Top 30+ KI-Chip-Hersteller: NVIDIA & seine Konkurrenten

Basierend auf unseren Erfahrungen 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

*Ausgewählter KI-Chip ist die Komponente, Plattform oder das angekündigte Projekt, das den jeweiligen Anbieter am besten repräsentiert. Bei einigen Einträgen handelt es sich um Systeme, Dienste oder lizenzierbares geistiges Eigentum statt um einen einzelnen Chip.

Sortierung erfolgt nach Kategorie. Anbieter werden nach dem geschätzten Anteil am Umsatz mit KI-Beschleunigern innerhalb der ersten drei Kategorien (führende Hersteller, Public Cloud, öffentliche KI-Cloud) eingestuft, da Absatzzahlen oder Cloud-Nutzung geschätzt werden können. Intel und Qualcomm sind die Ausnahmen. Beide werden aufgrund ihrer Rechenzentrumsgröße und angekündigter Beschleuniger-Roadmaps als führende Hersteller geführt, nicht aufgrund von Umsätzen mit ausgelieferten KI-Beschleunigern. Anbieter in der Kategorie Custom-KI-ASIC-/XPU-Co-Design werden nach dem geschätzten Anteil am Markt für Custom-ASIC-Designs eingestuft. Anbieter in allen anderen Kategorien werden alphabetisch sortiert.

GPUs im Vergleich zu ASICs in KI-Chip-Architekturen

Obwohl die oben genannten Anbieter im selben Markt konkurrieren, verwenden sie grundlegend unterschiedliche Chip-Architekturen:

• GPUs (Graphics Processing Units) sind vielseitig 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 für bestimmte Aufgaben kundenspezifisch 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 im Oktober 2025 prognostiziert, dass die Auslieferungen von KI-Servern auf Basis kundenspezifischer ASICs von Cloud-Anbietern 2026 um 44.6 % wachsen, gegenüber 16.1 % für GPU-basierte KI-Server. Diese Zahlen sind Wachstumsraten der KI-Server-Auslieferungen, aufgeschlüsselt nach Beschleunigertyp, und keine Anzahl ausgelieferter Chips. TrendForce beziffert ASIC-basierte Systeme nun auf etwa 27 % der KI-Server-Stückzahlen 2026, gegenüber 27.8 % am 15. April 2026, nach Verzögerungen bei Chip-Validierung und -Tuning bei Meta und AWS, gegenüber 69.7 % für GPU-basierte Systeme, wobei ASICs bis 2030 etwa 40 % erreichen.²

Welche sind die führenden KI-Chip-Hersteller?

1. NVIDIA

NVIDIA entwickelt seit den 1990er-Jahren Grafikprozessoren (GPUs) für den Gaming-Bereich. NVIDIA ist ein fabless Chiphersteller, der den größten Teil seiner Chipfertigung an TSMC auslagert. Zu den wichtigsten Geschäftsfeldern gehören:

Desktop-KI-Lösungen

DGX Spark (ehemals Project Digits) ist ein Desktop-KI-Supercomputer mit einem Grace-Blackwell-Superchip mit einer NVIDIA-Blackwell-RTX-GPU mit 6.144 CUDA-Kernen und Tensor Cores der fünften Generation mit FP4-Präzision, die über die NVIDIA-NVLink-C2C-Chip-zu-Chip-Verbindung mit einer 20-Kern-NVIDIA-Grace-CPU verbunden ist, mit bis zu 1 Petaflop KI-Rechenleistung und 128GB gemeinsamem Speicher.³⁴

Rechenzentrumslösungen

Das Unternehmen stellt KI-Chips nach seinen Architekturen Ampere, Hopper und zuletzt Blackwell her. Dank des Booms bei generativer KI stieg der Umsatz von NVIDIA stark, die Marktkapitalisierung überschritt 1 Billion US-Dollar, und das Unternehmen baute seine Führung im Markt für GPUs und KI-Hardware aus. Das folgende Diagramm zeigt, wie der Umsatz von NVIDIA in diesem Segment im Laufe der Jahre gewachsen ist und wie er zur wichtigsten Einnahmequelle des Unternehmens geworden ist.

Die Diagrammdaten stammen aus den Finanzberichten der NVIDIA Corporation.⁵

DGX™ A100 und H100 waren die Flaggschiff-KI-Chips von NVIDIA und wurden für KI-Training und Inferenz in Rechenzentren entwickelt. NVIDIA führte diese mit folgenden Produkten fort:

• 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. Morgan Stanley veranschlagte NVIDIA im März 2026 auf etwa 85 % des Umsatzes mit KI-Prozessoren, kundenspezifische ASICs auf über 10 % und AMD auf unter 5 %.⁷ Bloomberg Intelligence erwartet, dass NVIDIA bis 2030 70 % bis 75 % des Marktes für KI-Beschleuniger hält.⁸

NVIDIA brachte außerdem sein Angebot DGX Cloud auf den Markt und stellt Unternehmen damit direkt Cloud-GPU-Infrastruktur bereit, unter Umgehung von Cloud-Anbietern.

GPUs für Grafik

Die GPUs von NVIDIA für Endverbraucher umfassen die GeForce-Serie, und die Switch 2 von Nintendo läuft auf einem kundenspezifischen NVIDIA-Prozessor.⁹

Jüngste Entwicklungen

DGX Cloud Lepton

Am 19. Mai 2025 angekündigt, 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, auf der GTC 2025 angekündigt, 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 Servers und Enterprise-KI-Factory

Im Mai 2025 auf der Computex angekündigt, stellte NVIDIA RTX PRO Servers vor, die mit RTX PRO 6000 Blackwell Server Edition GPUs ausgestattet sind und für Enterprise-KI-Fabriken konzipiert wurden.¹²

NVIDIA Vera Rubin Plattform

NVIDIA stellte Vera Rubin, seine Plattform nach Blackwell Ultra, auf der CES 2026 als Plattform mit sechs Chips vor.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 als in voller Produktion.¹⁴ Die Produktionsauslieferungen beginnen im Herbst 2026, zunächst an acht Cloud-Partner.¹⁵ Blackwell und das GB300 NVL72 blieben bis zum ersten Quartal des Geschäftsjahres 2027 das umsatzstarke Volumenprodukt.

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 Die Rubin-GPU wird Berichten zufolge auf TSMCs N3P mit HBM4 gefertigt, ein Knoten, den NVIDIA nicht bestätigt hat.

Der siebte Chip stammt aus der Lizenzvereinbarung von NVIDIA mit Groq vom Dezember 2025, die im Abschnitt Groq weiter unten behandelt wird.

Die Groq 3 LPU ist ein dedizierter Inferenz-Chip und wird von Samsung Foundry gefertigt.¹⁷ Groq-3-LPX-Racks sind für die zweite Hälfte 2026 geplant, und NVIDIA prognostiziert eine bis zu 35x höhere Durchsatzleistung pro Megawatt für Modelle mit Billionen Parametern, 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 durch Fortschritte bei Chip-Design und Interconnect jährlich mehrfach verbessert, sollten Käufer klugerweise nicht über ihren jährlichen Bedarf hinaus kaufen, da dies zu veralteten Systemen führen kann.

Zölle & Exportbeschränkungen

Vier verschiedene Maßnahmen regeln den Verkauf fortschrittlicher KI-Chips nach China, und sie werden häufig miteinander vermischt.

Zuerst änderte sich die Lizenzierung. Am 13. Januar 2026 kündigte das US Bureau of Industry and Security eine endgültige Regelung an, mit der Lizenzanträge für NVIDIA H200, AMD MI325X und ähnliche Chips von einer Ablehnungsvermutung auf eine Einzelfallprüfung umgestellt werden, unter Bedingungen zu Exporteur-Zertifizierungen, Kundenverifizierungsprüfungen und unabhängigen Tests vor dem Versand.¹⁹ Daneben gilt eine Mengenobergrenze: Die Gesamtlieferungen eines bestimmten Chips nach China und Macau dürfen 50 % der Menge desselben Produkts nicht überschreiten, die der Exporteur an US-Kunden für die Endnutzung in den USA geliefert hat.¹⁹

Zwei weitere Maßnahmen sind beide auf 25 % festgelegt und werden routinemäßig als eine behandelt. Präsident Trump kündigte am 8. Dezember 2025 eine 25 % Umsatzbeteiligung der US-Regierung an H200-Verkäufen nach China an und bekräftigte sie am 14. Januar 2026, während das Weiße Haus am 14. Januar 2026 einen separaten Zoll von 25 % nach Section 232 auf fortschrittliche Halbleiter mit denselben Leistungsschwellen ankündigte, mit Ausnahmen unter anderem für US-Rechenzentren und US-amerikanische Forschung und Entwicklung.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; eine offizielle chinesische Regelung in diesem Sinne wurde nicht veröffentlicht.

Die Genehmigung hat sich nicht in Verkäufen niedergeschlagen. Am 14. Juli 2026 sagte der Unterstaatssekretär im Handelsministerium Jeffrey Kessler bei einer Kongressanhörung: „Sehr wenige Lieferungen im Rahmen von Lizenzen für H200s und gleichwertige Produkte haben stattgefunden. Es handelt sich um eine sehr kleine Chip-Menge.“ NVIDIA wies sowohl in den Ergebnissen vom Februar 2026 als auch vom Mai 2026 keinerlei Umsatz mit Rechenzentrums-Computing in China aus.

Wettbewerb im Inferenzmarkt

Während NVIDIA den KI-„Trainingsmarkt“ dominiert, verschärft sich der Wettbewerb im Bereich „Inferenz“, also beim 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 geringeren Stromverbrauch. Das Feld ist sowohl geschrumpft als auch gewachsen. 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 KI-Techniken für „Reasoning“ erfordern mehr Rechenleistung. NVIDIA ist überzeugt, dass sich Reasoning langfristig zugunsten seiner Architektur auswirken wird, und erwartet, dass der Inferenzmarkt den Trainingsmarkt größenmäßig schließlich in den Schatten stellt, selbst wenn sein Marktanteil kleiner ist.²¹

2. AMD

AMD ist ein fabless Chiphersteller mit CPU-, GPU- und KI-Beschleunigerprodukten.

AMD brachte MI300 für KI-Trainings-Workloads im Juni 2023 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 generativer KI schwer zu beschaffen war.²²²³²⁴

Im Jahr 2025 übernahm AMD ein Team von KI-Hardware- und Software-Ingenieuren von Untether KI sowie das Compiler-Startup Brium. Im Juni 2026 kündigte AMD die Übernahme von MEXT an, dessen Predictive-Memory-Technologie Flash-Speicher ähnlicher wie DRAM verhalten lassen und die Speicherkosten im Rechenzentrum senken soll.²⁵²⁶

AMD brachte die Instinct MI350X und MI355X am 12. Juni 2025 auf der Advancing KI 2025 auf den Markt.²⁷ Die MI355X wird 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 groß angelegte Instinct-Vereinbarungen unterzeichnet: OpenAI am 6. Oktober 2025 über 6 GW, wobei die erste 1 GW Kapazität der MI450-Serie ab der zweiten Hälfte 2026 kommt;²⁹ Oracle Cloud Infrastructure als Startpartner am 14. Oktober 2025 für anfänglich 50.000 GPUs der MI450-Serie ab dem Kalenderquartal Q3 2026;³⁰ Meta am 24. Februar 2026 für bis zu 6 GW ab der zweiten Hälfte 2026, mit einer kundenspezifischen Instinct-GPU auf Basis der MI450-Architektur statt einer Standard-MI450;³¹³² und Anthropic am 22. Juli 2026 für bis zu 2 GW GPUs der MI450-Serie in Helios-Racks ab der ersten Hälfte 2027.³³

Nach einer öffentlichen Auseinandersetzung zwischen AMD und NVIDIA über das Benchmarking von H100 und MI300 zeigen die jüngsten Benchmarks, dass MI300 bei der Inferenz eines 70B-LLM besser oder gleichauf mit H100 abschneidet.³⁴

MI400-Serie

AMD brachte die Instinct MI400-Serie auf der Advancing KI 2026 am 22. bis 23. Juli 2026 auf den Markt.³⁵ Die MI455X ist das KI-fokussierte Mitglied der Familie. AMD führt sie als CDNA5 auf „TSMC 2nm | 3nm FinFET“ mit 320 Milliarden Transistoren, 432 GB HBM4, 23.3 TB/s Spitzenspeicherbandbreite und 40.3 PFLOPS OCP-MXFP4.³⁶ Helios, das auf der MI400-Serie basierende Rackscale-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 lokale Unternehmens-KI in einem kompakten Formfaktor mit acht GPUs vorgestellt, und AMD hat seitdem keine Spezifikationen dafür veröffentlicht.³⁷ Weiter draußen sieht die Roadmap von AMD die Instinct MI500-Serie für 2027 und die MI600-Serie für 2028 vor; Details zur CDNA-6-Architektur, zur 2nm-Prozesstechnologie und zum HBM4E-Speicher für die MI500 wurden auf der CES 2026 genannt.³⁵

Die MI430X ist das HPC- und Sovereign-KI-Mitglied der MI400-Serie. AMD kündigte sie am 19. November 2025 während der SC25-Woche und nicht auf der Advancing KI 2026 an, mit 432 GB HBM4 und 19.6 TB/s, und aktualisierte die Spezifikationen am 23. Juli 2026. Die Produktseite von AMD listet nun bis zu 288 TFLOPS hardwarebasierter theoretischer FP64-Spitzenleistung, bis zu 9.2 PFLOPS Spitzenleistung bei FP4 und MXFP4, 432 GB integriertem HBM4 und bis zu 23.3 TB/s theoretischer Spitzenspeicherbandbreite.³⁸ Das Unterscheidungsmerkmal gegenüber der MI455X ist FP64 mit voller Rate für wissenschaftliches Rechnen statt KI-Durchsatz bei niedriger Präzision.

AMD erwartet, dass die MI430X 2027 verfügbar sein wird, und hat weder Transistoranzahl, Board-Leistung noch 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 nennt, und die FAQ auf der MI430X-Seite enthält einen Tippfehler mit 2.3 TB/s.³⁸

AMD nennt drei Zielsysteme für die MI430X: Discovery im 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 Oak-Ridge-KI-Fabrikcluster, basiert auf MI355X und ist kein MI430X-System.

Software

Die KI-Software von AMD läuft auf dem ROCm-Stack. SemiAnalysis gab AMD in einem Benchmark vom 22. Dezember 2024, bei dem MI300X gegen H100 und H200 antrat, eine Chance von 0 %, den CUDA-Moat von NVIDIA zu brechen, und stellte fest, dass CUDA bei den meisten Aufgaben out of the box funktionierte, während AMD-Software erhebliche Konfiguration erforderte.³⁹

Dieselben Analysten haben diese Einschätzung inzwischen am 25. Juli 2026 revidiert, zu „eine große Erfolgschance, solange AMD die beiden unten beschriebenen Hauptrisiken löst“: die Produktionshochlauf des Helios-Racks, bei dem schwache SerDes erfordern, dass bis zu 85 % der Backplane mit über 550 Broadcom-Ethernet-Retimern pro Rack neu getaktet werden, sowie ein anhaltender Mangel an stabilen internen GPU-Clustern für die Softwareentwicklung und automatisiertes Testen in der CI.⁴⁰

Auf der Advancing KI 2026 verpflichtete sich AMD zu einem festen sechswöchigen Feature-Release-Rhythmus anstelle des bisherigen etwa vierteljährlichen Zyklus.⁴¹

Ökosystem

Ähnlich wie NVIDIA investiert AMD selektiv in Nutzer seiner Lösungen, um die Einführung seiner Hardware voranzutreiben.⁴² Außerdem hat das Unternehmen Eigenkapital an seine größten Verpflichtungen geknüpft und OpenAI und Meta jeweils einen leistungsabhängigen Optionsschein über bis zu 160 Millionen Aktien zu 0.01 US-Dollar gewährt, der an Meilensteine bei der Auslieferung von Instinct-Produkten gebunden ist.⁴³

3. Intel

Intel blickt auf eine lange Geschichte in der Halbleiterentwicklung zurück. Anders als die fabless Unternehmen NVIDIA und AMD besitzt Intel eigene Fabs und fertigt Teile wie den auf 18A basierenden Xeon 6+ intern. Das Unternehmen ist nicht ausschließlich selbstversorgend. Es bezieht auch KI-bezogene Komponenten von TSMC, und Gaudi 3 selbst wurde im 5nm-Prozess von TSMC gefertigt.⁴⁴

Gaudi 3 ist der letzte dedizierte KI-Beschleuniger in der Gaudi-Linie von Intel. Intel hat keinen Gaudi-Nachfolger angekündigt, und jeder Schritt der veröffentlichten Roadmap danach ist eine GPU.⁴⁵⁴⁶ Der Chip selbst wurde nicht zurückgezogen. Die Produktseite von Intel führt die Gaudi-3-PCIe-Karte (HL-338) weiterhin als lieferbar, und Intel hat keine End-of-Life-Mitteilung dafür veröffentlicht.⁴⁷ Intel strebte für 2024 einen Gaudi-Umsatz von 500 Millionen US-Dollar an und gab dieses Ziel in der Telefonkonferenz zu den Ergebnissen des dritten Quartals am 31. Oktober 2024 auf. Auf der CES 2026 räumte das Unternehmen ein, dass Gaudi „die Anforderungen des Marktes für KI-Frontier-Training nicht erfüllt hat.“⁴⁵

Intel hat seine Falcon-Shores-GPU gestrichen, um auf Jaguar Shores umzuschwenken, einen Rackscale-KI-Beschleuniger, dessen bestätigte Details sich auf das Gaudi-Branding und HBM4-Speicher von SK hynix beschränken, ohne Angabe eines Prozessknotens.⁴⁵ Auf der CES 2026 bezog sich die Roadmap von Intel 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.⁴⁸⁴⁹

Crescent Island ist eine Xe3P-basierte, inferenzoptimierte Rechenzentrums-GPU, die erstmals am 14. Oktober 2025 auf dem OCP Global Summit angekündigt wurde, mit 160GB LPDDR5X und für die zweite Hälfte 2026 erwartetem Kunden-Sampling.⁵⁰ Intel beschrieb sie auf der Computex 2026 als luftgekühlte 350W-PCIe-Karte, die Datentypen von FP4 bis FP64 unterstützt, mit bis zu 480GB als Maximum, das Partner bauen können, und nicht als Kapazität der Karte selbst.⁴⁵

4. Qualcomm

Qualcomm ist ein fabless Designer, der vor allem für mobile SoCs bekannt ist, und hat eine Rechenzentrums-Produktlinie rund um Inferenz angekündigt. Die ältere Cloud-KI-100-Familie ist die Qualcomm-Rechenzentrumslinie, die Käufer heute bestellen können. Zwei Qualcomm-Marken, die sich nur um einen Buchstaben unterscheiden, liegen auf beiden Seiten dieser Linie. Dragonwing, eingeführt am 25. Februar 2025, deckt industrielles und eingebettetes IoT, Netzwerk- und Mobilfunkinfrastruktur ab und umfasst die Edge-KI-Teile des Unternehmens, während Dragonfly, das am 24. Juni 2026 eingeführt wurde, die Rechenzentrumsmarke ist.⁵¹

AI200, AI250 und die Rechenzentrums-Roadmap

Am 27. Oktober 2025 kündigte Qualcomm AI200 und AI250 an, zwei Rackscale-KI-Inferenzlösungen; beide fallen nun unter die Marke Dragonfly, die Qualcomm im Juni 2026 eingeführt hat.⁵² Der AI200 unterstützt 768 GB LPDDR pro Karte, und Qualcomm erklärte bei der Ankündigung, dass AI200 und AI250 voraussichtlich 2026 bzw. 2027 kommerziell verfügbar sein würden; seitdem hat das Unternehmen keines der beiden Daten erneut genannt. Der AI250 führt eine Near-Memory-Computing-Architektur ein, die laut Qualcomm 133 TB/s effektive Speicherbandbreite pro Karte liefert, das 18-fache des AI200 – eine Behauptung für ein Produkt, das noch niemand kaufen kann. Beide Racks verwenden direkte Flüssigkeitskühlung, und Qualcomm spezifiziert nun ein 140 kW OCP-ORv3-konformes Rack anstelle des bei der Ankündigung genannten Werts von 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 mehrgenerationen Zusammenarbeit, die Rechenzentrums-CPUs und nicht KI-Beschleuniger umfasst. Qualcomm High Bandwidth Compute (HBC) verbindet Rechenleistung mit beschleunigter Speicherbandbreite in einer 3D-gestapelten Siliziumlösung und ist damit eine Compute-Architektur und kein Speicherbauteil; HBC Gen 1, kombiniert mit dem AI250, soll Mitte 2027 kommerzielles Sampling erreichen. Der 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 Hyperscaler-Kunden für Custom-Silicon, den es nicht genannt hat, später im Kalenderjahr 2026.

Übernahmen und die Cloud-KI-100-Familie

Qualcomm schloss die Übernahme von Alphawave am 18. Dezember 2025 ab. Am 24. Juni 2026 vereinbarte das Unternehmen die Übernahme von Modular Inc; der Abschluss wird vorbehaltlich behördlicher Genehmigungen in der zweiten Hälfte 2026 erwartet.⁵⁵

Vor der Dragonfly-Linie waren die Cloud-KI-100-Karten die Inferenzbeschleuniger für Rechenzentren von Qualcomm. Die Cloud-KI-100-Pro-PCIe-Karte hat eine Leistungsaufnahme von 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. Beim Start des Clusters im Oktober 2025 lag die Zahl bei fast einer halben Million Chips, und Anthropic gab am 20. April 2026 an, über eine Million Trainium2-Chips zu nutzen.⁵⁶

Trainium3 und Trn3 UltraServers erreichten am 2. Dezember 2025 die allgemeine Verfügbarkeit.⁵⁷ Trainium3 ist der KI-Chip der vierten Generation von AWS und der erste, der in einem 3nm-Prozess gefertigt wird, 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 auf der re:Invent 2025 als Roadmap-Element an, mit Unterstützung für NVIDIA NVLink Fusion. In der Telefonkonferenz zu Q1 2026 erklärte Amazon, Trainium4 sei etwa 18 Monate von der breiten Verfügbarkeit entfernt und größtenteils reserviert.⁵⁸

6. Google Cloud Plattform

Die Google Cloud-TPU ist der zweckgebundene Machine-Learning-Beschleunigerchip, der Google-Produkte antreibt. Google kündigte TPUs im Jahr 2016 an.⁵⁹ Die Trillium-TPU ist die 6th Generation.⁶⁰

Ironwood, auch TPU v7 oder TPU7x genannt, ist für komplexe „Thinking-Modelle“ wie LLMs und MoEs ausgelegt, mit 4.614 TFLOPS FP8-Rechenleistung pro Chip und bis zu 42.5 Exaflops in Pods mit 9.216 Chips.⁶¹ Es bietet die 2x Energieeffizienz von Trillium. Jeder Chip besitzt 192 GB High Bandwidth Memory mit 7.37 TB/s, 1.2 TB/s bidirektionalem (9.6 Tb/s) Inter-Chip Interconnect und einen verbesserten SparseCore für große Embeddings.⁶² Die Vorschau startete am 24. November 2025, die allgemeine Verfügbarkeit wurde am 31. März 2026 erreicht.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 gemeinsamen HBM und 121 ExaFLOPS bei FP4. Google sagt, beide werden später im Jahr 2026 verfügbar sein.

7. Alibaba

Alibaba entwirft KI-Beschleuniger über seine Chiplainheit T-Head (PingTouGe) auf einer selbst entwickelten Parallel-Processing-Unit (PPU)-Architektur mit einem kundenspezifischen ICN-Interconnect.⁶⁵

T-Head erläuterte die Zhenwu 810E öffentlich am 29. Januar 2026. Der Chip besitzt 96 GB HBM2e und 700 GB/s Inter-Chip-Bandbreite über 7 unabhängige ICN-Links; die Leistung beschreibt das Unternehmen als vergleichbar mit NVIDIAs H20, und Alibaba Cloud setzt ihn in Clustern mit 10.000 Karten ein. Dies war die Offenlegung von Spezifikationen und keine Produkteinführung. Die 810E ist kein neues Silizium aus dem Jahr 2026, und die 10.000-Karten-Bereitstellungen datieren vor der Ankündigung.

Am 19. bis 20. Mai 2026 kündigte Alibaba die Zhenwu M890 an, mit 144 GB Speicher, 800 GB/s Inter-Chip-Verbindungsbandbreite, nativer Unterstützung von FP32 bis 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 bezieht sich auf die gesamte Serie, nicht auf M890-Einheiten.

Einige nordamerikanische, europäische und australische Organisationen (z. B. in der Verteidigungsindustrie) ziehen es aus geopolitischen Gründen möglicherweise vor, Alibaba Cloud nicht zu nutzen.

8. IBM

IBM kündigte 2022 seinen Deep-Learning-Chip an, die Artificial Intelligence Unit (AIU).⁶⁶ Die IBM AIU baut auf dem IBM Telum Processor auf, der die KI-Verarbeitungsfunktionen der IBM-Z-Mainframe-Server bereitstellt.⁶⁷ IBM zeigte außerdem, dass die Verschmelzung von Compute und Speicher im North-Pole-Prozessorprototyp zu Effizienzgewinnen führen kann.⁶⁸

Der kommerziell ausgelieferte IBM-KI-Beschleuniger ist der Spyre Accelerator, angekündigt am 7. Oktober 2025 und ab dem 28. Oktober 2025 für z17 und LinuxONE 5 sowie ab Anfang Dezember 2025 für Power11 verfügbar.⁶⁹ Spyre verfügt über 32 Beschleunigerkerne und 25.6 Milliarden Transistoren in einem 5nm-Prozess, verpackt als 75W-PCIe-Karte mit 128 GB LPDDR5. Bis zu 48 Karten bilden einen Cluster in einem Z- oder LinuxONE-System, gegenüber 16 in Power.

9. Huawei

Die HiSilicon Ascend 910C von Huawei ist Teil der 2019 eingeführten Chip-Familie Ascend 910.

KI-Labore in China experimentieren mit der Ascend 910C. Die Cloud von Huawei hostet DeepSeek-Modelle, und ein Forscher bei DeepSeek gibt an, dass die 60 % der Inferenzleistung einer NVIDIA H100 erreichen kann.⁷⁰

Huawei stellte den Ascend-950PR-Chip zusammen mit der Beschleunigerkarte Atlas 350 am 20. März 2026 vor.⁷¹ Die Karte Atlas 350 ist mit 1.56 PFLOPS FP4-Rechenleistung, 112 GB Huawei-eigenem HiBL-1.0-HBM mit 1.4 TB/s Speicherbandbreite, 600 W Leistungsaufnahme und 2 TB/s Interconnect spezifiziert. Diese Speicherangaben gehören zur Karte. Das Ascend-950PR-Silizium selbst ist mit 128 GB und 1.6 TB/s spezifiziert. Huawei gibt an, dass die Karte das 2.8-fache der Leistung von NVIDIAs H20 liefert, was kein direkter Vergleich ist, da die H20 der Hopper-Klasse keine native FP4-Unterstützung besitzt.

Huawei hat eine Ascend-Roadmap veröffentlicht, in der Keynote auf der Huawei Connect 2025 am 18. September 2025.⁷² Sie führt 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 sowie Decode- und Trainings-Workloads spezifiziert, ist jedoch bis Juli 2026 eine Roadmap-Zusage 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 geplant 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) und beschreiben einen gemunkelten SMIC-N+3-/6nm-Ersatz für die H20. Huawei hat ein solches Produkt nie angekündigt, spezifiziert oder ausgeliefert, und es erscheint nirgendwo auf der veröffentlichten Roadmap.

Welche Cloud-KI-Anbieter produzieren ihre eigenen Chips?

Diese Anbieter verfügen nicht über Public Clouds mit umfassenden Fähigkeiten wie die Hyperscaler. Sie bieten begrenzte Cloud-Dienste an, die typischerweise auf KI-Inferenz ausgerichtet 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, dass das Unternehmen eine nicht-exklusive Lizenzvereinbarung mit NVIDIA über die Inferenztechnologie von Groq geschlossen hat und dass Gründer und CEO Jonathan Ross, President Sunny Madra und weitere Führungskräfte zu NVIDIA gewechselt sind.⁷³ Groq erklärte, als unabhängiges Unternehmen weiterzubestehen. CNBC bezifferte die Transaktion mit Berichten zufolge rund 20 Milliarden US-Dollar in bar, was sie zur bisher größten von NVIDIA machen würde; diese Zahl wurde Alex Davis zugeschrieben, CEO des Groq-Investors Disruptive, der außerdem sagte, NVIDIA übernehme alle Vermögenswerte von Groq mit Ausnahme des GroqCloud-Geschäfts.⁷⁴ NVIDIA hat keine Pressemitteilung zu dem Deal veröffentlicht, NVIDIA-CFO Colette Kress lehnte eine Stellungnahme zum Preis ab, und Reuters wies darauf hin, dass keines der beiden Unternehmen den Deal bestätigt hat. Jensen Huang teilte den Mitarbeitern mit: „Wir nehmen zwar talentierte Mitarbeiter in unsere Reihen auf und lizenzieren das geistige Eigentum von Groq, aber wir übernehmen Groq nicht als Unternehmen.“ NVIDIA stellte das daraus resultierende Produkt, die NVIDIA Groq 3 LPU, auf der GTC am 16. März 2026 als siebten Chip der Vera-Rubin-Plattform vor.¹⁸

Groq agiert heute als Inferenz-Cloud-Anbieter. Im Juni 2026 teilte das Unternehmen mit, dass es 13 Rechenzentren in Nordamerika, Europa, dem Nahen Osten und APAC betreibt, mehr als fünf Millionen Entwickler bedient und seine Inferenz-Cloud bis 2027 auf 200 MW Kapazität skaliert.⁷⁵ Das Rechenzentrum in Dammam, das mit Aramco Digital gebaut wurde, steht hinter einer im Februar 2025 angekündigten saudi-arabischen Investitionszusage von 1.5 Milliarden US-Dollar.⁷⁶

Groq hat nach eigener Darstellung rund 2.4 Milliarden US-Dollar an offengelegter Finanzierung aufgenommen und Produkte wie den GroqChip™-Prozessor und den GroqCard™-Beschleuniger ausgeliefert.⁷⁷ Die jüngste Runde über 650 Millionen US-Dollar Wachstumskapital, angekündigt am 22. Juni 2026, nannte keine Bewertung, womit die am 17. September 2025 bekannt gegebene Post-Money-Bewertung von 6.9 Milliarden US-Dollar die letzte bestätigte Bewertung bleibt.⁷⁸⁷⁵

11. SambaNova Systems

SambaNova Systems wurde 2017 gegründet, um leistungsstarke, hochpräzise Hardware-Software-Systeme für generative KI-Workloads mit hohem Volumen zu entwickeln. Das Unternehmen schloss im Februar 2026 eine Series-E-Runde über 350 Millionen US-Dollar ab.⁷⁹ Am 8. Juli 2026 vollzog es den ersten Abschluss einer Series-F-Runde über 1 Milliarde US-Dollar bei einer Post-Money-Bewertung von 11 Milliarden US-Dollar, angeführt von General Atlantic.⁸⁰

SambaNova stellte die SN50, seine neueste Reconfigurable Data Unit (RDU), am 24. Februar 2026 vor; Auslieferungen an Kunden sind für die zweite Hälfte 2026 geplant, und bis Juli 2026 wurde noch keine SN50 ausgeliefert. Die SN50 bietet 5x mehr Rechenleistung pro Beschleuniger und 4x mehr Netzwerkbandbreite als die Vorgängergeneration SN40L und unterstützt eine dreistufige Speicherarchitektur für Modelle mit bis zu 10 Billionen Parametern und Kontexten 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

Welche sind die führenden KI-Chip-Startups?

Wir möchten außerdem einige Startups 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 bei der Parallelität im Vergleich zu GPUs. Die Entwicklung und Herstellung solcher Chips ist jedoch eine junge Technologie.

Cerebras-Chips umfassen:

• WSE-1 mit 1.2 Billionen Transistoren und 400k Verarbeitungskernen.
• WSE-2 mit 2.6 Billionen Transistoren und 850k Kernen wurde im April 2021 in einem 7nm-Prozess angekündigt
• WSE-3 mit 4 Billionen Transistoren und 900k KI-Kernen wurde im März 2024 in einem 5nm-Prozess angekündigt.⁸⁴

WSE-3 ist die derzeit ausgelieferte Generation, und Cerebras hat keinen Nachfolger angekündigt.

Die Systeme von Cerebras arbeiten mit Pharmaunternehmen wie AstraZeneca und GlaxoSmithKline sowie mit Forschungslaboren, die für Simulationen auf sie angewiesen sind. Das Unternehmen zielt auch auf LLM-Anbieter ab, da seine Chips die Inferenzkosten für Frontier-Modelle senken können.

Cerebras bietet seine Chips Unternehmen außerdem über seine Cloud 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 stellt für das Geschäftsjahr 2026 einen Kernumsatz von 855 bis 865 Millionen US-Dollar in Aussicht und schloss am 14. Januar 2026 eine 750-MW-Inferenzvereinbarung mit OpenAI ab, die es in seiner Q1-Mitteilung auf mehr als 20 Milliarden US-Dollar beziffert.⁸⁶

13. d-Matrix

d-Matrix verfolgt einen neuartigen Ansatz und verzichtet zugunsten von In-Memory-Computing auf die traditionelle Von-Neumann-Architektur. Während dieser Ansatz das Potenzial hat, den Engpass zwischen Speicher und Rechenleistung aufzulösen, ist er neu und unerprobt. Im November 2025 nahm d-Matrix in einer Series-C-Runde 275 Millionen US-Dollar auf 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; sie basiert auf einer SRAM-basierten In-Memory-Compute-Chiplet-Architektur.⁸⁸

Die mit Corsair verbundene 10x-Beschleunigung stammt aus partnergestütztem Benchmarking und nicht aus unabhängigen Tests. Der Tester, Gimlet Labs, ist ein kommerzieller Partner von d-Matrix, und der Benchmark-Beitrag trägt den Co-Gründer und CTO von d-Matrix in der Byline. Das gemessene Ergebnis ist eine 2- bis 10x-Verbesserung der Ende-zu-Ende-Anfrage-Latenz bei gpt-oss-120b für eine spekulative Decoding-Konfiguration, keine pauschale 10x-Steigerung gegenüber GPUs.

14. Rebellions

Rebellions ist ein in Korea ansässiges Startup mit Fokus auf LLM-Inferenz. Es fusionierte mit einem anderen koreanischen Halbleiterdesign-Unternehmen, SAPEON.⁸⁹ Die Gesamtfinanzierung beträgt etwa 850 Millionen US-Dollar.⁹⁰ Der Börsengang hat noch nicht stattgefunden. Rebellions erklärte am 8. Juli 2026, dass es das erste oder zweite Quartal 2027 anstrebt, mit Tendenz zu einer Notierung im KOSPI-Hauptsegment.⁹¹

REBEL-Quad ist der Beschleuniger der zweiten Generation, vier Chiplets, gefertigt im 4nm-Prozess von Samsung; Rebel100 ist sein produktisierter kommerzieller Name.

15. Tenstorrent

Der neueste Blackhole-Tensix-Prozessor von Tenstorrent liefert 664 TFLOPS (BLOCKFP8) Leistung, gepaart mit 32GB GDDR6-Speicher und 512 GB/s Speicherbandbreite.

Die Karte P150a kostet 1.399 US-Dollar und verfügt über vier QSFP-DD-800G-Ports für die Skalierung mit mehreren Karten. Das Einstiegsmodell P100a beginnt bei 999 US-Dollar.⁹²

Seit Januar 2026 werden alle Blackhole-p150-Karten mit 120 Tensix-Kernen statt 140 ausgeliefert, und mit der Firmware-Version v19.5.0 wurde dieselbe Reduzierung rückwirkend auf verkaufte Karten angewendet. Tenstorrent beziffert die Kosten auf 1 bis 2 % bei typischen Workloads.⁹³

Tenstorrent bietet einen vollständig quelloffenen Software-Stack. Das Unternehmen nahm im Dezember 2024 700 Millionen US-Dollar auf.⁹⁴

16. Positron

Positron wurde 2023 gegründet und konzentriert sich ausschließlich auf die Inferenz von Transformer-Modellen. Das Unternehmen 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 und insgesamt 256 GB HBM. Das Unternehmen gibt gegenüber NVIDIA-Hopper-Systemen eine Leistung von >4x pro Watt und >3x pro Dollar an, basierend auf Benchmarks mit Llama 3.1 8B und BF16-Berechnungen.⁹⁵
• Titan (kommt 2027): Ein Nachfolgesystem mit über 8 TB Speicher, angetrieben von 4x Asimov-Custom-Chips, das für Modelle mit bis zu 16 Billionen Parametern und Kontextfenster von über 10 Millionen tokens in einem luftgekühlten 4U-Formfaktor ausgelegt ist.⁹⁶
• Asimov (kommt 2027): Kundenspezifisches Inferenz-Beschleuniger-Silizium mit über 2 TB Speicher pro Chip.

Positron nahm Anfang 2026 in einer Series-B-Runde mehr als 230 Millionen US-Dollar auf.⁹⁷

17. _etched

Ihr Ansatz opfert Flexibilität zugunsten von Effizienz, indem die Modellarchitekturen direkt in die Chips eingebrannt werden.

Etched kam am 30. Juni 2026 aus dem Stealth-Modus, mit funktionierendem A0-Silizium aus dem N4P-Prozess von TSMC, Kundenverträgen im Wert von mehr als 1 Milliarde US-Dollar und 800 Millionen US-Dollar eingeworbenem Kapital.⁹⁸ Am 23. Juli 2026 kündigte das Unternehmen eine Series-C-Runde 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 Anbieter von Frontier-Inferenz-Clustern, die DeepSeek, Qwen, Mamba und Llama ausführen; das Design ist daher nicht mehr ausschließlich auf Transformer beschränkt.⁹⁸

Zwei Fragen bleiben offen. Etched hat keinen unabhängigen Benchmark veröffentlicht und nennt keinen Kunden hinter den berichteten Verträgen; die Leistungswerte bleiben daher interne Messungen. Die Frage der Veralterung, die das ursprüngliche Sohu-Design aufgeworfen hat, stellt sich nun für das breitere Modellspektrum, da ein Chip, der um eine feste Gruppe von Architekturen herum gebaut wurde, neu ausgerichtet werden muss, sobald diese Architekturen abgelöst werden.

18. Taalas

Taalas wurde Anfang 2023 gegründet und verdrahtet einzelne Modelle direkt in kundenspezifisches Silizium, wodurch das entsteht, was das Unternehmen „Hardcore Models“ nennt.¹⁰⁰ Das Unternehmen gibt an, jedes zuvor 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-Dichte und macht HBM, fortschrittliches Packaging, 3D-Stacking, Flüssigkeitskühlung oder Hochgeschwindigkeits-I/O überflüssig.

Produkte:

• HC1 (jetzt verfügbar): Ein Technologiedemonstrator, fest verdrahtet mit Llama 3.1 8B, gefertigt bei TSMC 6nm mit 53 Milliarden Transistoren. Taalas gibt 17.000 tokens pro Sekunde und Nutzer in einem luftgekühlten 2.5-kW-Server an. Das Modell nutzt jedoch aggressive kundenspezifische 3-Bit- und 6-Bit-Quantisierung, was zu Qualitätseinbußen gegenüber GPU-Referenzwerten 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 Quantisierungsbeschränkungen von HC1 zu beheben.

Taalas hat insgesamt 219 Millionen US-Dollar aufgenommen 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 nahm Ende 2023 eine Runde über 14 Millionen US-Dollar auf, um Thermodynamik für Computing zu nutzen. Die Hardware-Seite listet drei Teile. X0 ist ein Silizium-Prototyp aus Q1 2025, und XTR-0 ist eine Entwicklungsplattform, die in begrenzter Stückzahl in Q3 2025 an ausgewählte Forscher ausgeliefert wurde. Beide wurden am 29. Oktober 2025 vorgestellt. Z1, der erste Chip in Produktionsgröße, wird für 2026 als Early Access gelistet.¹⁰²

20. Vaire

Vaire ist ein im Vereinigten Königreich ansässiges Startup, das an reversiblem Computing arbeitet, einem Ansatz, der Chips mit nahezu null Energieverbrauch ermöglichen soll. Anders als beim traditionellen Computing, bei dem Energie als Wärme verloren geht, führt reversibles Computing einen erheblichen Teil der Energie für nachfolgende Berechnungen zurück.

Der erste Testchip von Vaire mit dem Codenamen Ice River ist ein 22nm-CMOS-Demonstrator und kein Produkt. Im September 2025 veröffentlichte Messungen ergaben einen Energierückgewinnungsfaktor von 1.77 für ein vom Resonator von Vaire angesteuertes Kondensatorarray und 1.41 für ein Schieberegister auf demselben Chip, gegenüber rund 2x in der Simulation.¹⁰³ Die beim Tape-out genannte Zahl von 50 % gilt nur für den Resonator und schließt weitere Energieverluste aus.¹⁰⁴¹⁰⁵

21. Fractile

Fractile ist ein im Vereinigten Königreich ansässiges Startup für KI-Inferenzchips, das im Juli 2024 mit einer Finanzierung von 15 Millionen US-Dollar aus dem Stealth-Modus kam, um NVIDIA bei der Inferenz von Frontier-Modellen herauszufordern.¹⁰⁶

Das Unternehmen entwickelt Prozessoren, die Speicher und Rechenleistung physisch auf demselben Die verschränken, was laut Fractile die gleichzeitige Anforderung nach niedriger Latenz und hohem Durchsatz erfüllt, die GPUs bei der Inferenz von Frontier-Modellen nicht erfüllen können. Fractile gibt an, sein Design könne Frontier-Modelle bis zu 25x schneller ausführen.

Fractile kündigte am 13. Mai 2026 eine Series-B-Runde 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, statt sie auf dem freien Markt zu verkaufen, daher gibt es nur wenige unabhängige Benchmarks.

22. Apple

Das Project ACDC von Apple ist Berichten zufolge auf den Bau von Chips für KI-Inferenz in Rechenzentren ausgerichtet.¹⁰⁸ Der Server-Chip trägt Berichten zufolge den Codenamen Baltra und wird mit Broadcom entwickelt, und Apple hat ihn nie offiziell bestätigt. Reuters berichtete am 15. Juli 2026 unter Berufung auf The Information, dass das Projekt verschoben wurde und dass die hauseigenen KI-Server von Apple weiterhin mit M2-Ultra-Chips laufen.¹⁰⁹¹¹⁰ M5 kam am 15. Oktober 2025 auf den Markt, 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 Silicon ohne Serverabhängigkeiten ausführt, unterstützt durch ein Open-Source-Repository für Core-KI-Modelle auf GitHub.¹¹¹¹¹²

23. Meta

Der Meta Training and Inference Accelerator (MTIA) ist eine Prozessorfamilie für KI-Workloads wie das Training der Llama-Modelle von Meta.

Meta benannte die MTIA-Familie am 11. März 2026 um. Der Teil, den das Unternehmen zuvor Next Gen MTIA nannte, heißt jetzt MTIA 200. Er basiert auf der 5nm-Technologie von TSMC, soll die 3x-fache Leistung von MTIA v1 bieten und ist in Racks mit bis zu 72 Beschleunigern untergebracht.¹¹³ MTIA 300 ist für das Training von Ranking- und Empfehlungsmodellen in Produktion, und MTIA 400, 450 und 500 folgen im Verlauf von 2026 und 2027.¹¹⁴

MTIA ist derzeit für den internen Einsatz von Meta bestimmt. Falls Meta künftig jedoch ein Llama-basiertes generative KI-Angebot für Unternehmen auf den Markt bringt, könnten diese Chips ein solches Angebot unterstützen.

Am 14. April 2026 kündigten Meta und Broadcom eine mehrjährige, mehrere Generationen umfassende strategische Partnerschaft bis 2029 an, in deren Rahmen Broadcom Technologie für die MTIA-Chips von Meta liefert. Die anfängliche Zusage 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 Die Broadcom-Seite der Partnerschaft wird im Abschnitt Broadcom weiter unten behandelt.

24. Microsoft Azure

Auf der Hot Chips 2024 stellte Microsoft Maia 100 vor, den ersten eigenen KI-Beschleuniger des Unternehmens, gefertigt im N5-Prozess von TSMC. Microsoft brachte Maia 200 (Codename Braga) am 26. Januar 2026 als inferenzorientierten KI-Beschleuniger für Azure auf den Markt, der die KI-Tokenkosten senken und eine um 30 % bessere Leistung pro Dollar als bestehende Systeme bieten soll.¹¹⁶

Maia 200 wird bei TSMC in 3nm gefertigt, 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 bei einer SoC-TDP von 750 W. Sie ist in der Region US Central von Azure in der Nähe von Des Moines, Iowa, im Einsatz; als Nächstes folgt US West 3 in der Nähe von Phoenix.¹¹⁶

25. OpenAI

OpenAI hat seinen ersten KI-Chip zusammen mit Broadcom entworfen, und die Leitung des Chiplents hat Erfahrung mit dem Design von TPUs bei Google.¹¹⁷ OpenAI hat TSMC als Foundry bestätigt, aber weder OpenAI noch Broadcom haben einen Prozessknoten bestätigt.¹¹⁸ Koreanische Lieferkettenberichte haben für den Chip den Codenamen „Titan“ verwendet und ihn im N3-Prozess von TSMC verortet, obwohl keines der Unternehmen diesen Namen nutzt.¹¹⁹

Samsung hat eine Vereinbarung zur Lieferung von HBM4-Speicher für den OpenAI-Chip getroffen und weist Berichten zufolge über 50 % seiner Foundry-Kapazität in Pyeongtaek für HBM4-Base-Dies zu diesem Zweck zu.¹²⁰ OpenAI und Broadcom kündigten im Oktober 2025 eine Zusammenarbeit über 10 Gigawatt kundenspezifischer KI-Beschleuniger an. Die Racks sollen in der zweiten Hälfte 2026 starten und bis Ende 2029 abgeschlossen sein. In der Ankündigung heißt es, die Parteien hätten „ein Term Sheet“ für die Racks unterzeichnet, nicht jedoch einen offengelegten endgültigen Kaufvertrag, und keines der Unternehmen hat einen finanziellen Wert für die Zusammenarbeit veröffentlicht.¹¹⁷ Am 24. Juni 2026 stellten die beiden Jalapeño vor, den ersten Intelligence Processor von OpenAI. Beide Unternehmen geben an, dass Engineering-Samples im Labor ML-Workloads mit der angestrebten Produktionsfrequenz und -leistung ausführen, darunter GPT-5.3-Codex-Spark, und dass die Plattform für einen ersten Einsatz bis Ende 2026 ausgelegt ist, womit sich der Chip im Post-Tape-out-Engineering-Sample-Stadium und nicht in der Massenproduktion befindet.¹²¹ Die Broadcom-Seite der Vereinbarung, einschließlich seiner anderen Kunden für Custom-Beschleuniger, wird im Abschnitt Broadcom weiter unten behandelt.

Welche weiteren 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 rund 200 Millionen US-Dollar pro Jahr verlor.¹²² SoftBank kündigte die Übernahme von Graphcore am 11. Juli 2024 an; keine der Parteien nannte offiziell den Preis, der auf rund 600 Millionen US-Dollar geschätzt wurde.¹²³ SoftBank investierte am 10. April 2026 weitere 457 Millionen US-Dollar in Graphcore.¹²⁴

27. Mythic

Mythic wurde 2012 gegründet und ist auf Edge-KI fokussiert. Mythic verfolgt einen unkonventionellen Ansatz, eine analoge Compute-Architektur, die energieeffizientes Edge-KI-Computing ermöglichen soll.

Das Unternehmen hat Produkte wie M1076 AMP und die MM1076 Key Card entwickelt und rund 165 Millionen US-Dollar an Finanzierung aufgenommen.¹²⁵

Mythic entließ im Rahmen seiner Finanzierungsrunde im März 2023 den größten Teil seiner Belegschaft und strukturierte sein Geschäft um.¹²⁶

Mythic nahm am 17. Dezember 2025 eine überzeichnete Runde über 125 Millionen US-Dollar unter Führung von DCVC auf, mit Honda Motor und Lockheed Martin als strategischen Investoren, und übernahm im Mai 2026 Videantis.¹²⁷

28. Speedata

Speedata wurde 2019 in Tel Aviv gegründet und entwickelt eine Analytics Processing Unit (APU), die Big-Data-Analysen und KI-Workloads beschleunigen soll. Die APU zielt auf Apache-Spark-Workloads ab; es ist geplant, weitere große Datenanalyseplattformen zu unterstützen.

Speedata nahm im Juni 2025 in einer Series-B-Runde 44 Millionen US-Dollar auf, angeführt von Walden Catalyst Ventures, 83North und anderen, womit sich die Gesamtfinanzierung auf 114 Millionen US-Dollar erhöht. Das Unternehmen gibt an, seine APU übertreffe Allzweckprozessoren und GPUs, indem sie Server-Racks durch einen einzigen Chip ersetzt und überlegene Leistung und Energieeffizienz bei der Datenverarbeitung bietet.¹²⁸

29. Axelera KI

Axelera KI wurde im Juli 2021 in Eindhoven, Niederlande, gegründet und 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 KI-Workloads von Edge bis Cloud beschleunigen soll.

Axelera KI nahm am 24. Februar 2026 mehr als 250 Millionen US-Dollar auf und erhöhte seine Gesamtsumme auf über 450 Millionen US-Dollar aus Eigenkapital, Zuschüssen und Venture Debt.¹²⁹¹³⁰

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 rund 45 W spezifiziert; Lieferungen sind für die erste Hälfte 2026 versprochen. Eine Mitteilung von Andes Technology im Juni 2026 beschrieb sie als Sampling bei ersten Kunden. Titania bleibt für 2028 geplant.

30. NextSilicon

NextSilicon, 2017 in Tel Aviv gegründet, verkauft Maverick-2, einen zur Laufzeit rekonfigurierbaren Dataflow-Beschleuniger, der im 5nm-Prozess von TSMC gefertigt und als PCIe-Gen-5-Karte mit 96 GB HBM3E oder als OAM-Modul mit 192 GB ausgeliefert wird.¹³¹ Nach Angaben des Unternehmens ist Maverick-2 an Dutzenden Kundenstandorten im Einsatz; der einzige genannte Standort ist Spectra der Sandia National Laboratories, ein System mit 64 Knoten und 128 Dual-Die-Maverick-2-Beschleunigern, das im Mai 2026 nach dem Betrieb von HPCG, LAMMPS und SPARTA die vollständige Systemabnahme im Rahmen des Sandia-Vanguard-Programms bestand.¹³²¹³³ Die von NextSilicon genannte Zahl „10x eine GPU bei halber Leistung“ ist eine eigene Angabe und keine unabhängige Messung. Im Juni 2026 teilte das Unternehmen mit, es werde Arbel, den RISC-V-Kern im Inneren von Maverick-2 und zugleich einen eigenständigen 2.5-GHz-Testchip, zu 64- und 128-Kern-Serverprozessoren mit Zieltempo 3.4 GHz ausbauen, die im ersten Quartal 2028 erwartet werden.¹³⁴

Welche Anbieter entwickeln kundenspezifische KI-ASICs im Co-Design?

Mehrere oben aufgeführte Beschleuniger werden nicht allein von dem Unternehmen entworfen, dessen Name darauf steht. Broadcom entwickelt kundenspezifische Beschleuniger, die es XPUs nennt, gemeinsam mit dem Kunden, der sie betreiben wird, und liefert die Ethernet-Switching- und Fabric-Siliziumbausteine, die sie verbinden.

31. Broadcom

In der Telefonkonferenz zu den Ergebnissen des zweiten Quartals des Geschäftsjahres 2026 am 3. Juni 2026 meldete Broadcom einen KI-Halbleiterumsatz von 10.8 Milliarden US-Dollar, ein Plus von 143 % gegenüber dem Vorjahr, stellte für das Gesamtjahr 2026 einen KI-Halbleiterumsatz von 56 Milliarden US-Dollar in Aussicht, rund 180 % über dem Geschäftsjahr 2025, und bekräftigte die Prognose für das Geschäftsjahr 2027 von über 100 Milliarden US-Dollar.¹³⁵¹³⁶

In dieser Telefonkonferenz ging Broadcom sechs Kern-KI-Kunden durch, nannte aber nur vier davon: Google, Anthropic, OpenAI und Meta. Die anderen beiden bleiben ungenannt und wurden als zwei Kunden mit bisher eingegangenen Bestellungen über 6 Milliarden US-Dollar beschrieben; die Lieferungen sollen Ende 2026 beginnen und sich bis 2027 beschleunigen. Veröffentlichte Listen, die alle sechs namentlich nennen, sind Analysten-Schlussfolgerungen und keine Offenlegung von Broadcom.¹³⁶

Die Offenlegungen von Broadcom variieren je nach Kunde:

• Google hat eine Vereinbarung über mehrere TPU-Generationen und KI-Netzwerke, ohne Angabe einer Gigawattzahl. Das Formular 8-K von Broadcom legt eine langfristige Vereinbarung zur Entwicklung und Lieferung kundenspezifischer TPUs für künftige Generationen von Google offen sowie eine Lieferzusicherungsvereinbarung für Netzwerkkomponenten bis mindestens 2031.¹³⁷
• Anthropic nimmt 2026 über 1 GW TPU-basierte Rechenleistung ab sowie im Rahmen einer Vereinbarung vom April ab 2027 weitere 5 GW Rechenleistung. Dasselbe Form 8-K beziffert die Menge ab 2027 auf etwa 3.5 Gigawatt, deren Abnahme es an den anhaltenden kommerziellen Erfolg von Anthropic knüpft. Die Zahl von 3.5 GW stammt aus der Broadcom-Meldung, während der eigene Beitrag von Anthropic die Zusage als „mehrere Gigawatt“ beziffert. Die Meldung stellt die Vereinbarung außerdem als Erweiterung einer bestehenden Zusammenarbeit und nicht als neuen Dreiervertrag dar.¹³⁷
• Für OpenAI wurde Silizium geliefert, die Produktion wird Ende 2026 erwartet, und OpenAI hat für 2027 1.3 GW innerhalb der größeren Vereinbarung über 10 GW bis 2029 kontrahiert. Der Chip selbst wird im Abschnitt OpenAI oben behandelt.¹³⁶
• Meta hat eine mehrere Generationen umfassende MTIA-XPU-Partnerschaft mit einem Ziel von 3 GW bis Ende 2028 und einer ersten Bestellung über 1 GW, die ab der zweiten Hälfte 2027 geliefert wird. Hock Tan scheidet aus dem Vorstand von Meta aus und wechselt in eine Beraterrolle.¹³⁶¹¹⁵

Am 26. Februar 2026 begann Broadcom mit der Auslieferung eines kundenspezifischen 2nm-Compute-SoC, der auf seiner 3.5D-XDSiP-Plattform (eXtreme Dimension System in Package) basiert. Dieses SoC ist für Fujitsu bestimmt und unterstützt das FUJITSU-MONAKA-Prozessorprogramm, statt ein Hyperscaler-XPU zu sein; Broadcom sagt, XPUs für seine breitere Kundenbasis werden ab der zweiten Hälfte 2026 geliefert.¹³⁸ Im Netzwerkbereich erklärte Broadcom im März 2026, dass Tomahawk 6 der einzige in Produktionsmenge lieferbare 102.4T-Switch sei und Jericho 4, ein im August 2025 eingeführter Fabric-Router mit 51.2 Tbps, ausgeliefert wird.

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 und finanziert die zuvor angekündigte Erweiterung von Anthropic um mehr als 1 Gigawatt an Fluidstack-basierten Standorten ab Mitte 2026. Die mehr als 20 Gigawatt sind das Designziel der Plattform bis 2028 und werden nicht durch diese Tranche finanziert.¹³⁹

Schätzungen Dritter zum Custom-ASIC-Anteil am KI-Prozessormarkt hängen davon ab, was gezählt wird. Bloomberg Intelligence teilt den Custom-ASIC-Markt zwischen Broadcom mit 60 % bis 80 % und Marvell mit 20 % bis 25 % auf.

32. Marvell

Marvell entwirft kundenspezifische KI-Siliziumbausteine, die es XPUs nennt, für Hyperscaler, zusammen mit Interconnect-, Optik- und Netzwerk-Silizium, das diese Chips verbindet. Bloomberg Intelligence sieht Marvell im Custom-KI-ASIC-Markt auf Platz zwei hinter Broadcom.

Marvell meldete für das Geschäftsjahr 2026 einen Rekordumsatz von 8.195 Milliarden US-Dollar, ein Plus von 42 %.¹⁴⁰ Für das am 27. Mai 2026 berichtete Quartal wies das Unternehmen einen Rekordumsatz im Rechenzentrum von 1.83 Milliarden US-Dollar aus, ein Plus von 27 % gegenüber dem Vorjahr, stellte für das Geschäftsjahr 2027 rund 11.5 Milliarden US-Dollar in Aussicht und bekräftigte das Ziel von mehr als 10 Milliarden US-Dollar Umsatz im Custom-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 an die NVIDIA-KI-Factory und das KI-RAN-Ökosystem anbindet, zusammen mit einer Zusammenarbeit bei Siliziumphotonik. NVIDIA investierte im Rahmen der Partnerschaft 2 Milliarden US-Dollar in Marvell. Im Rahmen der Partnerschaft liefert Marvell kundenspezifische XPUs und NVLink-Fusion-kompatibles Scale-up-Networking.¹⁴¹

Marvell schloss zwischen Februar und April 2026 drei Übernahmen ab, alle auf der Optik- 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 rund 540 Millionen US-Dollar.
• Polariton Technologies, ein Schweizer ETH-Zürich-Spin-off, das an plasmonikbasierter Siliziumphotonik arbeitet, wurde am 22. April 2026 zu nicht genannten Konditionen übernommen.

Die Position von Marvell bei Amazon ist umstritten. SemiAnalysis schrieb im Dezember 2025: „Marvell ist am Ende der große Verlierer. Sie haben zwar Trainium2 entworfen, aber den Design-Wettbewerb mit Alchip für diese Generation verloren.“ Als Gründe wurden Ausführungsprobleme bei Trainium2 genannt, darunter Zeitplanverzögerungen und RDL-Interposer-Probleme, die Alchip beheben musste; Trainium3 wird als Annapurna-Frontend-Design mit Alchip als Zuständigem für das physische Back-End- und Package-Design beschrieben.¹⁴³ Am 8. Dezember 2025 stufte Benchmark Marvell auf Hold herab, mit Analystenkommentaren, Marvell habe sowohl Trainium 3 als auch Trainium 4 an Alchip verloren; die Aktie fiel um etwa 7 %. Für diese Berichterstattung gelten zwei Einschränkungen. Der technische Bericht mit Quellen 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 Kunden erklärt die Reaktion. Trainium3 ist seit dem 2. Dezember 2025 verfügbar, und Amazon gab in der Telefonkonferenz zu den Ergebnissen des ersten Quartals 2026 am 29. April 2026 bekannt, dass es Umsatzzusagen für Trainium von über 225 Milliarden US-Dollar hält und dass sein Chipgeschäft eine annualisierte Umsatzrate von über 20 Milliarden US-Dollar aufweist.

Welche CPUs laufen neben KI-Beschleunigern?

Beschleuniger laufen nicht allein. Jedes KI-Rack kombiniert sie mit Host-CPUs. Die Vera-CPU von NVIDIA besitzt 88 kundenspezifische Olympus-Kerne, die Arm-kompatibel sind, mit 176 Threads durch Spatial Multithreading und 1.5 TB LPDDR5X. Axion von Google ist die Host-CPU für beide TPUs der achten Generation; es ist das erste Mal, dass Google x86 in dieser Rolle ersetzt, und die N4A-VMs wurden Ende Januar 2026 verfügbar. Die Helios-Racks von AMD kombinieren Instinct-GPUs mit EPYC-„Venice“-x86-CPUs der 6th Generation.

Arm

Arm kündigte am 24. März 2026 an, dass das Unternehmen „zum ersten Mal in seiner Geschichte auf Produktions-Siliziumprodukte“ ausweitet, beginnend mit der Arm AGI CPU, einer Rechenzentrums-CPU für agentische KI-Infrastruktur. Meta „fungiert als federführender Partner und Co-Entwickler.“¹⁴⁴¹⁴⁵

Arm gibt an, dass die CPU bis zu 136 Arm-Neoverse-V3-Kerne, 6 GB/s Speicherbandbreite pro Kern bei Latenzen unter 100ns und eine TDP von 300 W bietet, skaliert auf 8.160 Kerne pro luftgekühltem Rack und mehr als 45.000 Kerne pro flüssigkeitsgekühltem Rack. Arm beansprucht eine über 2x höhere Leistung pro Rack gegenüber x86. Dies sind eigene Angaben von Arm und wurden nicht unabhängig gemessen.¹⁴⁴

Arm lizenziert weiterhin IP und Compute Subsystems (CSS), sodass die AGI-CPU eine Silizium-Produktlinie hinzufügt, anstatt das Lizenzgeschäft zu ersetzen. Erste Systeme sind jetzt verfügbar, eine breitere Verfügbarkeit wird für die zweite Hälfte 2026 erwartet; neben Meta nennt Arm Cerebras, Cloudflare, F5, OpenAI, Positron, Rebellions, SAP und SK Telecom als zugesagte Kunden.¹⁴⁴ Meta zeigt, wie stark die Rollen inzwischen verschwimmen. Das Unternehmen entwirft sein eigenes MTIA-Silizium, ist Lead-Partner von Arm für die AGI-CPU, angekündigter Qualcomm-Rechenzentrums-CPU-Kunde und kauft bei AMD und Broadcom.

Verpassen Sie nicht unsere Benchmarks und datengestützten Erkenntnisse. Die Schaltfläche öffnet Google; die Auswahl von AIMultiple bestätigt, dass Sie AIMultiple häufiger in den Google-Suchergebnissen sehen möchten.

Als bevorzugte Quelle hinzufügen

5 Anbieter mobiler KI-Chips

*Die beliebtesten und neuesten 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 dafür ausgelegt, KI-Berechnungen lokal auf Geräten auszuführen, statt auf Cloud-basierte Lösungen angewiesen zu sein:

*Dies sind die von den jeweiligen Anbietern genannten Maximalwerte und sind nicht direkt zwischen den Zeilen vergleichbar. Ein bei FP4 oder INT4 genannter Wert beschreibt eine andere Operation als ein bei INT8 genannter Wert, und als sparse markierte Zeilen sind Anbieterangaben, die dünn besetzte Matrizen voraussetzen. TOPS steht für Tera Operations pro Sekunde, TFLOPS für Tera Floating-Point Operations pro Sekunde und GOPS für Giga Operations pro Sekunde.

Am 24. Juli 2026 unterzeichnete Microchip Technology eine endgültige Vereinbarung zur Übernahme von Hailo, die vorbehaltlich Abschlussbedingungen und behördlicher Genehmigungen bis zum Ende des am 30. September 2026 endenden Quartals zu nicht genannten Konditionen abgeschlossen werden soll.¹⁴⁶ Der Übernahme ging ein schwieriges Jahr voraus. Calcalist berichtete am 3. April 2026, die Bewertung von Hailo sei von einem Höchststand von 1.2 Milliarden US-Dollar um mehr als die Hälfte auf unter 500 Millionen US-Dollar gefallen, und Hailo entließ im Juni 2026 etwa die Hälfte der verbliebenen Belegschaft.

Foundry-Partner und die Rolle von TSMC

TSMC ist eine reine Foundry. Das Unternehmen fertigt Halbleiter auf Basis von Kundendesigns, statt eigene Chips zu entwickeln, und unterscheidet sich damit von Unternehmen wie NVIDIA und AMD. Samsung Foundry und Intel Foundry Services konkurrieren im selben Markt.

N2, der 2nm-Knoten von TSMC, ging im vierten Quartal 2025 in die Volumenproduktion und trug im zweiten Quartal 2026 3 % zum Waferumsatz bei, gegenüber 33 % für 5nm, 30 % für 3nm und 11 % für 7nm.¹⁴⁷ Die Roadmap von TSMC 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:

Der Hanguang-800-Inferenzchip von Alibaba aus dem Jahr 2019, das letzte von TSMC gefertigte Teil des Unternehmens, ist nicht enthalten. US-Exportkontrollen verbieten TSMC inzwischen die Produktion fortschrittlicher KI-Chips für chinesische Designer, und Foundries müssen alle Lieferungen an chinesische Designer ab 7nm und darunter prüfen. Das KI-Silizium von Alibaba für 2026 wird im Inland gefertigt, wobei die Kapazität bei SMIC als einschränkender Faktor genannt wird.⁶⁵

SemiAnalysis berichtete am 12. März 2026, dass die Frontend-N3-Waferkapazität CoWoS-Packaging als dominierenden Engpass in der KI-Chipversorgung abgelöst hat, wobei CoWoS angespannt, aber entspannend ist. TrendForce erwartet, dass sich die CoWoS-Angebots-Nachfrage-Lücke bis Ende 2026 von etwa 20 % auf etwa 10 % verringert.¹⁴⁸ Micron erreichte am 16. März 2026 die Hochvolumenproduktion von HBM4 36GB 12H für die Vera-Rubin-Plattform von NVIDIA, mit Pin-Geschwindigkeiten über 11 Gb/s.¹⁴⁹

Ausbaupläne

Die angekündigten US-Investitionen von TSMC belaufen sich auf insgesamt 265 Milliarden US-Dollar für 12 führende Fertigungs- und Packaging-Standorte, nach einer zusätzlichen Arizona-Zusage 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 mündeten nicht in einen Deal. TSMC dementierte aktive Gespräche am 17. April 2025 und erklärte am 26. September 2025, das Unternehmen sei „nie mit irgendeinem Unternehmen in Gespräche über die Gründung eines Joint Ventures oder die Lizenzierung oder Übertragung von Technologie eingetreten.“¹⁵¹ Intel wurde stattdessen rekapitalisiert, wobei die US-Regierung im August 2025 eine Beteiligung von 9.9 % 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 wurden 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 % gegenüber dem Vorjahr, und den ersten Jahresgewinn überhaupt von RMB 2.0592 Milliarden. Die Marktkapitalisierung überschritt am 30. Juni 2026 erstmals 1 Billion RMB – eine Premiere für den STAR Market.
• Baidu Kunlunxin stellte am 13. November 2025 zwei Chips vor. Der Kunlun M100 ist für groß angelegte Inferenz optimiert und war für Anfang 2026 geplant; der Kunlun M300, der für Training und Inferenz sehr großer multimodaler Modelle gebaut wird, ist für 2027 vorgesehen. Baidu präsentierte außerdem zwei Supernode-Systeme, Tianchi 256 (verfügbar im 1. Halbjahr 2026) und Tianchi 512 (verfügbar im 2. Halbjahr 2026), beide auf Basis der vorhandenen Kunlun-P800-Chips von Baidu und nicht auf Basis des M100 oder M300.
• Biren, gegründet von ehemaligen NVIDIA-Mitarbeitern, wurde am 2. Januar 2026 im Hauptsegment der Hongkonger Börse notiert und nahm HK$5,58 Milliarden (etwa US$717 Millionen) ein.
• Moore Threads (SHA: 688795) wurde am 5. Dezember 2025 im STAR Market notiert. Der Umsatz im Geschäftsjahr 2025 betrug RMB 1.505 Milliarden, ein Plus von 243.37 % gegenüber dem Vorjahr. Das Unternehmen bleibt unprofitabel und steht seit 2023 auf der US Entity List.
• MetaX wurde am 17. Dezember 2025 im STAR Market notiert und nahm etwa RMB 4.2 Milliarden (US$586 bis 596 Millionen) ein; inzwischen hat das Unternehmen vertraulich einen Zweitlisting-Antrag in Hongkong gestellt.
• Iluvatar CoreX (HKEX: 9903) wurde am 8. Januar 2026 im Hauptsegment der Hongkonger Börse notiert und nahm etwa HK$3,68 Milliarden ein.
• Enflame ist nicht notiert. Die CSRC genehmigte die IPO-Registrierung am 9./10. Juli 2026, womit das Unternehmen RMB 6 Milliarden (etwa US$883 Millionen) aufnehmen kann; die Aktien haben jedoch bis Juli 2026 noch nicht mit dem Handel begonnen.¹⁵³ Der Umsatz 2025 betrug RMB 990 Millionen bei einem Nettoverlust von RMB 1.2 Milliarden; Tencent, ein Anteilseigner mit 20.3 %, stand für 83.8 % davon.
• SMIC, die Foundry, von der die meisten dieser Designer abhängen, hatte N+3 (5nm-Klasse) im Juni 2026 in Volumenproduktion, eine 7nm-Kapazität von rund 45.000 bis 60.000 Wafern pro Monat und 2025 einen Umsatz von 9.3 Milliarden US-Dollar.

Inländischer Anteil am chinesischen Markt für KI-Beschleuniger

Die folgende Tabelle stammt aus einem IDC-Bericht, der Reuters vorliegt.¹⁵⁴ Sie zählt die Stückzahlen 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

Weiterführende Literatur

Für praxisnahe Leistungsvergleiche der behandelten Chips siehe unsere Benchmarks:

• Multi-GPU-Benchmark: Wie die B200, H200, H100 von NVIDIA und die MI300X von AMD über Konfigurationen mit 1, 2, 4 und 8 GPUs für die LLM-Inferenz skalieren, mit Analyse von Durchsatz, Latenz und Kosten pro Token.
• GPU-Concurrency-Benchmark: Wie B200, H200, H100 von NVIDIA und MI300X von AMD 1 bis 512 gleichzeitige Anfragen verarbeiten, einschließlich Systemdurchsatz, Geschwindigkeit pro Abfrage, Ende-zu-Ende-Latenz und Tokens pro Dollar bei jeder Parallelitätsstufe.
• CUDA vs ROCm: Wie ROCm von AMD im Vergleich zu CUDA von NVIDIA bei Framework-Unterstützung und Portabilität abschneidet – die Software-Frage hinter der Position von AMD.
• Edge-KI-Chip-Hersteller: Die Anbieter in der obigen Edge-Tabelle, einzeln behandelt, mit den Anwendungsfällen, auf die jeweiligen Teile abzielen.
• 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  = aug,
  howpublished    = {\url{https://aimultiple.com/ai-chip-makers}},
  note   = {AIMultiple. Abgerufen am 26. August 2026}
}

Änderungsprotokoll

39 Aktualisierungen

1. 202628. Jul

   Ein NextSilicon-Firmenprofil zum Maverick-2-Beschleuniger hinzugefügt.

2. 27. Jul

   Neuen Abschnitt zu Custom-AI-ASIC-Anbietern mit Broadcom und Marvell hinzugefügt

3. 25. Jun

   Anbieter- und Chip-Tabelle im Abschnitt zu mobilen KI-Chip-Anbietern hinzugefügt

4. 8. Mai

   Fractile zur Liste der KI-Chip-Startups hinzugefügt und die Übersicht von 20+ auf 25+ Chiphersteller erweitert.

5. 26. Feb

   Die Finanzierungs-, Produkt- und Kollaborationsdetails von SambaNova Systems wurden aktualisiert.

6. 23. Jan

   Ein Abschnitt über KI-Chip-Architekturen: GPUs vs. ASICs wurde hinzugefügt.

7. 202513. Nov

   Extropic wurde zur Liste der KI-Chiphersteller hinzugefügt.

8. 24. Okt

   Die Einleitung wurde um Details zu GPU-Parallelität und Multi-GPU-Benchmarks erweitert.

9. 22. Sep

   Vaire, ein britisches Startup, das sich auf reversible Datenverarbeitung konzentriert, wurde dem Abschnitt „Kommende KI-Hardwarehersteller“ hinzugefügt.

10. 5. Aug

    Die Liste der KI-Chiphersteller wurde um Axelera AI erweitert.

11. 5. Jun

    DGX Cloud Lepton zum Abschnitt „Aktuelle Entwicklungen“ hinzugefügt.

12. 20. Apr

    NVIDIAs GPUs für Grafiken im NVIDIA-Abschnitt aktualisiert.

13. 30. Mär

    Das Produkt DGX Spark im Abschnitt „Desktop-KI-Lösungen“ wurde aktualisiert.

14. 18. Mär

    Ein Abschnitt, Inference Market Competition, wurde dem Artikel hinzugefügt.

15. 14. Mär

    Abschnitt „Foundry Partners und TSMCs Rolle“ hinzugefügt.

16. 23. Feb

    Erweiterte die OpenAI-Chipdetails um Fertigungstechnologie und Produktionszeitplan.

17. 5. Feb

    Huawei's HiSilicon Ascend 910C wurde zur Liste der Cloud-KI-Anbieter hinzugefügt.

18. 1. Feb

    Die Einleitung wurde aktualisiert, um die Verwendung des Cloud-GPU-Benchmarks von AIMultiple widerzuspiegeln.

19. 12. Jan

    „& Einblicke von führenden KI-Anbietern“ aus der Einleitung entfernt.

20. 202429. Dez

    D-Matrix, Rebellions und Tenstorrent wurden der Liste der führenden KI-Chip-Startups hinzugefügt.

21. 2. Dez

    Die einführende Zusammenfassung der KI-Chiphersteller entfernt.

22. 5. Nov

    Die Beschreibung von _etcheds Transformer-ASIC wurde erweitert.

23. 11. Okt

    Der AMD-Abschnitt wurde mit Details zu den Beschleunigern der MI350-Serie und MI325X aktualisiert.

24. 18. Aug

    AWS wurde zur Liste der führenden KI-Chiphersteller hinzugefügt.

25. 12. Jun

    Cerebras Systems wurde um Details zu Wafer-Scale-Chips und Chipmodellen erweitert.

26. 6. Jun

    Ein Abschnitt „18 KI-Chiphersteller nach Kategorie“ wurde der Einleitung hinzugefügt.

27. 27. Mai

    Apple wurde zur Liste der KI-Chiphersteller hinzugefügt.

28. 10. Apr

    Meta wurde dem Abschnitt „Kommende KI-Hardware-Produzenten“ hinzugefügt.

29. 1. Feb

    Intel Xeon Prozessordetails wurden durch Gaudi3 Informationen ersetzt.

30. 202329. Dez

    Alibaba wurde zur Liste der KI-Chiphersteller hinzugefügt.

31. 25. Dez

    Der Abschnitt Groq wurde um LLM-Inferenz-Benchmarks erweitert.

32. 12. Nov

    Die Liste der AMD-Hardware-Anwender im Text wurde erweitert.

33. 25. Okt

    Mythic aus der Liste der KI-Chiphersteller entfernt.

34. 12. Okt

    Intel wurde in der Liste der KI-Chiphersteller durch Advanced Micro Devices (AMD) ersetzt.

35. 8. Okt

    AWS wurde zur Liste der öffentlichen Cloud-Anbieter hinzugefügt, die KI-Chips herstellen.

36. 2. Okt

    Informationen zur Cloud-KI-Workload wurden dem Nvidia-Abschnitt hinzugefügt.

37. 18. Jun

    Die Hugging Face-Quelle wurde aus der Einleitung entfernt.

38. 202225. Okt

    Das Startdatum und die Fähigkeiten des IBM Telum Prozessors im IBM-Abschnitt wurden aktualisiert.

39. 19. Sep

    Die Beschreibung von Advanced Micro Devices (AMD) im Abschnitt der führenden KI-Chiphersteller wurde aktualisiert.

Referenzlinks

1.

ASIC Set to Outpace GPU? NVIDIA’s Scale-Up and Beyond | TrendForce

TrendForce

2.

Global AI Server Shipments Forecast to Grow Over 28% YoY in 2026, with a Rising Share of ASIC-Based Systems, Says TrendForce

TrendForce

3.

Personal AI Supercomputer Powered by Blackwell | NVIDIA DGX Spark

4.

NVIDIA and Microsoft Reinvent Windows PCs for the Age of Personal AI | NVIDIA Newsroom

5.

NVIDIA Corporation - Financial Reports

6.

DGX GB200: AI Infrastructure for State-of-the-Art AI Models | NVIDIA

7.

Nvidia reclaims the top chip stock spot at Morgan Stanley By Investing.com

Investing.com

8.

AI Accelerator Market Looks Set to Exceed $600 Billion by 2033, Driven by Hyperscale Spending and ASIC Adoption, According to Bloomberg Intelligence | Press | Bloomberg LP

9.

Nintendo Switch 2 Leveled Up With NVIDIA AI-Powered DLSS and 4K Gaming | NVIDIA Blog

10.

Nvidia Pushes Further Into Cloud With GPU Marketplace - WSJ

The Wall Street Journal

11.

NVIDIA Dynamo, A Low-Latency Distributed Inference Framework for Scaling Reasoning AI Models | NVIDIA Technical Blog

NVIDIA Developer

12.

NVIDIA RTX PRO Servers Speed Trillion-Dollar Enterprise IT Industry Transition to AI Factories | NVIDIA Newsroom

13.

NVIDIA Vera Rubin Opens Agentic AI Frontier | NVIDIA Newsroom

14.

NVIDIA Vera Rubin Ramps Into Full Production to Power Agentic AI Factories Worldwide | NVIDIA Newsroom

15.

NVIDIA Computex 2026 News Bytes: Vera Rubin Now In Production, DGX Station Gets Windows - ServeTheHome

ServeTheHome

16.

Rack-Scale Agentic AI Supercomputer | NVIDIA Vera Rubin NVL72

17.

Architecting the AI Era: Samsung Electronics and NVIDIA Define the Future at GTC 2026 | Samsung Semiconductor Global

18.

Interactive AI Inference Accelerator | NVIDIA Groq 3 LPX

19.

https://www.bis.gov/press-release/department-commerce-revises-license-review-policy-semiconductors-exported-china

20.

Trump imposes 25% tariff on Nvidia AI chips and others, citing national security | Nvidia | The Guardian

The Guardian

21.

Nvidia CEO to defend AI dominance as competition intensifies | Reuters

Reuters

22.

Announcing AI2 OLMo, an Open Language Model Made by Scientists, for Scientists | by Ai2 | Ai2 Blog | Medium

Ai2 Blog

23.

Training LLMs at Scale with AMD MI250 GPUs | Databricks Blog

24.

Training 221B Parameter Korean LLM on 1,200 AMD MI250 GPU Cluster – Moreh

25.

AMD Acquires MEXT to Advance Memory Optimization

Advanced Micro Devices (AMD)

26.

Exclusive: AMD Acquires Team Behind AI Chip Startup Untether AI

27.

AMD Unveils Vision for an Open AI Ecosystem, Detailing New Silicon, Software and Systems at Advancing AI 2025 :: Advanced Micro Devices, Inc. (AMD)

28.

HPCwire - Since 1987 – Covering the Fastest Computers in the World and the People Who Run Them

29.

AMD and OpenAI Announce Strategic Partnership to Deploy 6 Gigawatts of AMD GPUs :: Advanced Micro Devices, Inc. (AMD)

30.

Oracle and AMD Expand Partnership to Help Customers Achieve Next-Generation AI Scale

31.

Meta and AMD Partner for Longterm AI Infrastructure Agreement

Meta

32.

AMD, Meta Announce Expanded Strategic Partnership to Deploy 6 Gigawatts of AMD GPUs - AMD Newsroom

Advanced Micro Devices, Inc.

33.

AMD and Anthropic Announce Strategic Partnership to Deploy Up to 2 Gigawatts of AMD Instinct MI450 Series GPUs :: Advanced Micro Devices, Inc. (AMD)

34.

Achieving Top Inference Performance with the NVIDIA H100 Tensor Core GPU and NVIDIA TensorRT-LLM | NVIDIA Technical Blog

NVIDIA Developer

35.

AAI 2026: AMD Delivers Full-Stack Compute for the Agentic AI Era :: Advanced Micro Devices, Inc. (AMD)

36.

AMD Instinct™ MI455X GPUs

37.

AMD and its Partners Share Their Vision for 'AI Everywhere, for Everyone' - AMD Newsroom

Advanced Micro Devices, Inc.

38.

AMD Instinct™ MI430X GPUs

39.

MI300X vs H100 vs H200 Benchmark Part 1: Training - CUDA Moat Still Alive

SemiAnalysis

40.

Can AMD break the CUDA Moat? AMD Advancing AI 2026

SemiAnalysis

41.

AMD ROCm Committed To Six Week Release Cycle Moving Forward - Phoronix

42.

Exclusive | AMD Invests in Drug-Discovery Company Absci in Push to Sell AI Chips - WSJ

The Wall Street Journal

43.

AMD and Meta Announce Expanded Strategic Partnership to Deploy 6 Gigawatts of AMD GPUs :: Advanced Micro Devices, Inc. (AMD)

44.

https://cdrdv2-public.intel.com/817486/gaudi-3-ai-accelerator-white-paper.pdf

45.

How Intel’s AI Chip Strategy Is Coming Into Shape After Years Of Struggles

46.

Intel Breaks Down Proprietary Walls to Bring Choice to Enterprise GenAI Market - Intel Newsroom

Intel Corporation

47.

Intel® Gaudi® AI Accelerator Products

48.

Intel’s ‘Make-or-Break’ Jaguar Shores Rack-Scale AI Lineup Expected to Be Finalized in H1 2026, With Talks Underway With Alchip

49.

Intel Computex 2026 Keynote Live Coverage - ServeTheHome

ServeTheHome

50.

Intel to Expand AI Accelerator Portfolio with New GPU - Intel Newsroom

Intel Corporation

51.

Unveiling the Qualcomm Dragonwing brand portfolio: Solutions for a new era of industrial innovation | Qualcomm

52.

Qualcomm Unveils AI200 and AI250—Redefining Rack-Scale Data Center Inference Performance for the AI Era | Qualcomm

53.

Qualcomm Unveils Comprehensive Data Center Roadmap for the Agentic AI Era with New Qualcomm Dragonfly Portfolio | Qualcomm

54.

Qualcomm - Qualcomm Accelerates Diversification with Comprehensive Strategy for Data Center and Sees Multiple Inflection Points Over the Next 3 to 5 Years

55.

Qualcomm - Qualcomm to Acquire Modular

56.

Anthropic and Amazon expand collaboration for up to 5 gigawatts of new compute \ Anthropic

57.

Announcing Amazon EC2 Trn3 UltraServers for faster, lower-cost generative AI training - AWS

Amazon Web Services

58.

Amazon CEO Andy Jassy on the growth of Amazon’s chips business

About Amazon

59.

Google supercharges machine learning tasks with TPU custom chip | Google Cloud Blog

Google Cloud

60.

Introducing Trillium, sixth-generation TPUs | Google Cloud Blog

Google Cloud

61.

Ironwood: The first Google TPU for the age of inference

Google

62.

TPU7x (Ironwood)  |  Google Cloud Documentation

63.

Cloud TPU release notes  |  Google Cloud Documentation

64.

Two chips for the agentic era

Google

65.

Alibaba Unveils New AI Chip, Flagship Model, and Rebuilt Cloud Stack AI for Agentic Era-Alibaba Group

66.

IBM’s new AIU artificial intelligence chip - IBM Research

IBM

67.

Telum Processor: IBM’s newest chip - IBM Research

IBM

68.

‘Mind-blowing’ IBM chip speeds up AI | Nature

Nature Publishing Group UK

69.

IBM Introduces the Spyre Accelerator for Commercial Availability

70.

Tech war: China’s chip firms embrace DeepSeek in AI self-sufficiency drive | South China Morning Post

South China Morning Post

71.

Huawei unveils new Atlas 350 AI accelerator with 1.56 PFLOPS of FP4 compute and up to 112GB of HBM — claims 2.8x more performance than Nvidia's H20 | Tom's Hardware

Tom's Hardware

72.

Groundbreaking SuperPoD Interconnect: Leading a New Paradigm for AI Infrastructure - Huawei

73.

Groq and Nvidia Enter Non-Exclusive Inference Technology Licensing Agreement to Accelerate AI Inference at Global Scale | Groq is the premier neocloud for fast inference

74.

Nvidia buying AI chip startup Groq for about $20 billion, biggest deal

CNBC

75.

Groq Raises $650M to Scale Its AI Inference Cloud Business | Groq is the premier neocloud for fast inference

76.

AI chip startup Groq secures $1.5 billion commitment from Saudi Arabia | Reuters

Reuters

77.

Groq Raises $640M To Meet Soaring Demand for Fast AI Inference | Groq is fast, low cost inference.

78.

Groq Raises $750 Million as Inference Demand Surges | Groq is fast, low cost inference.

79.

SambaNova Unveils Fastest Chip for Agentic AI, Collaborates with Intel, and Raises $350M+

SambaNova

80.

SambaNova Completes First Close of $1 Billion Financing at $11 Billion Valuation | General Atlantic

General Atlantic

81.

Introducing the SN50 RDU: Purpose-Built for Agentic Inference

SambaNova

82.

SambaCloud | Full-Stack AI Platform for Large Open-Source Models

83.

Cerebras Systems - Wikipedia

Contributors to Wikimedia projects

84.

Cerebras Systems Unveils World’s Fastest AI Chip with Whopping 4 Trillion Transistors - Cerebras

85.

https://www.cerebras.ai/press-release/cerebras-systems-announces-closing-of-initial-public-offering

86.

Cerebras Systems Announces Strong First Quarter 2026 Results - June 23, 2026

Cerebras

87.

d-Matrix Raises $275 Million to Power the Age of AI Inference - d-Matrix

d-Matrix

88.

d-Matrix Corsair AI Inference Platform Enters Full Production to Meet Customer Demand - d-Matrix

d-Matrix

89.

Rebellions and SAPEON Korea Sign Definitive Merger Agreement - Rebellions

Rebellions

90.

Rebellions Closes $400 Million Pre-IPO and Launches RebelRack™ and RebelPOD™ to Accelerate Global Expansion - Rebellions

Rebellions

91.

Samsung-backed Rebellions targets IPO in South Korea next year, CEO tells CNBC

CNBC

92.

https://tenstorrent.com/hardware/cards

93.

Rate limit · GitHub

94.

Jeff Bezos Is Betting on AI Chip Startup Tenstorrent to Take on Nvidia (NVDA) - Bloomberg

Bloomberg

95.

Positron | Atlas

96.

Positron | Titan

97.

Positron | About

98.

Etched Emerges From Stealth With Working Chip, $800M

Etched

99.

reuters.com

100.

The path to ubiquitous AI | Taalas

101.

Products | Taalas

102.

Hardware | Extropic

103.

Vaire Demos Energy Recovery With Reversible Computing Test Chip - EE Times

104.

Vaire Computing tapes out demo chip capable of recycling 50% of its energy-intensity - DCD

105.

A startup working on 'reversible computing' chip for AI says initial tests show a 50% energy savings | Fortune

Fortune

106.

https://www.fractile.ai/news/startup-with-radical-concept-for-ai-chips-emerges-from-stealth

107.

https://www.fractile.ai/news/fractile-raises-220m-to-build-the-next-generation-of-inference-hardware

108.

Secret Apple 'Project ACDC' to pioneer AI chips for data centers

AppleInsider

109.

reuters.com

110.

Apple considers acquiring server chip companies - Techzine Global

Techzine

111.

Core AI - Apple Developer

112.

GitHub - apple/coreai-models: Model export recipes, Python primitives, and Swift runtime utilities for on-device AI · GitHub

113.

Our next generation Meta Training and Inference Accelerator

114.

Four MTIA Chips in Two Years: Scaling AI Experiences for Billions

115.

Broadcom Announces Extended Partnership with Meta to Deploy Technology to Support Multi-Gigawatts of Meta’s Custom Silicon, MTIA | Broadcom Inc.

Broadcom Inc.

116.

Maia 200: The AI accelerator built for inference - The Official Microsoft Blog

117.

OpenAI and Broadcom announce strategic collaboration to deploy 10 gigawatts of OpenAI-designed AI accelerators | OpenAI

118.

OpenAI and Broadcom unveil LLM-optimized inference chip | OpenAI

119.

[News] OpenAI Reportedly to Deploy Custom AI Chip on TSMC N3 by End-2026, Second-Gen Planned for A16

TrendForce

120.

[News] Samsung Reportedly Allocates 50%+ of Pyeongtaek Foundry Capacity to HBM4 Base Die; Said to Win OpenAI Deal

TrendForce

121.

OpenAI and Broadcom Unveil LLM-Optimized Intelligence Processor | Broadcom Inc.

Broadcom Inc.

122.

GRAPHCORE LIMITED filing history - Find and update company information - GOV.UK

123.

Graphcore joins SoftBank Group to build next generation of AI compute

Graphcore

124.

SoftBank invests $457M in Graphcore AI chips

CNBC

125.

Mythic company information, funding & investors | Dealroom.co

126.

AI chip startup Mythic rises from the ashes with $13M, new CEO | TechCrunch

TechCrunch

127.

https://www.mythic.ai/whats-new/mythic-to-challenge-ais-gpu-pantheon-with-100x-energy-advantage-and-oversubscribed-125m-raise/

128.

Speedata, a chip startup competing with Nvidia, raises a $44M Series B | TechCrunch

TechCrunch

129.

Axelera AI Secures More Than $250 Million Funding on Global Commercial Growth

Axelera AI

130.

reuters.com

131.

NEXTSILICON - Maverick

132.

NEXTSILICON - Spectra Supercomputer at Sandia National Laboratories Achieves Full System Acceptance Under Vanguard Program

133.

Not the largest supercomputer, but maybe the most interesting – LabNews

134.

NEXTSILICON - NextSilicon to Productize Arbel RISC-V Core Into 64-Core Enterprise Processor for AI and HPC

135.

Broadcom Inc. Announces Second Quarter Fiscal Year 2026 Financial Results and Quarterly Dividend | Broadcom Inc.

Broadcom Inc.

136.

Broadcom (AVGO) Q2 2026 Earnings Transcript | The Motley Fool

The Motley Fool

137.

SEC.gov | Your Request Originates from an Undeclared Automated Tool

138.

Broadcom Ships 3.5D Face-to-Face Compute SoC Powering AI

Broadcom Inc.

139.

Broadcom, Apollo, and Blackstone Establish Landmark Strategic Platform to Accelerate More Than 20 Gigawatts of Global AI Deployments | Broadcom Inc.

Broadcom Inc.

140.

Marvell Technology, Inc. Reports Fourth Quarter and Fiscal Year 2026 Financial Results | Marvell Technology, Inc. (MRVL)

141.

NVIDIA AI Ecosystem Expands as Marvell Joins Forces Through NVLink Fusion | Marvell Technology, Inc. (MRVL)

142.

Marvell Completes Acquisition of Celestial AI | Marvell Technology, Inc. (MRVL)

143.

AWS Trainium3 Deep Dive | A Potential Challenger Approaching

SemiAnalysis

144.

Arm expands compute platform to silicon products in historic company first - Arm Newsroom

Arm Limited

145.

Arm launches its own CPU, with Meta as first customer

CNBC

146.

Microchip Technology Signs Definitive Agreement to Acquire Hailo :: Microchip Technology Incorporated (MCHP)

147.

TSMC Reports Second Quarter EPS of NT$27.25

Taiwan Semiconductor Manufacturing Company

148.

The Great AI Silicon Shortage

SemiAnalysis

149.

Micron Technology, Inc. - Micron in High-Volume Production of HBM4 Designed for NVIDIA Vera Rubin, PCIe Gen6 SSD and SOCAMM2

Q4 Inc

150.

Trump Administration Secures an Additional $100 Billion U.S. Semiconductor Manufacturing Investment for a Total of $265 Billion from TSMC | U.S. Department of Commerce

151.

TSMC denies investment or partnership discussions - Taipei Times

台北時報

152.

Intel and Trump Administration Reach Historic Agreement to Accelerate American Technology and Manufacturing Leadership :: Intel Corporation (INTC)

153.

AI Chipmaker Enflame Wins Approval for $883 Million STAR Market IPO - Caixin Global

154.

Chinese Chipmakers Surge to 41% of AI Accelerator Market as Nvidia's Dominance Declines, ETTelecom

Cem Dilmegani

Leitender Analyst

Folgen auf

Cem ist seit 2017 leitender Analyst bei AIMultiple.

Cems Arbeit bei AIMultiple wurde von führenden globalen Publikationen wie Business Insider, Forbes, Morning Brew und Washington Post, von globalen Unternehmen wie Deloitte und HPE, von NGOs wie dem World Economic Forum und von supranationalen Organisationen wie der European Commission zitiert. [1], [2], [3], [4], [5]

Im Laufe seiner Karriere war Cem als Tech-Berater, Tech-Einkäufer und Tech-Unternehmer tätig. Er beriet Unternehmen bei ihren Technologieentscheidungen bei McKinsey & Company und Altman Solon über mehr als ein Jahrzehnt. Er veröffentlichte außerdem einen McKinsey-Bericht zur Digitalisierung.

Er leitete Technologiestrategie und -beschaffung eines Telekommunikationsunternehmens und berichtete dabei direkt an den CEO. Außerdem verantwortete er das kommerzielle Wachstum des Deep-Tech-Unternehmens Hypatos, das innerhalb von zwei Jahren von 0 einen siebenstelligen jährlich wiederkehrenden Umsatz und eine neunstellige Bewertung erreichte. Cems Arbeit bei Hypatos wurde von führenden Technologiepublikationen wie TechCrunch und Business Insider aufgegriffen.

Cem spricht regelmäßig auf internationalen Technologiekonferenzen. Er absolvierte die Bogazici University als Computeringenieur und hat einen MBA von der Columbia Business School.

Vollständiges Profil anzeigen

Technisch geprüft von

Ekrem Sarı

KI-Forscher

Folgen auf

Ekrem ist KI-Forscher und Datenwissenschaftler bei AIMultiple. Er entwirft und führt praxisnahe Benchmarks für KI- und LLM-Systeme durch.

Vollständiges Profil anzeigen

Kommentare 2

Teilen Sie Ihre Gedanken

Ihre E-Mail-Adresse wird nicht veröffentlicht. Alle Felder sind erforderlich. Kommentare werden in ihrer Originalsprache belassen.

Name

E-Mail-Adresse

Kommentar

0/450

Kommentar posten

Dave

Aug 29, 2022 at 05:49

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.

Antworten

Cem Dilmegani

Sep 06, 2022 at 13:52

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.

Antworten

thayyil

Mar 19, 2022 at 11:48

surprised that brainchip (akida) missing in this report. any reasons?

Antworten

Cem Dilmegani

Nov 18, 2022 at 07:36

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!

Antworten