Top 30+ KI-Chip-Hersteller: NVIDIA & seine Konkurrenten
Basierend auf unserer Erfahrung mit dem Cloud-GPU-Benchmark von AIMultiple mit 10 verschiedenen GPU-Modellen in 4 verschiedenen Szenarien sind dies die führenden KI-Hardware-Unternehmen für Rechenzentrums-Workloads.
30+ KI-Chip-Hersteller nach Kategorie
*Der ausgewählte KI-Chip ist die Komponente, Plattform oder das angekündigte Projekt, das jeden Anbieter am besten repräsentiert. Einige Einträge sind Systeme, Dienste oder lizenzierbare IPs und nicht ein einzelner Chip.
Sortierung erfolgt nach Kategorie. Anbieter werden innerhalb der ersten drei Kategorien (führender Hersteller, Public Cloud, öffentliche KI-Cloud) nach geschätztem Anteil am KI-Beschleuniger-Umsatz eingestuft, da Verkaufszahlen oder Cloud-Nutzung geschätzt werden können. Intel und Qualcomm sind die Ausnahmen. Beide werden basierend auf ihrer Rechenzentrumsgröße und angekündigten Beschleuniger-Roadmaps als führende Hersteller geführt, nicht auf Basis des ausgelieferten KI-Beschleuniger-Umsatzes. Anbieter in der Kategorie kundenspezifisches KI-ASIC / XPU Co-Design werden nach geschätztem Anteil am Markt für kundenspezifisches ASIC-Design eingestuft. Anbieter in allen anderen Kategorien sind alphabetisch sortiert.
GPUs vs. ASICs in KI-Chip-Architekturen
Während die oben genannten Anbieter im gleichen Markt konkurrieren, verwenden sie grundlegend unterschiedliche Chip-Architekturen:
- GPUs (Graphics Processing Units) sind breit programmierbare Parallelprozessoren, die ein breiteres Spektrum an KI-Trainings- und Inferenz-Workloads unterstützen als die meisten zweckgebundenen ASICs. NVIDIA und AMD dominieren diese Kategorie.
- ASICs (Application-Specific Integrated Circuits) sind kundenspezifisch für bestimmte Aufgaben entwickelt. Einige unterstützen sowohl Training als auch Inferenz (Google TPU, AWS Trainium), während andere nur für Inferenz ausgelegt sind (Groq LPU, AWS Inferentia).
Laut TrendForce1 wurde für KI-Server-Lieferungen, die auf kundenspezifischen ASICs von Cloud-Anbietern basieren, im Oktober 2025 ein Wachstum von 44,6 % im Jahr 2026 prognostiziert, gegenüber 16,1 % für GPU-basierte KI-Server. Diese Zahlen sind Wachstumsraten der KI-Server-Lieferungen, aufgeteilt nach Beschleunigertyp, nicht die Anzahl der ausgelieferten Chips. TrendForce beziffert ASIC-basierte Systeme nun auf etwa 27 % der KI-Server-Stückzahlen 2026, nachdem sie am 15. April 2026 nach Chip-Validierungs- und Tuning-Verzögerungen bei Meta und AWS von 27,8 % gesunken waren, gegenüber 69,7 % für GPU-basierte Systeme, wobei ASICs bis 2030 voraussichtlich etwa 40 % erreichen werden.2
Welches sind die führenden KI-Chip-Hersteller?
1. NVIDIA
NVIDIA entwickelt seit den 1990er Jahren Grafikprozessoren (GPUs) für den Gaming-Sektor. NVIDIA ist ein fabless Chip-Hersteller, der den Großteil seiner Chip-Fertigung an TSMC auslagert. Zu den Hauptgeschäftsbereichen gehören:
Desktop-KI-Lösungen
DGX Spark (ehemals Project Digits) ist ein Desktop-KI-Supercomputer mit einem Grace Blackwell Superchip, der eine NVIDIA Blackwell RTX GPU mit 6.144 CUDA-Kernen und Tensor Cores der fünften Generation mit FP4-Präzision über das NVIDIA NVLink-C2C-Chip-zu-Chip-Interconnect mit einer 20-Kern NVIDIA Grace CPU verbindet, mit bis zu 1 Petaflop KI-Rechenleistung und 128 GB einheitlichem Speicher.3 4
Rechenzentrumslösungen
Das Unternehmen stellt KI-Chips nach seinen Architekturen Ampere, Hopper und zuletzt Blackwell her. Dank des Boom der generativen KI wuchs NVIDIAs Umsatz stark, seine Marktkapitalisierung überschritt 1 Billion US-Dollar und das Unternehmen baute seine Führungsposition in den Märkten für GPUs und KI-Hardware aus. Das folgende Diagramm zeigt, wie NVIDIAs Umsatz in diesem Segment im Laufe der Jahre gewachsen ist und wie es zur Haupteinnahmequelle des Unternehmens wurde.
Die Diagrammdaten stammen aus den Finanzberichten der NVIDIA Corporation.5
DGX™ A100 und H100 waren NVIDIAs Flaggschiff-KI-Chips, konzipiert für KI-Training und Inferenz in Rechenzentren. NVIDIA legte mit folgenden Produkten nach:
- H200-, B300- und GB300-Chips
- HGX-Server wie HGX H200 und HGX B300, die 8 dieser Chips kombinieren
- NVL-Serie und GB200 SuperPod, die noch mehr Chips zu großen Clustern kombinieren.6
Cloud-GPUs
Die meisten Cloud-Anbieter bieten NVIDIA-Hardware als ihre Cloud-GPUs an. Morgan Stanley bezifferte NVIDIA im März 2026 auf etwa 85 % des KI-Prozessorumsatzes, kundenspezifische ASICs auf über 10 % und AMD auf unter 5 %.7 Bloomberg Intelligence erwartet, dass NVIDIA bis 2030 70 % bis 75 % des KI-Beschleuniger-Marktes halten wird.8
NVIDIA startete auch sein DGX Cloud-Angebot, das Cloud-GPU-Infrastruktur direkt für Unternehmen bereitstellt und Cloud-Anbieter umgeht.
GPUs für Grafik
NVIDIAs GPUs für Endverbraucher umfassen die GeForce-Serie, und Nintendos Switch 2 läuft auf einem kundenspezifischen NVIDIA-Prozessor.9
Aktuelle Entwicklungen
DGX Cloud Lepton
Angekündigt am 19. Mai 2025, ist NVIDIAs DGX Cloud Lepton ein Marktplatz, der KI-Entwickler mit den NVIDIA GPU-Cloud-Anbietern verbindet, darunter CoreWeave, Lambda und Crusoe.10
NVIDIA Dynamo
NVIDIA Dynamo, angekündigt auf der GTC 2025, ist ein Open-Source-Inferenz-Framework für die Bereitstellung generativer KI-Modelle mit hohem Durchsatz und niedriger Latenz in verteilten Umgebungen.11
NVIDIA RTX PRO-Server und Enterprise KI Factory
Angekündigt im Mai 2025 auf der Computex, stellte NVIDIA RTX PRO-Server vor, die mit RTX PRO 6000 Blackwell Server Edition GPUs betrieben werden und für Enterprise-KI-Fabriken konzipiert sind.12
NVIDIA Vera Rubin Plattform
NVIDIA enthüllte Vera Rubin, seine Plattform nach Blackwell Ultra, auf der CES 2026 als Sechs-Chip-Plattform.13 Auf der GTC am 16. März 2026 erweiterte NVIDIA sie auf sieben Chips, die Vera CPU, Rubin GPU, NVLink 6 Switch, ConnectX-9 SuperNIC, BlueField-4 DPU, Spectrum-6 Ethernet-Switch und Groq 3 LPU, und erklärte sie für in voller Produktion befindlich.14 Die Produktionsauslieferungen beginnen im Herbst 2026, zunächst an acht Cloud-Partner.15 Blackwell und das GB300 NVL72 blieben das umsatzstarke Volumenprodukt bis Q1 FY2027.
Das Vera Rubin NVL72-Rack kombiniert 72 Rubin GPUs mit 36 Vera CPUs für 3.600 PFLOPS NVFP4-Inferenz, 20,7 TB HBM4 und 260 TB/s NVLink 6 Scale-Up-Bandbreite.16 Berichten zufolge wird die Rubin GPU auf TSMCs N3P mit HBM4 gefertigt, ein Knoten, den NVIDIA nicht bestätigt hat.
Der siebte Chip stammt aus NVIDIAs Lizenzvereinbarung mit Groq vom Dezember 2025, die im Abschnitt Groq unten behandelt wird.
Die Groq 3 LPU ist ein dedizierter Inferenzchip, der von Samsung Foundry gefertigt wird.17 Groq 3 LPX-Racks sind für die zweite Hälfte 2026 vorgesehen, und NVIDIA prognostiziert einen bis zu 35-fach höheren Durchsatz pro Megawatt für Billionen-Parameter-Modelle, wenn LPX mit Vera Rubin NVL72 kombiniert wird.18
DeepSeek
Die Veröffentlichung von DeepSeeks R1 zeigte, dass Frontier-Modelle mit einer relativ kleinen Anzahl von GPUs trainiert werden können. Dies führte zu einem Rückgang des Aktienkurses von NVIDIA.
Da sich die Leistung von GPU-Systemen aufgrund von Fortschritten im Chip-Design und bei Interconnects jährlich um ein Vielfaches verbessert, wäre es für Käufer ratsam, nicht über ihren jährlichen Bedarf hinaus zu kaufen, da dies zum Besitz veralteter Systeme führen kann.
Zölle & Exportbeschränkungen
Vier separate Maßnahmen regeln den Verkauf fortschrittlicher KI-Chips nach China, und sie werden häufig vermischt.
Die Lizenzierung änderte sich zuerst. Am 13. Januar 2026 kündigte das US Bureau of Industry and Security eine finale Regelung an, die Lizenzanträge für die NVIDIA H200, AMD MI325X und ähnliche Chips von einer Ablehnungsvermutung auf eine Einzelfallprüfung umstellt, vorbehaltlich von Bedingungen zu Exporteur-Zertifizierungen, Kundenverifizierungsprüfungen und unabhängigen Vorversandtests.19 Parallel dazu gilt eine Mengenobergrenze: Die Gesamtlieferungen eines bestimmten Chips nach China und Macau dürfen 50 % der Menge desselben Produkts, die der Exporteur an US-Kunden für die US-Endnutzung geliefert hat, nicht überschreiten.19
Zwei weitere Maßnahmen sind beide auf 25 % festgelegt und werden routinemäßig als eine behandelt. Präsident Trump kündigte am 8. Dezember 2025 eine 25%ige Beteiligung der US-Regierung an den H200-Verkaufserlösen nach China an und bekräftigte dies am 14. Januar 2026, während das Weiße Haus am 14. Januar 2026 einen separaten 25%igen Section-232-Zoll auf fortschrittliche Halbleiter mit denselben Leistungsschwellen ankündigte, mit Ausnahmen für US-Rechenzentren und US-F&E.20
China hat sich in die andere Richtung bewegt, wenn auch weniger formell. Reuters berichtete am 5. November 2025 unter Berufung auf ungenannte Quellen, dass die Behörden ausländische KI-Chips aus staatlich finanzierten Rechenzentren verbannt hätten, und es wurde keine offizielle chinesische Verordnung in diesem Sinne veröffentlicht.
Die Genehmigung hat sich nicht in Verkäufen niedergeschlagen. Am 14. Juli 2026 teilte Unterstaatssekretär Jeffrey Kessler bei einer Kongressanhörung mit, dass „nur sehr wenige Lieferungen im Rahmen von Lizenzen für H200 und vergleichbare Produkte stattgefunden haben. Es handelt sich um eine sehr kleine Menge an Chips.“ NVIDIA hatte sowohl in seinen Ergebnissen vom Februar 2026 als auch vom Mai 2026 null Rechenzentrumsumsatz in China verbucht.
Wettbewerb im Inferenzmarkt
Während NVIDIA den KI-„Trainings“-Markt dominiert, verschärft sich der Wettbewerb im Bereich „Inferenz“, dem Einsatz von KI-Modellen für reale Aufgaben. Unternehmen wie AMD und Qualcomm sowie Inferenzspezialisten wie Cerebras, SambaNova, d-Matrix und Positron entwickeln Chips, die kostengünstigere Inferenzlösungen bieten sollen, mit besonderem Fokus auf niedrigeren Stromverbrauch. Das Feld hat sich sowohl ausgedünnt als auch erweitert. Untether KI stellte im Juni 2025 den Betrieb ein und meldete im Oktober Insolvenz an, und die Inferenztechnologie von Groq wurde im Dezember 2025 an NVIDIA lizenziert.
Neue „Reasoning“-KI-Techniken erfordern mehr Rechenleistung. NVIDIA glaubt, dass Reasoning langfristig seine Architektur begünstigen wird und erwartet, dass der Inferenzmarkt den Trainingsmarkt irgendwann in der Größe überflügeln wird, selbst wenn der Marktanteil geringer ist.21
2. AMD
AMD ist ein fabless Chip-Hersteller mit CPU-, GPU- und KI-Beschleuniger-Produkten.
AMD brachte im Juni 2023 MI300 für KI-Trainings-Workloads auf den Markt und konkurriert mit NVIDIA um Marktanteile. Startups, Unternehmen und Tech-Giganten setzten 2023 auf AMD-Hardware, als NVIDIA-Hardware während des durch die Einführung von ChatGPT ausgelösten Booms der generativen KI schwer zu beschaffen war.22 23 24
Im Jahr 2025 übernahm AMD ein Team von KI-Hardware- und Software-Ingenieuren von Untether KI zusammen mit dem Compiler-Startup Brium. Im Juni 2026 kündigte AMD die Übernahme von MEXT an, dessen prädiktive Speichertechnologie darauf ausgelegt ist, Flash wie DRAM funktionieren zu lassen und die Speicherkosten im Rechenzentrum zu senken.25 26
AMD brachte die Instinct MI350X und MI355X am 12. Juni 2025 auf dem Advancing KI 2025 auf den Markt.27 Die MI355X ist auf CDNA4 bei TSMC 3nm mit 288 GB HBM3E und 10,1 PFLOPS MXFP4 gefertigt, und AMD positioniert sie gegen NVIDIAs Blackwell B200 statt gegen die H200. AMD legte am 7. Mai 2026 mit der Instinct MI350P nach, einer passiven PCIe-5.0-Karte mit 144 GB HBM3E und einer maximalen TBP von 600 W.28
AMD hat seit Oktober 2025 vier große Instinct-Vereinbarungen unterzeichnet: OpenAI am 6. Oktober 2025 über 6 GW, wobei die ersten 1 GW MI450 Series-Kapazität ab der zweiten Hälfte 2026 bereitstehen;29 Oracle Cloud Infrastructure als Launch-Partner am 14. Oktober 2025 für zunächst 50.000 MI450 Series GPUs ab Kalender-Q3 2026;30 Meta am 24. Februar 2026 über bis zu 6 GW ab der zweiten Hälfte 2026, unter Verwendung einer kundenspezifischen Instinct GPU auf Basis der MI450-Architektur statt einer Standard-MI450;31 32 und Anthropic am 22. Juli 2026 über bis zu 2 GW MI450 Series GPUs in Helios-Racks ab der ersten Hälfte 2027.33
Nach einer öffentlichen Meinungsverschiedenheit zwischen AMD und NVIDIA über das Benchmarking von H100 und MI300 zeigen die neuesten Benchmarks die MI300 besser oder gleichauf mit der H100 für Inferenz bei einem 70B LLM.34
MI400-Serie
AMD brachte die Instinct MI400 Series am 22.-23. Juli 2026 auf dem Advancing KI 2026 auf den Markt.35 Die MI455X ist das KI-fokussierte Mitglied der Familie. AMD listet sie als CDNA5 auf „TSMC 2nm | 3nm FinFET“ mit 320 Milliarden Transistoren, 432 GB HBM4, 23,3 TB/s maximaler Speicherbandbreite und 40,3 PFLOPS OCP MXFP4.36 Helios, das um die MI400 Series aufgebaute Rack-Scale-System, ist in voller Produktion, die ersten Auslieferungen beginnen Ende Q3 2026.35
Ein drittes Familienmitglied, die MI440X, wurde auf der CES 2026 am 5. Januar 2026 für On-Premises-Enterprise-KI in einem kompakten Acht-GPU-Formfaktor vorgestellt, und AMD hat seitdem keine Spezifikationen dafür veröffentlicht.37 Weiter in der Zukunft platziert AMDs Roadmap die Instinct MI500 Series im Jahr 2027 und die MI600 Series im Jahr 2028, wobei die CDNA-6-Architektur, 2nm-Prozesstechnologie und HBM4E-Speicherdetails für MI500 auf der CES 2026 bekannt gegeben wurden.35
Die MI430X ist das HPC- und Sovereign-KI-Mitglied der MI400 Series. AMD kündigte sie am 19. November 2025 während der SC25-Woche statt auf dem Advancing KI 2026 an, mit 432 GB HBM4 und 19,6 TB/s, und aktualisierte ihre Spezifikationen am 23. Juli 2026. Die Produktseite von AMD listet nun bis zu 288 TFLOPS hardwarebasierte theoretische Spitzen-FP64, bis zu 9,2 PFLOPS Spitzen-FP4 und MXFP4, 432 GB integriertes HBM4 und bis zu 23,3 TB/s maximale theoretische Speicherbandbreite.38 Das Unterscheidungsmerkmal gegenüber der MI455X ist die FP64-Volllast für wissenschaftliches Rechnen statt KI-Durchsatz mit niedriger Präzision.
AMD erwartet, dass die MI430X 2027 verfügbar sein wird und hat keine Transistoranzahl, Board-Power oder Lithografie dafür veröffentlicht. Zwei Angaben in AMDs eigenen Materialien widersprechen sich. Die FAQ der MI400-Serien-Landingpage gibt weiterhin bis zu 19,6 TB/s an, während die Spezifikationsseite der MI430X 23,3 TB/s angibt, und die FAQ auf der MI430X-Seite enthält einen Tippfehler mit 2,3 TB/s.38
AMD nennt drei Zielsysteme für die MI430X: Discovery am Oak Ridge National Laboratory, geplant für 2028; Alice Recoque, Frankreichs erstes Exascale-System; und Herder am HLRS Stuttgart, angekündigt mit HPE am 2. Dezember 2025. Lux, der am 27. Oktober 2025 angekündigte KI-Fabrik-Cluster von Oak Ridge, basiert auf MI355X und ist kein MI430X-System.
Software
AMDs KI-Software läuft auf dem ROCm-Stack. SemiAnalysis gab AMD in einem Benchmark der MI300X gegen H100 und H200 vom 22. Dezember 2024 eine 0%ige Chance, NVIDIAs CUDA-Moat zu durchbrechen, und stellte fest, dass CUDA für die meisten Aufgaben sofort funktionierte, während AMD-Software erhebliche Konfiguration erforderte.39
Dieselben Analysten haben diese Einschätzung inzwischen am 25. Juli 2026 revidiert und sprechen von „einer großen Erfolgschance, solange AMD die beiden großen Risiken löst, die wir unten skizzieren“: den Helios-Rack-Produktionshochlauf, bei dem schwache SerDes erfordern, dass bis zu 85 % der Backplane mit über 550 Broadcom-Ethernet-Retimern pro Rack neu getaktet werden, und ein anhaltender Mangel an stabilen internen GPU-Clustern für Softwareentwicklung und automatisiertes Test-CI.40
Auf dem Advancing KI 2026 verpflichtete sich AMD zu einem festen Sechs-Wochen-Feature-Release-Zyklus anstelle des bisherigen, etwa vierteljährlichen Zyklus.41
Ökosystem
Wie NVIDIA investiert auch AMD selektiv in Nutzer seiner Lösungen, um die Akzeptanz seiner Hardware zu fördern.42 Es hat auch Eigenkapital an seine größten Verpflichtungen geknüpft und sowohl OpenAI als auch Meta jeweils einen leistungsabhängigen Optionsschein über bis zu 160 Millionen Aktien zu $0,01 ausgegeben, der an Instinct-Liefermeilensteine geknüpft ist.43
3. Intel
Intel hat eine lange Geschichte in der Halbleiterentwicklung. Anders als die fabless Unternehmen NVIDIA und AMD besitzt Intel eigene Fabs und fertigt Komponenten wie den 18A-basierten Xeon 6+ intern. Es ist nicht ausschließlich selbstversorgt. Es bezieht auch KI-bezogene Komponenten von TSMC, und Gaudi 3 selbst wurde auf TSMCs 5nm-Prozess gefertigt.44
Gaudi 3 ist der letzte dedizierte KI-Beschleuniger in Intels Gaudi-Produktlinie. Intel hat keinen Gaudi-Nachfolger angekündigt, und jeder Schritt seiner veröffentlichten Roadmap danach ist eine GPU.45 46 Der Chip selbst wurde nicht zurückgezogen. Intels Produktseite listet die Gaudi 3 PCIe-Karte (HL-338) weiterhin als lieferbar, und Intel hat keine End-of-Life-Mitteilung dafür veröffentlicht.47 Intel hatte 500 Millionen US-Dollar Gaudi-Umsatz für 2024 angestrebt und gab das Ziel in seinem Q3-Ergebnisgespräch am 31. Oktober 2024 auf. Auf der CES 2026 räumte es ein, dass Gaudi „nicht den Anforderungen des Frontier-KI-Trainingsmarktes entsprach.“45
Intel strich seine Falcon Shores GPU, um auf Jaguar Shores umzuschwenken, einen Rack-Scale-KI-Beschleuniger, dessen bestätigte Details sich auf das Gaudi-Branding und SK hynix HBM4-Speicher beschränken, ohne dass ein Prozessknoten genannt wurde.45 Auf der CES 2026 verwies Intels Roadmap auf „die Shores-Produktlinie“ ohne den Namen Jaguar, und Intel hat keine Umbenennung angekündigt. Intel machte auf der Computex 2026 neue KI-Hardware-Ankündigungen, darunter seinen Xeon-6+-Prozessor auf dem 18A-Knoten.48 49
Crescent Island ist eine Xe3P-basierte, inferenzoptimierte Rechenzentrums-GPU, die erstmals am 14. Oktober 2025 auf dem OCP Global Summit mit 160 GB LPDDR5X und Kundensampling in der zweiten Hälfte 2026 angekündigt wurde.50 Intel beschrieb sie auf der Computex 2026 als luftgekühlte 350W-PCIe-Karte mit Unterstützung für Datentypen von FP4 bis FP64, wobei bis zu 480 GB das Maximum sind, das Partner erreichen können, nicht die eigene Kapazität der Karte.45
4. Qualcomm
Qualcomm ist ein fabless Designer, der vor allem für mobile SoCs bekannt ist, und hat eine Rechenzentrums-Produktlinie angekündigt, die auf Inferenz ausgerichtet ist. Die ältere Cloud KI 100-Familie ist die Qualcomm-Rechenzentrumslinie, die Käufer heute bestellen können. Zwei Qualcomm-Marken, die nur einen Buchstaben auseinanderliegen, flankieren diese Linie. Dragonwing, eingeführt am 25. Februar 2025, deckt industrielle und eingebettete IoT-, Netzwerk- und Mobilfunkinfrastruktur ab und trägt die Edge-KI-Teile des Unternehmens, während Dragonfly, gestartet am 24. Juni 2026, die Rechenzentrumsmarke ist.51
AI200, AI250 und die Rechenzentrums-Roadmap
Am 27. Oktober 2025 kündigte Qualcomm die AI200 und AI250 an, zwei Rack-Scale-KI-Inferenzlösungen; beide fallen jetzt unter die Marke Dragonfly, die Qualcomm im Juni 2026 einführte.52 Die AI200 unterstützt 768 GB LPDDR pro Karte, und Qualcomm sagte bei der Ankündigung, dass die AI200 und AI250 voraussichtlich 2026 bzw. 2027 kommerziell verfügbar sein werden; es hat seitdem keines der beiden Daten erneut genannt. Die AI250 führt eine Near-Memory-Computing-Architektur ein, die laut Qualcomm 133 TB/s effektive Speicherbandbreite pro Karte liefert, das 18-fache der AI200, eine Behauptung für ein Produkt, das noch niemand kaufen kann. Beide Racks verwenden direkte Flüssigkeitskühlung, und Qualcomm spezifiziert jetzt ein 140-kW-OCP-ORv3-konformes Rack statt der bei der Ankündigung genannten 160 kW.53
Am 24. Juni 2026 stellte Qualcomm drei weitere Rechenzentrumsprodukte vor.53 Die Dragonfly C1000 ist eine Rechenzentrums-CPU, die voraussichtlich 2028 kommerziell verfügbar sein wird, und Qualcomm nannte Meta als Kunden im Rahmen einer mehrjährigen Zusammenarbeit über Rechenzentrums-CPUs, nicht KI-Beschleuniger. Qualcomm High Bandwidth Compute (HBC) verbindet Rechenleistung mit beschleunigter Speicherbandbreite in einer 3D-gestapelten Siliziumlösung und ist damit eine Rechenarchitektur und kein Speicherbauteil, und HBC Gen 1, gepaart mit der AI250, wird voraussichtlich Mitte 2027 das kommerzielle Sampling erreichen. Die Dragonfly AI300 ist ein Inferenzbeschleuniger, dessen kommerzielles Sampling für 2028 erwartet wird. Qualcomm strebt bis zum Geschäftsjahr 2029 mehr als 15 Milliarden US-Dollar Rechenzentrumsumsatz an.54
Qualcomm erwartet erste Lieferungen an einen nicht namentlich genannten Hyperscaler-Kunden für kundenspezifisches Silizium später im Kalenderjahr 2026.
Akquisitionen und die Cloud KI 100-Familie
Qualcomm schloss die Übernahme von Alphawave am 18. Dezember 2025 ab. Am 24. Juni 2026 vereinbarte es die Übernahme von Modular Inc, eine Transaktion, die vorbehaltlich der behördlichen Genehmigungen voraussichtlich in der zweiten Hälfte 2026 abgeschlossen wird.55
Vor der Dragonfly-Produktlinie waren Qualcomms Rechenzentrums-Inferenzbeschleuniger die Cloud KI 100-Karten. Die Cloud KI 100 Pro PCIe-Karte verbraucht 75 W und ist mit bis zu 400 TOPS INT8 und bis zu 200 TFLOPS FP16 spezifiziert.
Welche Public-Cloud-Anbieter produzieren KI-Chips?
5. AWS
AWS produziert Trainium-Chips für das Modelltraining und Inferentia-Chips für die Inferenz. Das Unternehmen begann nach Google mit der Entwicklung eigener Chips.
Trainium2-Chips bilden den Project Rainier Cluster, der die Modelle des LLM-Entwicklers Anthropic antreibt. Die Anzahl belief sich bei der Einführung des Clusters im Oktober 2025 auf fast eine halbe Million Chips, und Anthropic gab am 20. April 2026 an, über eine Million Trainium2-Chips zu nutzen.56
Trainium3 und Trn3 UltraServer erreichten am 2. Dezember 2025 die allgemeine Verfügbarkeit.57 Trainium3 ist AWS KI-Chip der vierten Generation und der erste, der auf einem 3nm-Prozess gefertigt wurde, mit 2,52 PFLOPS FP8-Rechenleistung, 144 GB HBM3e und 4,9 TB/s Speicherbandbreite pro Chip. Ein Trn3 UltraServer skaliert auf 144 Chips für 362 FP8 PFLOPS, 20,7 TB HBM3e und 706 TB/s Speicherbandbreite.
AWS kündigte Trainium4 als Roadmap-Punkt auf der re:Invent 2025 an, mit Unterstützung für NVIDIA NVLink Fusion. Im Q1-2026-Ergebnisgespräch sagte Amazon, dass Trainium4 etwa 18 Monate von der breiten Verfügbarkeit entfernt und größtenteils reserviert ist.58
6. Google Cloud Platform
Google Cloud TPU ist der zweckgebundene maschinelle Lernbeschleuniger-Chip, der Google-Produkte antreibt. Google kündigte TPUs im Jahr 2016 an.59 Trillium TPU ist die 6. Generation.60
Ironwood, auch TPU v7 oder TPU7x genannt, ist für komplexe „Denkmodelle“ wie LLMs und MoEs konzipiert, mit 4.614 TFLOPS FP8-Rechenleistung pro Chip und bis zu 42,5 Exaflops in 9.216-Chip-Pods.61 Es bietet die 2-fache Energieeffizienz von Trillium. Jeder Chip verfügt über 192 GB High Bandwidth Memory mit 7,37 TB/s, mit 1,2 TB/s bidirektionalem (9,6 Tb/s) Inter-Chip Interconnect und einem verbesserten SparseCore für große Embeddings.62 Es ging am 24. November 2025 in die Vorschau und erreichte am 31. März 2026 die allgemeine Verfügbarkeit.63
Auf der Cloud Next am 22. April 2026 kündigte Google seine achte TPU-Generation als zwei zweckgebundene Chips an, TPU 8t für Training und TPU 8i für Inferenz.64 Ein TPU 8t-Superpod skaliert auf 9.600 Chips, zwei Petabyte gemeinsames HBM und 121 ExaFLOPS bei FP4. Google sagt, beide werden später im Jahr 2026 verfügbar sein.
7. Alibaba
Alibaba entwirft KI-Beschleuniger über seine Chip-Einheit T-Head (PingTouGe) auf einer selbst entwickelten Parallel Processing Unit (PPU)-Architektur mit einem kundenspezifischen ICN-Interconnect.65
T-Head stellte die Zhenwu 810E am 29. Januar 2026 öffentlich vor. Der Chip verfügt über 96 GB HBM2e und 700 GB/s Inter-Chip-Bandbreite über 7 unabhängige ICN-Links, eine Leistung, die das Unternehmen als vergleichbar mit NVIDIAs H20 beschreibt, und Alibaba Cloud setzt sie in 10.000-Karten-Clustern ein. Dies war eine Offenlegung der Spezifikationen und keine Produkteinführung. Die 810E ist kein neues Silizium aus 2026, und die 10.000-Karten-Bereitstellungen datieren vor der Ankündigung.
Am 19.-20. Mai 2026 kündigte Alibaba die Zhenwu M890 an, mit 144 GB Speicher, 800 GB/s Inter-Chip-Interconnect-Bandbreite, nativer Unterstützung von FP32 bis hinab zu FP4 und der dreifachen Leistung der 810E. Sie wird im Panjiu AL128 Supernode ausgeliefert, der 128 Beschleuniger pro Rack fasst und den ICN Switch 1.0 mit 25,6 Tbps verwendet. Alibaba gibt an, dass die kumulierten Lieferungen der Zhenwu-Serie 560.000 Einheiten überschreiten. Diese Zahl umfasst die gesamte Serie, nicht nur M890-Einheiten.
Einige nordamerikanische, europäische und australische Organisationen (z. B. solche in der Verteidigungsindustrie) ziehen es möglicherweise aus geopolitischen Gründen vor, Alibaba Cloud nicht zu nutzen.
8. IBM
IBM kündigte seinen Deep-Learning-Chip, die Artificial Intelligence Unit (AIU), im Jahr 2022 an.66 Die IBM AIU baut auf dem IBM Telum Processor auf, der die KI-Verarbeitungsfunktionen der IBM Z-Mainframe-Server antreibt.67 IBM demonstrierte auch, dass die Verschmelzung von Rechenleistung und Speicher zu Effizienzsteigerungen im North-Pole-Prozessor-Prototyp führen kann.68
Der kommerziell ausgelieferte IBM-KI-Beschleuniger ist der Spyre Accelerator, angekündigt am 7. Oktober 2025 und verfügbar ab dem 28. Oktober 2025 auf z17 und LinuxONE 5 sowie ab Anfang Dezember 2025 auf Power11.69 Spyre verfügt über 32 Beschleunigerkerne und 25,6 Milliarden Transistoren auf einem 5nm-Prozess, verpackt als 75W-PCIe-Karte mit 128 GB LPDDR5. Bis zu 48 Karten werden in einem Z- oder LinuxONE-System geclustert, gegenüber 16 in Power.
9. Huawei
Huaweis HiSilicon Ascend 910C ist Teil der 2019 eingeführten Ascend-910-Chip-Familie.
KI-Labore in China experimentieren mit der Ascend 910C. Huaweis Cloud hostet DeepSeek-Modelle, und ein Forscher bei DeepSeek behauptet, dass sie 60 % der NVIDIA H100-Inferenzleistung erreichen kann.70
Huawei debütierte mit dem Ascend 950PR-Chip zusammen mit der Atlas-350-Beschleunigerkarte am 20. März 2026.71 Die Atlas-350-Karte ist mit 1,56 PFLOPS FP4-Rechenleistung, 112 GB Huaweis proprietärem HiBL-1.0-HBM mit 1,4 TB/s Speicherbandbreite, 600 W Leistungsaufnahme und 2 TB/s Interconnect spezifiziert. Diese Speicherwerte gehören zur Karte. Das Ascend 950PR-Silizium selbst ist mit 128 GB und 1,6 TB/s spezifiziert. Huawei behauptet, die Karte liefere die 2,8-fache Leistung von NVIDIAs H20, was kein Vergleich auf Augenhöhe ist, da die Hopper-Klasse H20 keine native FP4-Unterstützung bietet.
Huawei hat eine Ascend-Roadmap veröffentlicht, auf der Huawei Connect 2025 Keynote am 18. September 2025.72 Sie listet Ascend 950PR in Q1 2026, Ascend 950DT in Q4 2026, Ascend 960 in Q4 2027 und Ascend 970 in Q4 2028. Die Ascend 950DT ist mit 144 GB HiZQ 2.0, Huaweis zweitem hauseigenen HBM, 4 TB/s Speicherbandbreite, 2 TB/s Interconnect und Decode- sowie Trainings-Workloads spezifiziert, aber Stand Juli 2026 ist sie eine Roadmap-Verpflichtung und kein eingeführtes Produkt. Huawei zeigte den Atlas 950 SuperPoD auf der WAIC 2026 am 18. Juli 2026, wobei die kommerzielle Einführung weiterhin für Q4 2026 vorgesehen ist. Berichte über einen „Ascend 920“ gehen auf die Lieferketten-Berichterstattung vom April 2025 zurück (DigiTimes Asia, 17. April 2025; Commercial Times, 21. April 2025), die einen gemunkelten SMIC N+3 / 6nm-Ersatz für die H20 beschrieb. Huawei hat ein solches Teil nie angekündigt, spezifiziert oder ausgeliefert, und es erscheint nirgendwo auf der veröffentlichten Roadmap.
Welche Cloud-KI-Anbieter produzieren ihre eigenen Chips?
Diese Anbieter haben keine Public Clouds mit umfassenden Fähigkeiten wie die Hyperscaler. Sie bieten begrenzte Cloud-Dienste an, die typischerweise auf KI-Inferenz fokussiert sind. Wir konnten uns für diese Dienste anmelden, ohne mit Vertriebsteams zu sprechen:
10. Groq
Groq wurde von ehemaligen Google-Mitarbeitern gegründet und baute sein Geschäft rund um die LPU (Language Processing Unit) auf, eine Chip-Architektur, die auf Inferenz mit niedriger Latenz statt auf Training abzielt.
Am 24. Dezember 2025 gab Groq bekannt, eine nicht-exklusive Lizenzvereinbarung mit NVIDIA über die Inferenztechnologie von Groq abgeschlossen zu haben und dass Gründer und CEO Jonathan Ross, Präsident Sunny Madra und andere leitende Teammitglieder zu NVIDIA gewechselt sind.73 Groq erklärte, dass es als unabhängiges Unternehmen fortbesteht. CNBC bezifferte die Transaktion auf gemeldete ~20 Milliarden US-Dollar in bar, was sie zur bis dato größten von NVIDIA machen würde, eine Zahl, die Alex Davis, CEO von Groq-Investor Disruptive, zugeschrieben wird, der auch sagte, dass NVIDIA alle Vermögenswerte von Groq mit Ausnahme des GroqCloud-Geschäfts erwirbt.74 NVIDIA hat keine Pressemitteilung zu dem Deal veröffentlicht, NVIDIA-CFO Colette Kress lehnte es ab, den Preis zu kommentieren, und Reuters merkte an, dass keines der Unternehmen ihn bestätigte. Jensen Huang sagte den Mitarbeitern: „Während wir talentierte Mitarbeiter in unsere Reihen aufnehmen und Groqs IP lizenzieren, übernehmen wir Groq nicht als Unternehmen.“ NVIDIA enthüllte das resultierende Produkt, die NVIDIA Groq 3 LPU, auf der GTC am 16. März 2026 als siebten Chip der Vera-Rubin-Plattform.18
Groq operiert nun als Inferenz-Cloud-Anbieter. Im Juni 2026 gab das Unternehmen an, 13 Rechenzentren in Nordamerika, Europa, dem Nahen Osten und APAC zu betreiben, mehr als fünf Millionen Entwickler zu bedienen und seine Inferenz-Cloud bis 2027 auf 200 MW Kapazität zu skalieren.75 Sein Rechenzentrum in Dammam, gebaut mit Aramco Digital, steht hinter einer im Februar 2025 angekündigten saudi-arabischen Investitionszusage von 1,5 Milliarden US-Dollar.76
Groq hat rund 2,4 Milliarden US-Dollar an offengelegter Finanzierung eingesammelt und Produkte wie den GroqChip™ Processor und den GroqCard™ Accelerator ausgeliefert.77 Die jüngste Finanzierungsrunde, 650 Millionen US-Dollar Wachstumskapital, angekündigt am 22. Juni 2026, gab keine Bewertung bekannt, womit die 6,9 Milliarden US-Dollar Post-Money, die am 17. September 2025 bekannt gegeben wurden, die letzte bestätigte Bewertung sind.78 75
11. SambaNova Systems
SambaNova Systems wurde 2017 gegründet, um leistungsstarke, hochpräzise Hardware-Software-Systeme für generative KI-Workloads mit hohem Volumen zu entwickeln. Es sammelte im Februar 2026 eine Series-E-Finanzierungsrunde über 350 Millionen US-Dollar ein.79 Am 8. Juli 2026 schloss es den ersten Close einer Series-F-Runde über 1 Milliarde US-Dollar bei einer Post-Money-Bewertung von 11 Milliarden US-Dollar ab, angeführt von General Atlantic.80
SambaNova stellte die SN50, seine neueste Reconfigurable Data Unit (RDU), am 24. Februar 2026 vor, mit Kundenlieferungen in der zweiten Hälfte 2026, und Stand Juli 2026 wurde keine SN50 ausgeliefert. Die SN50 liefert die 5-fache Rechenleistung pro Beschleuniger und die 4-fache Netzwerkbandbreite im Vergleich zur vorherigen Generation SN40L und unterstützt eine dreistufige Speicherarchitektur für Modelle mit bis zu 10 Billionen Parametern und Kontext von bis zu 10 Millionen Tokens.81 SoftBank Corp. wird der erste Kunde sein, der SN50 in seinen KI-Rechenzentren in Japan einsetzt.
SambaNova kündigte außerdem eine geplante mehrjährige strategische Zusammenarbeit mit Intel an, um KI-Inferenzlösungen bereitzustellen.
SambaNova Systems vermietet seine Plattform über SambaCloud an Unternehmen.82
Welches sind die führenden KI-Chip-Startups?
Wir möchten auch einige Startups in der KI-Chip-Branche vorstellen, deren Namen wir in naher Zukunft vielleicht häufiger hören werden.
12. Cerebras
Cerebras wurde 2015 gegründet und ist der einzige große Chiphersteller, der sich auf Wafer-Scale-Chips konzentriert.83 Wafer-Scale-Chips haben dank ihrer höheren Speicherbandbreite Vorteile in der Parallelität im Vergleich zu GPUs. Allerdings ist das Design und die Herstellung solcher Chips eine aufstrebende Technologie.
Zu den Cerebras-Chips gehören:
- WSE-1 mit 1,2 Billionen Transistoren und 400k Verarbeitungskernen.
- WSE-2 mit 2,6 Billionen Transistoren und 850k Kernen, angekündigt im April 2021 auf einem 7nm-Prozess
- WSE-3 mit 4 Billionen Transistoren und 900k KI-Kernen, angekündigt im März 2024 auf einem 5nm-Prozess.84
WSE-3 ist die aktuell ausgelieferte Generation, und Cerebras hat keinen Nachfolger angekündigt.
Das System von Cerebras arbeitet mit Pharmaunternehmen wie AstraZeneca und GlaxoSmithKline sowie mit Forschungslaboren zusammen, die auf es für Simulationen angewiesen sind. Es zielt auch auf LLM-Hersteller ab, da seine Chips die Inferenzkosten für Frontier-Modelle senken können.
Cerebras bietet seine Chips auch in seiner Cloud für Unternehmen an.
Cerebras wird seit dem 14. Mai 2026 unter dem Ticker CBRS an der Nasdaq gehandelt, nach einem Börsengang, der etwa 6,38 Milliarden US-Dollar Bruttoerlös einbrachte.85 Das Unternehmen prognostiziert für das Geschäftsjahr 2026 einen Kernumsatz von 855-865 Millionen US-Dollar und unterzeichnete am 14. Januar 2026 eine Inferenzvereinbarung über 750 MW mit OpenAI, die laut eigener Q1-Mitteilung einen Wert von mehr als 20 Milliarden US-Dollar hat.86
13. d-Matrix
d-Matrix verfolgt einen neuartigen Ansatz und ersetzt die traditionelle von-Neumann-Architektur durch In-Memory-Computing. Während dieser Ansatz das Potenzial hat, den Engpass zwischen Speicher und Rechenleistung zu beheben, ist er neu und unerprobt. Im November 2025 sammelte d-Matrix 275 Millionen US-Dollar in einer Series C ein und bewertete das Unternehmen mit 2 Milliarden US-Dollar.87
Corsair, die KI-Inferenzplattform des Unternehmens, ging am 9. Juni 2026 in die vollständige Produktion und basiert auf einer SRAM-basierten In-Memory-Compute-Chiplet-Architektur.88
Die 10-fache Beschleunigung, die Corsair zugeschrieben wird, stammt aus partnergeführten Benchmarking und nicht aus unabhängigen Tests. Der Tester, Gimlet Labs, ist ein kommerzieller Partner von d-Matrix, und der Benchmark-Beitrag führt den Mitgründer und CTO von d-Matrix als Autor. Das gemessene Ergebnis ist eine 2-10-fache End-to-End-Verbesserung der Antwortlatenz bei gpt-oss-120b für eine spekulative Dekodierungskonfiguration, nicht eine pauschale 10-fache Beschleunigung gegenüber GPUs.
14. Rebellions
Rebellions ist ein in Korea ansässiges Startup, das sich auf LLM-Inferenz konzentriert. Es fusionierte mit einem anderen koreanischen Halbleiterdesign-Unternehmen, SAPEON.89 Die Gesamtfinanzierung beträgt etwa 850 Millionen US-Dollar.90 Der Börsengang hat nicht stattgefunden. Rebellions sagte am 8. Juli 2026, dass es das erste oder zweite Quartal 2027 anstrebt, mit Tendenz zu einer KOSPI-Hauptnotierung.91
REBEL-Quad ist der Beschleuniger der zweiten Generation, vier Chiplets, die auf Samsungs 4nm-Prozess gefertigt werden, und Rebel100 ist sein produktisierter kommerzieller Name.
15. Tenstorrent
Der neueste Blackhole Tensix Processor von Tenstorrent liefert 664 TFLOPS (BLOCKFP8) Leistung, gepaart mit 32 GB GDDR6-Speicher und 512 GB/s Speicherbandbreite.
Die P150a-Karte kostet 1.399 US-Dollar und verfügt über vier QSFP-DD-800G-Ports für Multi-Karten-Skalierung. Das Einstiegsmodell P100a beginnt bei 999 US-Dollar.92
Ab Januar 2026 werden alle Blackhole p150-Karten mit 120 Tensix-Kernen statt 140 ausgeliefert, und das Firmware-Release v19.5.0 wendete dieselbe Reduzierung rückwirkend auf verkaufte Karten an. Tenstorrent beziffert die Kosten auf 1-2 % bei typischen Workloads.93
Tenstorrent bietet einen vollständig quelloffenen Software-Stack. Das Unternehmen sammelte im Dezember 2024 700 Millionen US-Dollar ein.94
16. Positron
Positron wurde 2023 gegründet und konzentriert sich ausschließlich auf die Inferenz von Transformer-Modellen. Es verfolgt einen ASIC-Ansatz und entwirft, fertigt und montiert seine Chips in den Vereinigten Staaten.
Produkte:
- Atlas (wird jetzt ausgeliefert): Ein Transformer-Inferenzserver mit 8x Positron Archer Transformer Accelerators mit insgesamt 256 GB HBM. Das Unternehmen beansprucht >4-fache Leistung pro Watt und >3-fache Leistung pro Dollar im Vergleich zu NVIDIA-Hopper-Systemen, gebenchmarkt mit Llama 3.1 8B mit BF16-Rechenleistung.95
- Titan (kommt 2027): Ein Nachfolgesystem mit über 8 TB Speicher, angetrieben von 4x Asimov Custom Chips, entwickelt, um bis zu 16 Billionen Parameter-Modelle und 10 Millionen+ Token-Kontextfenster in einem luftgekühlten 4U-Formfaktor zu unterstützen.96
- Asimov (kommt 2027): Kundenspezifisches Inferenzbeschleuniger-Silizium mit über 2 TB Speicher pro Chip.
Positron sammelte Anfang 2026 eine Series-B-Runde von mehr als 230 Millionen US-Dollar ein.97
17. _etched
Ihr Ansatz opfert Flexibilität für Effizienz, indem Modellarchitekturen in ihre Chips eingebrannt werden.
Etched trat am 30. Juni 2026 mit First-Pass-A0-Silizium aus TSMCs N4P-Prozess, mehr als 1 Milliarde US-Dollar an unterzeichneten Kundenverträgen und 800 Millionen US-Dollar an eingeworbenem Kapital aus dem Stealth-Modus hervor.98 Am 23. Juli 2026 kündigte es eine Series C über 300 Millionen US-Dollar bei einer Bewertung von 10,3 Milliarden US-Dollar an, angeführt von Sequoia.99
Das Unternehmen verwendet den Produktnamen Sohu nicht mehr. Es beschreibt sich nun als Entwickler von Frontier-Inferenzclustern, die DeepSeek, Qwen, Mamba und Llama ausführen, sodass das Design nicht mehr nur auf Transformer beschränkt ist.98
Zwei Fragen bleiben offen. Etched hat keinen Drittanbieter-Benchmark veröffentlicht und nennt keinen Kunden für die gemeldeten Verträge, sodass seine Leistungswerte interne Messungen bleiben. Die Obsoleszenzfrage, die das ursprüngliche Sohu-Design aufwarf, gilt nun für den erweiterten Modellsatz, da ein Chip, der um eine feste Gruppe von Architekturen herum gebaut ist, neu ausgerichtet werden muss, sobald diese Architekturen überholt sind.
18. Taalas
Taalas wurde Anfang 2023 gegründet und verdrahtet einzelne Modelle direkt in kundenspezifisches Silizium und produziert das, was das Unternehmen „Hardcore Models“ nennt.100 Das Unternehmen behauptet, jedes bisher ungesehene KI-Modell innerhalb von zwei Monaten in kundenspezifisches Silizium umwandeln zu können.
Die Architektur von Taalas vereint Speicher und Rechenleistung auf einem einzigen Chip mit DRAM-ähnlicher Dichte und eliminiert die Notwendigkeit von HBM, Advanced Packaging, 3D-Stacking, Flüssigkeitskühlung oder Hochgeschwindigkeits-I/O.
Produkte:
- HC1 (jetzt verfügbar): Ein Technologiedemonstrator, fest verdrahtet mit Llama 3.1 8B, gebaut auf TSMC 6nm mit 53 Milliarden Transistoren. Taalas beansprucht 17.000 Tokens pro Sekunde pro Benutzer in einem luftgekühlten 2,5-kW-Server. Das Modell verwendet jedoch aggressive benutzerdefinierte 3-Bit- und 6-Bit-Quantisierung, was zu Qualitätseinbußen im Vergleich zu GPU-Basiswerten führt.101
- HC2 (Roadmap-Ziel für Winter 2026, noch kein Produkt): Eine Plattform der zweiten Generation mit höherer Dichte, schnellerer Ausführung und standardmäßigen 4-Bit-Gleitkommaformaten, um die Quantisierungseinschränkungen von HC1 zu adressieren.
Taalas hat insgesamt 219 Millionen US-Dollar eingesammelt und gibt an, 30 Millionen US-Dollar ausgegeben zu haben, um sein erstes Produkt mit einem Team von 24 Personen auf den Markt zu bringen.
19. Extropic
Extropic sammelte Ende 2023 eine Finanzierungsrunde über 14 Millionen US-Dollar ein, um Thermodynamik für das Rechnen zu nutzen. Die Hardware-Seite listet drei Teile. X0 ist ein Silizium-Prototyp aus Q1 2025, und XTR-0 ist eine Entwicklungsplattform, die im Q3 2025 in begrenzter Stückzahl an ausgewählte Forscher ausgeliefert wurde. Beide wurden am 29. Oktober 2025 vorgestellt. Z1, der erste Chip im Produktionsmaßstab, ist als Early Access im Jahr 2026 gelistet.102
20. Vaire
Vaire ist ein in Großbritannien ansässiges Startup, das an reversiblem Computing arbeitet, einem Ansatz, der darauf abzielt, Chips mit nahezu null Energieverbrauch zu schaffen. Anders als beim traditionellen Computing, bei dem Energie als Wärme verloren geht, recycelt reversibles Computing einen erheblichen Teil der Energie für nachfolgende Berechnungen.
Vaires erster Testchip mit dem Codenamen Ice River ist ein 22nm-CMOS-Demonstrator und kein Produkt. Messungen, die im September 2025 veröffentlicht wurden, ergaben einen Energierückgewinnungsfaktor von 1,77 für eine von Vaires Resonator angetriebene Kondensatoranordnung und 1,41 für ein Schieberegister auf demselben Chip, gegenüber dem in der Simulation vorhergesagten Faktor von etwa 2.103 Die bei Tape-out gemeldete Zahl von 50 % gilt nur für den Resonator und schließt weitere Energieverluste aus.104 105
21. Fractile
Fractile ist ein in Großbritannien ansässiges KI-Inferenz-Chip-Startup, das im Juli 2024 mit 15 Millionen US-Dollar Finanzierung aus dem Stealth-Modus hervorging, um NVIDIA bei der Frontier-Modell-Inferenz herauszufordern.106
Das Unternehmen baut Prozessoren, die Speicher und Rechenleistung physisch auf demselben Die verschränken, was nach eigener Aussage die gleichzeitige Anforderung an niedrige Latenz und hohen Durchsatz löst, die GPUs für die Frontier-Modell-Inferenz nicht erfüllen können. Fractile behauptet, dass sein Design Frontier-Modelle bis zu 25-mal schneller ausführen kann.
Fractile kündigte am 13. Mai 2026 eine Series B über 220 Millionen US-Dollar an.107 Berichte über die Runde bezifferten die Bewertung auf etwa 1 Milliarde US-Dollar, eine Zahl, die das Unternehmen nicht bestätigt hat.
Welche Unternehmen entwerfen KI-Chips für den eigenen Gebrauch?
Diese Unternehmen entwerfen Beschleuniger für ihre eigene Infrastruktur, anstatt sie auf dem freien Markt zu verkaufen, daher sind unabhängige Benchmarks von ihnen rar.
22. Apple
Berichten zufolge konzentriert sich Apples Project ACDC auf den Bau von Chips für KI-Inferenz in Rechenzentren.108 Der Server-Chip trägt Berichten zufolge den Codenamen Baltra und wird mit Broadcom entwickelt, und Apple hat ihn nie offiziell anerkannt. Reuters berichtete am 15. Juli 2026 unter Berufung auf The Information, dass das Projekt zurückgestellt wurde und dass Apples eigene KI-Server immer noch auf M2-Ultra-Chips laufen.109 110 M5 wurde am 15. Oktober 2025 eingeführt, und M5 Pro und M5 Max wurden am 3. März 2026 mit einem Neural Accelerator in jedem GPU-Kern angekündigt. Apple stärkt seine On-Device-KI-Strategie mit dem Core KI-Framework, das Modelle auf Apple-Silizium ohne Serverabhängigkeiten ausführt, unterstützt durch ein Open-Source-Core-KI-Modelle-Repository auf GitHub.111 112
23. Meta
Der Meta Training and Inference Accelerator (MTIA) ist eine Prozessorfamilie für KI-Workloads wie das Training von Metas Llama-Modellen.
Meta benannte die MTIA-Familie am 11. März 2026 um. Das Teil, das Unternehmen zuvor Next Gen MTIA nannte, heißt jetzt MTIA 200. Es basiert auf TSMC-5nm-Technologie, soll die 3-fache Leistung von MTIA v1 bieten und wird in Racks mit bis zu 72 Beschleunigern gehostet.113 MTIA 300 ist für das Training von Ranking und Empfehlungen in Produktion, und MTIA 400, 450 und 500 folgen über 2026 und 2027.114
MTIA ist derzeit für den internen Gebrauch von Meta bestimmt. Sollte Meta jedoch in Zukunft ein Llama-basiertes Enterprise-Generative-KI-Angebot starten, könnten diese Chips ein solches Angebot antreiben.
Am 14. April 2026 kündigten Meta und Broadcom eine mehrjährige, generationenübergreifende strategische Partnerschaft bis 2029 an, in deren Rahmen Broadcom Technologie zur Unterstützung von Metas MTIA-Chips liefert. Die anfängliche Verpflichtung übersteigt 1 GW als erste Phase eines Multi-Gigawatt-Rollouts, und Broadcom sagt, dass sie den branchenweit ersten 2nm-KI-Rechenbeschleuniger zusammen mit Ethernet-Scale-up-, Scale-out- und Scale-across-Netzwerken umfasst.115 Broadcoms Seite der Partnerschaft wird im Abschnitt Broadcom unten behandelt.
24. Microsoft Azure
Auf der Hot Chips 2024 enthüllte Microsoft Maia 100, seinen ersten kundenspezifischen KI-Beschleuniger, der auf TSMCs N5-Prozess basiert. Microsoft brachte Maia 200 (Codename Braga) am 26. Januar 2026 als inferenzfokussierten KI-Beschleuniger für Azure auf den Markt, der die KI-Token-Kosten senken und eine 30 % bessere Leistung pro Dollar im Vergleich zu bestehenden Systemen liefern soll.116
Maia 200 ist auf TSMC 3nm mit mehr als 140 Milliarden Transistoren, 216 GB HBM3e mit 7 TB/s, 272 MB On-Chip-SRAM und mehr als 10 PFLOPS FP4-Rechenleistung innerhalb einer 750 W SoC-TDP gefertigt. Sie wird in der Azure-Region US Central in der Nähe von Des Moines, Iowa, eingesetzt, gefolgt von US West 3 in der Nähe von Phoenix.116
25. OpenAI
OpenAI entwarf seinen ersten KI-Chip mit Broadcom, und die Leitung seines Chip-Teams hat Erfahrung im Design von TPUs bei Google.117 OpenAI hat TSMC als Foundry bestätigt, aber weder OpenAI noch Broadcom haben einen Prozessknoten bestätigt.118 Die koreanische Lieferkettenberichterstattung hat den Codenamen „Titan“ für den Chip verwendet und ihn auf TSMCs N3-Prozess verortet, obwohl keines der Unternehmen diesen Namen verwendet.119
Samsung hat eine Vereinbarung zur Lieferung von HBM4-Speicher für den OpenAI-Chip gesichert und Berichten zufolge über 50 % seiner Pyeongtaek-Foundry-Kapazität für HBM4-Base-Dies für diesen Zweck bereitgestellt.120 OpenAI und Broadcom kündigten im Oktober 2025 eine Zusammenarbeit für 10 Gigawatt kundenspezifische KI-Beschleuniger an. Die Racks sollen in der zweiten Hälfte 2026 starten und bis Ende 2029 abgeschlossen sein. Die Ankündigung besagt, dass die Parteien „ein Term Sheet unterzeichnet haben“ für die Racks und keinen offengelegten definitiven Kaufvertrag, und keines der Unternehmen hat einen finanziellen Wert für die Zusammenarbeit veröffentlicht.117 Am 24. Juni 2026 enthüllten die beiden Jalapeño, OpenAIs ersten Intelligence Processor. Beide Unternehmen geben an, dass Engineering Samples ML-Workloads im Labor mit Produktionszielfrequenz und -leistung ausführen, einschließlich GPT-5.3-Codex-Spark, und dass die Plattform für den ersten Einsatz bis Ende 2026 ausgelegt ist, was den Chip in das Post-Tape-Out-Engineering-Sample-Stadium und nicht in die Massenproduktion einordnet.121 Broadcoms Seite der Vereinbarung, einschließlich seiner anderen Kunden für kundenspezifische Beschleuniger, wird im Abschnitt Broadcom unten behandelt.
Welche anderen KI-Chip-Hersteller gibt es?
26. Graphcore
Graphcore ist ein britisches Unternehmen, das 2016 gegründet wurde. Das Unternehmen kündigte seinen Flaggschiff-KI-Chip als IPU-POD256 an. Graphcore wurde mit rund 700 Millionen US-Dollar finanziert.
Die langfristige Überlebensfähigkeit des Unternehmens war gefährdet, da es jährlich etwa 200 Millionen US-Dollar Verlust machte.122 SoftBank kündigte die Übernahme von Graphcore am 11. Juli 2024 an, und keine der Parteien gab den Preis offiziell bekannt, der auf rund 600 Millionen US-Dollar geschätzt wurde.123 SoftBank injizierte am 10. April 2026 weitere 457 Millionen US-Dollar in Graphcore.124
27. Mythic
Mythic wurde 2012 gegründet und konzentriert sich auf Edge-KI. Mythic verfolgt einen unkonventionellen Weg, eine analoge Rechenarchitektur, die darauf abzielt, energieeffizientes Edge-KI-Computing zu liefern.
Es hat Produkte wie M1076 AMP und MM1076 Key Card entwickelt und etwa 165 Millionen US-Dollar an Finanzierung eingesammelt.125
Mythic entließ den Großteil seiner Mitarbeiter und restrukturierte sein Geschäft mit seiner Finanzierungsrunde im März 2023.126
Mythic sammelte eine überzeichnete Runde über 125 Millionen US-Dollar unter der Leitung von DCVC am 17. Dezember 2025 ein, mit Honda Motor und Lockheed Martin als strategischen Investoren, und übernahm Videantis im Mai 2026.127
28. Speedata
Das 2019 in Tel Aviv gegründete Unternehmen Speedata entwickelt eine Analytics Processing Unit (APU), die darauf ausgelegt ist, Big-Data-Analytics- und KI-Workloads zu beschleunigen. Es ist eine APU, die auf Apache-Spark-Workloads abzielt, mit Plänen, andere große Datenanalyseplattformen zu unterstützen.
Speedata sammelte im Juni 2025 44 Millionen US-Dollar in einer Series-B-Runde ein, angeführt von Walden Catalyst Ventures, 83North und anderen, womit sich die Gesamtfinanzierung auf 114 Millionen US-Dollar erhöht. Das Unternehmen behauptet, dass seine APU Allzweckprozessoren und GPUs übertrifft, indem sie Racks von Servern durch einen einzigen Chip ersetzt und überlegene Leistung und Energieeffizienz für die Datenverarbeitung bietet.128
29. Axelera KI
Das im Juli 2021 in Eindhoven, Niederlande, gegründete Unternehmen Axelera KI ist auf KI-Hardware-Beschleunigungstechnologie für Computer Vision und generative KI spezialisiert. Das Unternehmen entwickelt Titania, ein KI-Inferenz-Chiplet auf Basis seiner Digital In-Memory Computing (D-IMC)-Architektur, das darauf ausgelegt ist, KI-Workloads von der Edge bis zur Cloud zu beschleunigen.
Axelera KI sammelte am 24. Februar 2026 mehr als 250 Millionen US-Dollar ein und erhöhte die Gesamtsumme auf mehr als 450 Millionen US-Dollar an Eigenkapital, Zuschüssen und Venture Debt.129 130
Die Europa AIPU, angekündigt am 21. Oktober 2025, ist mit bis zu 629 TOPS INT8 über 8 KI-Kerne der zweiten Generation und 16 RISC-V-Prozessoren bei etwa 45 W spezifiziert, mit für die erste Hälfte 2026 versprochenen Lieferungen. Eine Pressemitteilung von Andes Technology im Juni 2026 beschrieb sie als Sampling an Lead-Kunden. Titania bleibt für 2028 vorgesehen.
30. NextSilicon
NextSilicon, 2017 in Tel Aviv gegründet, verkauft Maverick-2, einen zur Laufzeit rekonfigurierbaren Datenflussbeschleuniger, der auf TSMCs 5nm-Prozess basiert und als PCIe Gen 5-Karte mit 96 GB HBM3E oder als OAM-Modul mit 192 GB ausgeliefert wird.131 Das Unternehmen gibt an, dass Maverick-2 an Dutzenden von Kundenstandorten eingesetzt wird; der einzige namentlich genannte Standort ist Spectra, ein 64-Knoten-System der Sandia National Laboratories mit 128 Dual-Die-Maverick-2-Beschleunigern, das im Mai 2026 nach Ausführung von HPCG, LAMMPS und SPARTA die vollständige Systemabnahme im Rahmen des Vanguard-Programms von Sandia bestand.132 133 Die von NextSilicon zitierte Zahl 10-mal-eine-GPU-bei-halbem-Stromverbrauch ist ihre eigene, keine unabhängige Messung. Im Juni 2026 gab das Unternehmen bekannt, dass es Arbel, den RISC-V-Kern im Inneren von Maverick-2 und auch einen eigenständigen 2,5-GHz-Testchip, zu 64-Kern- und 128-Kern-Serverprozessoren weiterentwickeln wird, die 3,4 GHz anstreben und im ersten Quartal 2028 erwartet werden.134
Welche Anbieter co-designen kundenspezifische KI-ASICs?
Mehrere der oben aufgeführten Beschleuniger werden nicht allein von dem Unternehmen entworfen, dessen Name auf ihnen steht. Broadcom co-designt kundenspezifische Beschleuniger, die es XPUs nennt, mit dem Kunden, der sie betreiben wird, und liefert das Ethernet-Switching- und Fabric-Silizium, das sie verbindet.
31. Broadcom
Auf seinem Q2-FY2026-Ergebnisgespräch am 3. Juni 2026 meldete Broadcom einen KI-Halbleiterumsatz von 10,8 Milliarden US-Dollar, ein Plus von 143 % im Jahresvergleich, prognostizierte für das Gesamtjahr FY2026 einen KI-Halbleiterumsatz von 56 Milliarden US-Dollar, ein Plus von etwa 180 % gegenüber FY2025, und bekräftigte die Prognose für FY2027 von über 100 Milliarden US-Dollar.135 136
In diesem Gespräch ging Broadcom sechs KI-Kernkunden durch, nannte aber vier davon, Google, Anthropic, OpenAI und Meta. Die anderen beiden bleiben ungenannt und wurden als zwei Kunden mit bisher eingegangenen Kaufaufträgen über 6 Milliarden US-Dollar beschrieben, wobei die Lieferungen Ende 2026 beginnen und sich 2027 beschleunigen. Veröffentlichte Listen, die alle sechs nennen, sind Analystenvermutungen und keine Broadcom-Offenlegung.136
Broadcoms Offenlegung variiert je nach Kunde:
- Google hat eine generationenübergreifende TPU- und KI-Netzwerk-Vereinbarung, ohne dass eine Gigawatt-Zahl genannt wird. Broadcoms Form 8-K legt eine langfristige Vereinbarung zur Entwicklung und Lieferung kundenspezifischer TPUs für Googles zukünftige Generationen offen, zuzüglich einer Lieferzusicherungsvereinbarung für Netzwerkkomponenten bis 2031.137
- Anthropic nimmt 2026 über 1 GW TPU-basierte Rechenleistung ab, zuzüglich einer April-Vereinbarung über weitere 5 GW Rechenleistung ab 2027. Das gleiche Form 8-K beziffert die Zahl auf etwa 3,5 Gigawatt ab 2027, deren Verbrauch es an Anthropics anhaltenden kommerziellen Erfolg knüpft. Die Angabe von 3,5 GW stammt aus Broadcoms Einreichung, während Anthropics eigener Beitrag die Verpflichtung als „mehrere Gigawatt“ quantifiziert. Die Einreichung stellt die Vereinbarung auch als Erweiterung einer bestehenden Zusammenarbeit dar und nicht als neuen Drei-Wege-Vertrag.137
- Für OpenAI wurde Silizium geliefert, die Produktion wird Ende 2026 erwartet, und OpenAI hat 1,3 GW im Jahr 2027 im Rahmen der größeren 10-GW-bis-2029-Vereinbarung unter Vertrag. Der Chip selbst wird im Abschnitt OpenAI oben behandelt.136
- Meta hat eine generationenübergreifende MTIA-XPU-Partnerschaft mit einem Ziel von 3 GW bis Ende 2028, mit einer anfänglichen 1-GW-Bestellung, die ab der zweiten Hälfte 2027 geliefert wird. Hock Tan wechselt aus dem Vorstand von Meta in eine Beraterrolle.136 115
Am 26. Februar 2026 begann Broadcom mit der Auslieferung eines kundenspezifischen 2nm-Compute-SoC, der auf seiner 3.5D eXtreme Dimension System in Package (XDSiP)-Plattform basiert. Dieses SoC ist für Fujitsu zur Unterstützung des FUJITSU-MONAKA-Prozessorprogramms bestimmt und nicht für einen Hyperscaler-XPU, und Broadcom sagt, dass XPUs für seinen breiteren Kundenstamm ab der zweiten Hälfte 2026 ausgeliefert werden.138 Im Netzwerkbereich sagte Broadcom im März 2026, dass Tomahawk 6 der einzige 102,4T-Switch ist, der in Produktionsvolumen ausgeliefert wird, und Jericho 4, ein im August 2025 eingeführter 51,2-Tbps-Fabric-Router, wird ausgeliefert.
Am 9. Juni 2026 kündigte Broadcom die KI XPV Platform mit Apollo und Blackstone als ersten Ankerinvestoren an. Die Plattform soll bis 2028 mehr als 20 Gigawatt Rechenkapazität ermöglichen, unter Verwendung von Broadcom XPUs und Netzwerken, die für Frontier-KI-Labore wie Anthropic und OpenAI angepasst sind. Sie startete mit einer ersten Tranche von 35 Milliarden US-Dollar, die Anthropics zuvor angekündigte Erweiterung um mehr als 1 Gigawatt in Fluidstack-basierten Standorten ab Mitte 2026 finanziert. Die mehr als 20 Gigawatt sind das Designziel der Plattform bis 2028 und werden nicht durch diese Tranche finanziert.139
Schätzungen Dritter zum Anteil kundenspezifischer ASICs am KI-Prozessormarkt hängen davon ab, was gezählt wird. Bloomberg Intelligence teilt den Markt für kundenspezifische ASICs zwischen Broadcom mit 60 % bis 80 % und Marvell mit 20 % bis 25 % auf.
32. Marvell
Marvell entwirft kundenspezifisches KI-Silizium, das es XPUs nennt, für Hyperscaler, zusammen mit dem Interconnect-, Optik- und Netzwerk-Silizium, das diese Chips verbindet. Bloomberg Intelligence sieht es auf Platz zwei hinter Broadcom im Markt für kundenspezifische KI-ASICs.
Marvell meldete einen Rekordumsatz im Geschäftsjahr 2026 von 8.195 Milliarden US-Dollar, ein Plus von 42 %.140 Für das am 27. Mai 2026 berichtete Quartal verzeichnete es einen Rekordumsatz im Rechenzentrum von 1,83 Milliarden US-Dollar, ein Plus von 27 % im Jahresvergleich, prognostizierte rund 11,5 Milliarden US-Dollar für das Geschäftsjahr 2027 und bekräftigte ein Ziel von mehr als 10 Milliarden US-Dollar Umsatz im kundenspezifischen Geschäft im Geschäftsjahr 2029, beides Managementziele und keine berichteten Ergebnisse.
Am 31. März 2026 kündigten NVIDIA und Marvell eine strategische Partnerschaft an, die Marvell über NVLink Fusion mit dem NVIDIA-KI-Fabrik- und KI-RAN-Ökosystem verbindet, zusammen mit einer Zusammenarbeit bei der Siliziumphotonik. NVIDIA investierte im Rahmen dessen 2 Milliarden US-Dollar in Marvell. Im Rahmen der Partnerschaft liefert Marvell kundenspezifische XPUs und NVLink-Fusion-kompatible Scale-up-Netzwerke.141
Marvell schloss zwischen Februar und April 2026 drei Akquisitionen ab, alle auf der optischen und Interconnect-Ebene:
- Celestial KI, abgeschlossen am 2. Februar 2026 für 3,25 Milliarden US-Dollar.142
- XConn Technologies, abgeschlossen am 10. Februar 2026 für etwa 540 Millionen US-Dollar.
- Polariton Technologies, ein Schweizer ETH-Zürich-Spin-off, das an plasmonikbasierter Siliziumphotonik arbeitet, übernommen am 22. April 2026 zu nicht genannten Bedingungen.
Marvells Position bei Amazon ist umstritten. SemiAnalysis schrieb im Dezember 2025, dass „Marvell der große Verlierer ist. Während sie Trainium2 entwarfen, verloren sie das Design-Bakeoff mit Alchip für diese Generation,“ und führte den Verlust auf Ausführungsprobleme bei Trainium2 zurück, darunter Zeitplanverzögerungen und RDL-Interposer-Probleme, die Alchip beheben musste, und beschrieb Trainium3 als ein Annapurna-Frontend-Design, bei dem Alchip das Backend-Physical- und Package-Design übernimmt.143 Am 8. Dezember 2025 stufte Benchmark Marvell auf Hold herab, mit Analystenkommentaren, dass Marvell sowohl Trainium 3 als auch Trainium 4 an Alchip verloren habe, und die Aktie fiel um etwa 7 %. Für diese Berichterstattung gelten zwei Einschränkungen. Der technische Bericht mit Quellenangabe endet bei Trainium3, und der Verlust von Trainium 4 ist die Behauptung des Sell-Side-Analysten. Marvell, Amazons Annapurna Labs und Alchip haben nichts davon bestätigt, und andere Analysten, darunter JPMorgan, widersprachen.
Die Größe des Kundenkontos erklärt die Reaktion. Trainium3 ist seit dem 2. Dezember 2025 verfügbar, und Amazon gab in seinem Ergebnisgespräch zum ersten Quartal 2026 am 29. April 2026 bekannt, dass es über 225 Milliarden US-Dollar an Umsatzverpflichtungen für Trainium hält und dass sein Chip-Geschäft eine jährliche Umsatzrate von über 20 Milliarden US-Dollar aufweist.
Welche CPUs laufen neben KI-Beschleunigern?
Beschleuniger laufen nicht eigenständig. Jedes KI-Rack kombiniert sie mit Host-CPUs. NVIDIAs Vera CPU verfügt über 88 kundenspezifische Olympus-Kerne, die Arm-kompatibel sind, mit 176 Threads über Spatial Multithreading und 1,5 TB LPDDR5X. Googles Axion ist die Host-CPU für beide TPUs der achten Generation, das erste Mal, dass Google x86 in dieser Rolle ersetzt hat, und seine N4A-VMs wurden Ende Januar 2026 verfügbar. AMDs Helios-Racks kombinieren Instinct GPUs mit „Venice“ x86 CPUs der 6. Generation EPYC.
Arm
Arm kündigte am 24. März 2026 an, dass es „zum ersten Mal in der Unternehmensgeschichte in die Produktion von Siliziumprodukten einsteigt,“ beginnend mit der Arm AGI CPU, einer Rechenzentrums-CPU für agentische KI-Infrastruktur. Meta „dient als Lead-Partner und Co-Entwickler.“144 145
Arm gibt an, dass die CPU bis zu 136 Arm Neoverse V3-Kerne, 6 GB/s Speicherbandbreite pro Kern bei einer Latenz von unter 100 ns und eine TDP von 300 W bietet, skalierbar auf 8.160 Kerne pro luftgekühltem Rack und mehr als 45.000 Kerne pro flüssigkeitsgekühltem Rack. Arm beansprucht mehr als die 2-fache Leistung pro Rack gegenüber x86. Dies sind Arms eigene Angaben und wurden nicht unabhängig gemessen.144
Arm lizenziert weiterhin IP und Compute Subsystems (CSS), sodass die AGI CPU eine Silizium-Produktlinie hinzufügt und nicht das Lizenzgeschäft ersetzt. Frühe Systeme sind jetzt verfügbar, mit breiterer Verfügbarkeit in der zweiten Hälfte 2026, und neben Meta nennt Arm Cerebras, Cloudflare, F5, OpenAI, Positron, Rebellions, SAP und SK Telecom als zugesagte Kunden.144 Meta zeigt, wie sehr die Rollen jetzt verschwimmen. Es entwirft sein eigenes MTIA-Silizium, ist Arms AGI-CPU-Lead-Partner, ist ein angekündigter Qualcomm-Rechenzentrums-CPU-Kunde und kauft von AMD und Broadcom.
Als bevorzugte Quelle hinzufügen5 mobile KI-Chip-Anbieter
*Die beliebtesten & aktuellsten Chips sind ausgewählt.
7 Edge-KI-Chips
Die Nachfrage nach Verarbeitung mit niedriger Latenz hat die Innovation bei Edge-KI-Chips vorangetrieben. Die Prozessoren dieser Chips sind darauf ausgelegt, KI-Berechnungen lokal auf Geräten durchzuführen, anstatt auf Cloud-basierte Lösungen angewiesen zu sein:
*Dies sind die von den jeweiligen Anbietern angegebenen Maximalwerte und sie sind nicht direkt zwischen den Zeilen vergleichbar. Ein bei FP4 oder INT4 angegebener Wert beschreibt eine andere Operation als ein bei INT8 angegebener, und als sparse markierte Zeilen sind Anbieterangaben, die Sparsity voraussetzen. TOPS steht für Tera Operations Per Second, TFLOPS für Tera Floating-Point Operations Per Second und GOPS für Giga Operations Per Second.
Am 24. Juli 2026 unterzeichnete Microchip Technology eine definitive Vereinbarung zur Übernahme von Hailo, die voraussichtlich bis zum Ende des am 30. September 2026 endenden Quartals abgeschlossen sein wird, vorbehaltlich der Abschlussbedingungen und behördlichen Genehmigungen, zu nicht genannten Bedingungen.146 Die Übernahme folgte auf ein schwieriges Jahr. Calcalist berichtete am 3. April 2026, dass Hailos Bewertung von einem Höchststand von 1,2 Milliarden US-Dollar um mehr als die Hälfte auf unter 500 Millionen US-Dollar gefallen sei, und Hailo entließ im Juni 2026 etwa die Hälfte seiner verbliebenen Mitarbeiter.
Foundry-Partner und TSMCs Rolle
TSMC ist eine reine Foundry. Es fertigt Halbleiter auf Basis von Kundendesigns, anstatt eigene Chips zu entwickeln, was es von Unternehmen wie NVIDIA und AMD unterscheidet. Samsung Foundry und Intel Foundry Services konkurrieren im selben Markt.
N2, TSMCs 2nm-Knoten, ging im vierten Quartal 2025 in die Volumenproduktion und machte im zweiten Quartal 2026 3 % des Wafer-Umsatzes aus, gegenüber 33 % für 5nm, 30 % für 3nm und 11 % für 7nm.147 TSMCs Roadmap platziert A16 im Jahr 2027, A14 in der zweiten Hälfte 2028 sowie A13 und A12 im Jahr 2029.147 TSMC fertigt KI-Beschleuniger für die folgenden Designer:
Alibabas 2019 Hanguang 800 Inferenzchip, sein letztes bei TSMC produziertes Teil, ist nicht enthalten. US-Exportkontrollen verbieten TSMC nun die Produktion fortschrittlicher KI-Chips für chinesische Designer, und Foundries müssen jede Lieferung bei 7nm und darunter an chinesische Designer überprüfen. Alibabas KI-Silizium von 2026 wird im Inland gefertigt, wobei die Kapazität bei SMIC die angegebene Einschränkung darstellt.65
SemiAnalysis berichtete am 12. März 2026, dass die Front-End-N3-Wafer-Kapazität CoWoS-Packaging als dominierenden Engpass in der KI-Chip-Versorgung abgelöst hat, wobei CoWoS angespannt, aber sich entspannend ist. TrendForce erwartet, dass sich die CoWoS-Angebots-Nachfrage-Lücke von etwa 20 % auf etwa 10 % bis Ende 2026 verringert.148 Micron erreichte die HBM4-36GB-12H-Hochvolumenproduktion für NVIDIAs Vera-Rubin-Plattform am 16. März 2026 mit Pin-Geschwindigkeiten von über 11 Gb/s.149
Expansionspläne
TSMCs angekündigte US-Investitionen belaufen sich auf insgesamt 265 Milliarden US-Dollar über 12 hochmoderne Fertigungs- und Packaging-Anlagen, nach einer zusätzlichen Arizona-Verpflichtung über 100 Milliarden US-Dollar, die am 16. Juli 2026 angekündigt wurde.150
Die Berichte vom März 2025 über ein von TSMC geführtes Joint Venture zum Betrieb der Foundry-Sparte von Intel führten zu keinem Deal. TSMC dementierte aktive Gespräche am 17. April 2025 und erklärte am 26. September 2025, dass es „niemals Gespräche mit einem Unternehmen über die Gründung eines Joint Ventures oder die Lizenzierung oder den Transfer von Technologie geführt hat.“151 Intel wurde stattdessen rekapitalisiert, wobei die US-Regierung im August 2025 eine 9,9%ige Beteiligung für 8,9 Milliarden US-Dollar übernahm.152
Welche KI-Chip-Hersteller gibt es in China?
Aufgrund von US-Sanktionen, die viele chinesische Unternehmen daran hindern, die fortschrittlichsten KI-Chips von AMD und NVIDIA zu erwerben, haben chinesische Käufer ihre Einkäufe bei lokalen Herstellern erhöht.
Huawei und Alibaba werden oben behandelt. Weitere chinesische KI-Chip-Hersteller sind:
- Cambricon (SHA: 688256) meldete für das Geschäftsjahr 2025 einen Umsatz von RMB 6,4972 Milliarden, ein Plus von 453,21 % im Jahresvergleich, und den ersten Ganzjahresgewinn von RMB 2,0592 Milliarden. Die Marktkapitalisierung überschritt am 30. Juni 2026 die Marke von 1 Billion RMB, ein Novum für den STAR Market.
- Baidu Kunlunxin enthüllte am 13. November 2025 zwei Chips. Der Kunlun M100 ist für groß angelegte Inferenz optimiert und war für die Markteinführung Anfang 2026 vorgesehen, und der Kunlun M300, gebaut für Training und Inferenz extrem großer multimodaler Modelle, ist für 2027 vorgesehen. Baidu präsentierte auch zwei Supernode-Systeme, Tianchi 256 (verfügbar im 1. Halbjahr 2026) und Tianchi 512 (verfügbar im 2. Halbjahr 2026), beide auf Basis von Baidus bestehenden Kunlun P800-Chips und nicht auf Basis des M100 oder M300.
- Biren, gegründet von NVIDIA-Alumni, wurde am 2. Januar 2026 an der Hong Kong Stock Exchange im Hauptsegment notiert und sammelte HK$5,58 Milliarden (etwa US$717 Millionen) ein.
- Moore Threads (SHA: 688795) wurde am 5. Dezember 2025 am STAR Market notiert. Der Umsatz im Geschäftsjahr 2025 betrug RMB 1.505 Milliarden, ein Plus von 243,37 % im Jahresvergleich. Das Unternehmen ist weiterhin unprofitabel und steht seit 2023 auf der US Entity List.
- MetaX wurde am 17. Dezember 2025 am STAR Market notiert und sammelte etwa RMB 4,2 Milliarden (US$586-596 Millionen) ein und hat seitdem vertraulich einen sekundären Börsengang in Hongkong beantragt.
- Iluvatar CoreX (HKEX: 9903) wurde am 8. Januar 2026 im Hauptsegment der Hongkonger Börse notiert und sammelte etwa HK$3,68 Milliarden ein.
- Enflame ist nicht notiert. Die IPO-Registrierung wurde am 9.-10. Juli 2026 von der CSRC genehmigt, was den Weg für die Aufnahme von RMB 6 Milliarden (etwa US$883 Millionen) freimacht, aber die Aktien werden Stand Juli 2026 noch nicht gehandelt.153 Der Umsatz 2025 betrug RMB 990 Millionen bei einem Nettoverlust von RMB 1,2 Milliarden, wobei Tencent, ein 20,3%iger Anteilseigner, 83,8 % davon ausmachte.
- SMIC, die Foundry, von der die meisten dieser Designer abhängen, hatte N+3 (5nm-Klasse) Stand Juni 2026 in Volumenproduktion, eine 7nm-Kapazität von etwa 45.000 bis 60.000 Wafern pro Monat und einen Umsatz von 9,3 Milliarden US-Dollar im Jahr 2025.
Inländischer Anteil am chinesischen KI-Beschleuniger-Markt
Die folgende Tabelle stammt aus einem von Reuters eingesehenen IDC-Bericht.154 Sie zählt die Stückzahl ausgelieferter Beschleunigerkarten, nicht Server und nicht Umsatz.
Das inländische Angebot ist selbst konzentriert. Huawei macht etwa die Hälfte der Lieferungen chinesischer Anbieter aus, der Rest verteilt sich auf Alibabas T-Head, Baidu Kunlunxin, Cambricon, Hygon, MetaX und Iluvatar CoreX.154
FAQs
Chips und die Ausrüstung, die sie herstellt, sind die komplexesten von Menschen gebauten Maschinen. Obwohl es viele Unternehmen im Halbleiter-Ökosystem gibt, konzentrierten wir uns auf Chip-Designer wie NVIDIA.
Die meisten Chip-Designer lagern die Chip-Fertigung an Foundries wie TSMC aus. Foundries verwenden Lithografie-Ausrüstung von Unternehmen wie ASML, um diese Chips herzustellen. Das Ökosystem wird von Anbietern wie Arm und Synopsys unterstützt, die IP und Design-Tools liefern.
Eine steigende Anzahl von Parametern, Datensatzgröße und Rechenleistung haben generative KI-Modelle genauer gemacht. Um bessere Deep-Learning-Modelle zu bauen und generative KI-Anwendungen zu betreiben, benötigen Organisationen mehr Rechenleistung und Speicherbandbreite.
Leistungsstarke Allzweckchips (wie CPUs) können hochparallelisierte Deep-Learning-Modelle nicht unterstützen. Daher sind KI-Chips (z. B. GPUs), die parallele Rechenkapazitäten ermöglichen, zunehmend gefragt.
Hyperscaler reagieren darauf, indem sie ihre eigenen Chips entwerfen, ein Prozess, der Jahre dauert. Der Rest muss einen dieser Wege gehen, um eigene KI-Modelle zu bauen.
KI-Hardware wird auch als Neural Processing Units (NPUs), KI-Beschleuniger oder Deep Learning Processors (DLPs) bezeichnet.
Weiterführende Literatur
Für praxisnahe Leistungsvergleiche der behandelten Chips sehen Sie sich unsere Benchmarks an:
- Multi-GPU-Benchmark: Wie NVIDIAs B200, H200, H100 und AMDs MI300X über 1, 2, 4 und 8-GPU-Konfigurationen für LLM-Inferenz skalieren, mit Durchsatz-, Latenz- und Kosten-pro-Token-Analyse.
- GPU-Concurrency-Benchmark: Wie NVIDIAs B200, H200, H100 und AMDs MI300X 1 bis 512 gleichzeitige Anfragen verarbeiten, einschließlich Systemdurchsatz, Abfragegeschwindigkeit, End-to-End-Latenz und Tokens pro Dollar bei jedem Concurrency-Level.
- CUDA vs ROCm: Wie sich AMDs ROCm im Vergleich zu NVIDIAs CUDA in Bezug auf Framework-Unterstützung und Portabilität schlägt, die Software-Frage hinter AMDs Position.
- Edge-KI-Chip-Hersteller: Die Anbieter in der obigen Edge-Tabelle einzeln behandelt, mit den Anwendungsfällen, auf die jedes Teil abzielt.
- Cloud-GPU-Anbieter: 60+ Anbieter, die hier behandelten Beschleuniger stundenweise vermieten, für Teams, die keine Hardware kaufen.
Referenzen
Diese Forschung zitieren
Wählen Sie das Format, das zu Ihrem Veröffentlichungsort passt. Wenn Sie die Link-Version in Ihr CMS einfügen, bleibt der Backlink erhalten.
@misc{dilmegani2026,
author = {Dilmegani, Cem and Sarı, Ekrem},
title = {{Top 30+ KI-Chip-Hersteller: NVIDIA & seine Konkurrenten}},
year = {2026},
month = jul,
howpublished = {\url{https://aimultiple.com/ai-chip-makers}},
note = {AIMultiple. Abgerufen am 28. Juli 2026}
}Referenzlinks
Cems Arbeit wurde von führenden globalen Publikationen zitiert, darunter Business Insider, Forbes, Washington Post, globalen Unternehmen wie Deloitte, HPE und NGOs wie dem World Economic Forum sowie supranationalen Organisationen wie der European Commission.
Während seiner Karriere war Cem als Tech-Berater, Tech-Einkäufer und Tech-Unternehmer tätig. Er beriet Unternehmen über ein Jahrzehnt lang bei McKinsey & Company und Altman Solon in Technologieentscheidungen. Er veröffentlichte auch einen McKinsey-Bericht zur Digitalisierung.
Er leitete die Technologiestrategie und Beschaffung eines Telekommunikationsunternehmens und berichtete dabei direkt an den CEO. Zudem führte er das kommerzielle Wachstum des Deep-Tech-Unternehmens Hypatos an, das innerhalb von 2 Jahren von null auf einen siebenstelligen jährlich wiederkehrenden Umsatz und eine neunstellige Bewertung anwuchs. Cems Arbeit bei Hypatos wurde von führenden Technologiepublikationen wie TechCrunch und Business Insider aufgegriffen.
Cem spricht regelmäßig auf internationalen Technologiekonferenzen. Er schloss sein Studium an der Bogazici University als Computer-Ingenieur ab und hat einen MBA von der Columbia Business School.
Kommentare 2
Teilen Sie Ihre Gedanken
Ihre E-Mail-Adresse wird nicht veröffentlicht. Alle Felder sind erforderlich. Kommentare werden in ihrer Originalsprache belassen.
You forgot to include Tesla with their DOJO supercomputer. From the ground-up, the supercomputer was specifically designed for machine learning and image recognition - which means that every component was designed for it including, but not limited to, PCI board design, CPU, RAM, cooling, power, scalable hardware design and software. If I'm not mistaken, the AI is also the second most widely tested and used in the "wild", just below that of Google due to Google using it in their Search.
Thank you for your feedback, Dave! Here we are only covering companies that sell the chips that they produce. Therefore, companies like Tesla that build supercomputers for their own use or companies that embed chips in their products are out of our scope.
surprised that brainchip (akida) missing in this report. any reasons?
All included companies here raised $100+M. Last time we collected the data, that wasn't the case for akida. Why don't you reach out to us at info@aimultiple.com and let's discuss why it should be included. Thank you!