen – und kein Prozessorhersteller – den größten ausländischen Börsengang der US-Geschichte hingelegt hat.

Wer bereits eigene Chips baut

Dieser Trend ist nicht neu, er beschleunigt sich nur. Google entwickelt seit über einem Jahrzehnt eigene TPU-Chips für Gemini und andere interne Modelle. Amazon hat die Chips Trainium und Inferentia, die einen Teil der AWS-Infrastruktur antreiben. Microsoft hat den Maia-Chip für seine KI-Rechenzentren vorgestellt. Sogar OpenAI, das keine Hardware herstellt, hat in den letzten Jahren Interesse bekundet, eigene Chip-Kapazitäten zu entwickeln, um die Abhängigkeit von externen Lieferanten zu verringern.

Apple geht denselben Weg durch eine andere Tür: Das Unternehmen beherrscht bereits das Design eigener Siliziumchips in iPhones und Macs und weitet diese Strategie nun aus, um zunehmend KI-Aufgaben lokal zu unterstützen – wie die Gerüchte um den M7 Ultra nahelegen. Keines dieser Unternehmen hat aufgehört, Chips von Nvidia zu kaufen. Das Ziel ist nicht, den Lieferanten vollständig zu ersetzen, sondern die Abhängigkeit zu reduzieren und die Kontrolle über einen Teil der eigenen Infrastruktur zu übernehmen.

Was das für diejenigen bedeutet, die KI nur im Alltag nutzen

Für den Endnutzer wird sich dieser Trend indirekt bemerkbar machen: Modelle laufen schneller, die Kosten pro Abfrage sinken allmählich, und neue Funktionen wie größere Kontextfenster werden realisierbar. Gleichzeitig entsteht ein langfristiger Wettbewerb zwischen Hardwareherstellern und Modellentwicklern, der die Preise und die Verfügbarkeit von KI-Werkzeugen in den kommenden Jahren prägen wird.

FAQ

Bedeutet das, dass Nvidia den KI-Markt verlieren wird?

Kurzfristig nicht. Nvidia bleibt der weltweit wichtigste Anbieter von KI-Chips. Der Trend der Big Techs zielt darauf ab, die Abhängigkeit zu verringern, nicht die Versorgung vollständig zu ersetzen.

Warum ist Speicher genauso wichtig wie der Prozessor?

Weil ein KI-Modell seine Parameter während der Verarbeitung schnell verfügbar halten muss. Ohne ausreichend schnellen Speicher wartet selbst der schnellste Prozessor untätig auf Daten.

Werden die Preise für KI-Werkzeuge dadurch sinken?

Das ist eine der Hoffnungen der Branche. Mehr Hardware-Anbieter und weniger Abhängigkeit von einem einzigen Engpasspunkt dürften das Angebot erhöhen und mit der Zeit den Kostendruck nach unten verstärken.

Können kleinere Unternehmen das auch machen?

Kaum. Einen Chip von Grund auf zu entwickeln, erfordert Milliardeninvestitionen und Jahre der Entwicklung – das ist nur für Unternehmen mit entsprechender Größe und Finanzkraft wie Google, Amazon, Microsoft und Apple machbar.