Top 30+ KI-Chip-Hersteller: NVIDIA & seine Konkurrenten
Basierend auf unserer Erfahrung mit dem AIMultiple-Cloud-GPU-Benchmark vergleichen wir Chip-Hersteller nach Produkt, Verfügbarkeit und Architektur, einschließlich Rechenzentrums-GPUs, Mobile-Chips, Edge-Beschleunigern und Foundries.
30+ KI-Chip-Hersteller nach Kategorie
Jede Zeile nennt ein repräsentatives Produkt, dessen Typ und dessen Verfügbarkeit. Die Verfügbarkeit unterscheidet Hardware, die zum Verkauf angeboten wird, Cloud-Dienste, interne Bereitstellungen und angekündigte Produkte. Datumsangaben beziehen sich auf dokumentierte Meilensteine. Künftige Liefertermine bleiben Ziele.
GPUs vs. ASICs in KI-Chip-Architekturen
GPUs sind programmierbare Parallelprozessoren, die für Training und Inference verwendet werden. TPU und Trainium unterstützen beide Workloads, während andere Designs auf Inference fokussiert sind. Die Architektur allein belegt keine Leistung für ein bestimmtes Modell.
Die Spalten Training und Inference beschreiben den angegebenen Workload-Umfang. Die Evidenz benennt die Grundlage jeder Zeile als Spezifikation, Roadmap-Angabe, Anbieter-Benchmark oder unabhängigen Benchmark. Der unabhängige Benchmark gilt für die genannte getestete Hardware. Er validiert nicht die anderen Produkte oder künftigen Generationen des Anbieters.
Rechenzentrums-GPU- und Beschleunigeranbieter
1. NVIDIA
NVIDIA entwirft GPUs und Systeme für KI-Training und Inference. Die Rechenzentrumsprodukte reichen von einzelnen Beschleunigern bis zu Racks, die GPUs, Host-CPUs und Netzwerke verbinden. Die Chipfertigung lagert das Unternehmen an TSMC aus.
Rechenzentrums-GPUs und -Systeme
Die Familien Hopper und Blackwell umfassen H200, B300 und GB300. HGX-Systeme kombinieren acht GPUs, während NVL72-Racks 72 GPUs mit NVLink verbinden.1
NVIDIA enthüllte Vera Rubin, seine Plattform nach Blackwell Ultra, auf der CES 2026 als Sechs-Chip-Plattform.2 Auf der GTC am 16. März 2026 erweiterte NVIDIA sie auf sieben Chips: die Vera CPU, die Rubin GPU, den NVLink 6 Switch, ConnectX-9 SuperNIC, BlueField-4 DPU, Spectrum-6 Ethernet-Switch und die Groq 3 LPU, und erklärte sie für in voller Produktion befindlich.3 Am 30. September 2026 teilte NVIDIA mit, dass CoreWeave Vera Rubin NVL72 für Early-Access-Kunden anbiete; Cognition betreibe Produktions-Workloads als erster Produktionskunde.4 Blackwell und das GB300 NVL72 blieben bis einschließlich Q1 FY2027 das umsatzstärkste Volumenprodukt.
Das Vera-Rubin-NVL72-Rack kombiniert 72 Rubin-GPUs mit 36 Vera-CPUs für 3.600 PFLOPS NVFP4-Inference, 20.7 TB HBM4 und 260 TB/s NVLink-6-Scale-up-Bandbreite.5 Die Rubin-GPU wird Berichten zufolge auf TSMCs N3P mit HBM4 gefertigt, ein Fertigungsknoten, den NVIDIA nicht bestätigt hat.
Der siebte Chip stammt aus der Lizenzvereinbarung von NVIDIA vom Dezember 2025 mit Groq, die im Abschnitt zu Groq unten behandelt wird.
Die Groq 3 LPU ist ein dedizierter Inference-Chip, den Samsung Foundry fertigt.6 Groq-3-LPX-Racks sind für die zweite Hälfte 2026 geplant, und NVIDIA prognostiziert bis zu 35x höheren Durchsatz pro Megawatt für Modelle mit Billionen Parametern, wenn LPX mit Vera Rubin NVL72 kombiniert wird.7
Cloud-Zugang und Software
Die meisten Cloud-Anbieter bieten NVIDIA-Hardware als ihre Cloud-GPUs an. Morgan Stanley schätzte NVIDIA im März 2026 auf rund 85 % des KI-Prozessorumsatzes, während kundenspezifische ASICs über 10 % und AMD unter 5 % lagen.8 Bloomberg Intelligence erwartet, dass NVIDIA bis 2030 70 % bis 75 % des KI-Beschleunigermarktes hält.9
NVIDIA Dynamo, auf der GTC 2025 angekündigt, ist ein Open-Source-Inference-Framework für den Einsatz generativer KI-Modelle mit hohem Durchsatz und niedriger Latenz in verteilten Umgebungen.10
NVIDIA bietet außerdem DGX-Cloud-Dienste an. Sein DGX Cloud Lepton Marketplace verbindet Entwickler mit GPU-Cloud-Anbietern wie CoreWeave, Lambda und Crusoe.11
Desktop- und Unternehmenssysteme
DGX Spark (früher 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, verbunden über die NVIDIA-NVLink-C2C-Chip-zu-Chip-Verbindung mit einer 20-Kern-NVIDIA Grace CPU, mit bis zu 1 Petaflop KI-Rechenleistung und 128GB gemeinsam genutztem Speicher.1213
Auf der Computex im Mai 2025 kündigte NVIDIA RTX PRO Server mit RTX PRO 6000 Blackwell Server Edition GPUs an, die für KI-Fabriken in Unternehmen entwickelt wurden.14
Rechenzentrumsumsatz
NVIDIA-Rechenzentrumsumsatz und dessen Anteil am Gesamtumsatz werden nach NVIDIA-Geschäftsjahren ausgewiesen.15
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 angesichts des durch den Start von ChatGPT ausgelösten Booms generativer KI schwer zu beschaffen war.161718
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 eher wie DRAM arbeiten lassen und die Speicherkosten im Rechenzentrum senken soll.1920 AMD vereinbarte im August 2026 außerdem die Übernahme von Taalas, wie im Taalas-Profil unten beschrieben.21
AMD brachte die Instinct MI350X und MI355X am 12. Juni 2025 auf der Advancing KI 2025 auf den Markt.22 Die MI355X basiert auf CDNA4 bei TSMC 3nm mit 288 GB HBM3E und 10.1 PFLOPS MXFP4, und AMD positioniert sie gegen NVIDIAs Blackwell B200. AMD folgte am 7. Mai 2026 mit der Instinct MI350P, einer passiven PCIe-5.0-Karte mit 144 GB HBM3E und einer maximalen TBP von 600 W.23
AMD kündigte am 6. Oktober 2025 eine Vereinbarung mit OpenAI über 6 GW an, wobei die erste 1 GW MI450-Serie-Kapazität ab der zweiten Hälfte 2026 bereitgestellt wird.24
AMD benannte Oracle Cloud Infrastructure am 14. Oktober 2025 als Launch-Partner für anfänglich 50.000 GPUs der MI450-Serie ab Kalender-Q3 2026.25
AMD kündigte am 24. Februar 2026 eine Vereinbarung mit Meta über bis zu 6 GW ab der zweiten Hälfte 2026 an, unter Verwendung einer kundenspezifischen Instinct-GPU auf Basis der MI450-Architektur.2627
AMD kündigte am 22. Juli 2026 eine Vereinbarung mit Anthropic über bis zu 2 GW MI450-Serie-GPUs in Helios-Racks ab der ersten Hälfte 2027 an.28
Für gemessene Inference-Vergleiche zwischen NVIDIA- und AMD-GPUs siehe unseren GPU-Concurrency-Benchmark.
MI400-Serie
AMD brachte die Instinct MI400-Serie am 22-23. Juli 2026 auf der Advancing KI 2026 auf den Markt.29 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 maximaler Speicherbandbreite und 40.3 PFLOPS OCP MXFP4.30 AMD gab im Juli an, dass Helios, sein Rack-System der MI400-Serie, in voller Produktion sei und erste Auslieferungen für Ende Q3 2026 angestrebt würden.29 Am 30. September kündigte HPE einen Auftrag über $1,2 Milliarden von Vultr für Helios-Racks an, jedes mit 72 MI455X-GPUs. Die Ankündigung beschrieb die geplante Bereitstellung in den US-Rechenzentren von Vultr.31
Ein drittes Familienmitglied, die MI440X, wurde am 5. Januar 2026 auf der CES 2026 für On-Premises-Unternehmens-KI in einem kompakten Acht-GPU-Formfaktor vorgestellt, und AMD hat seitdem keine Spezifikationen dafür veröffentlicht.32 Weiter in der Zukunft sieht die Roadmap von AMD die Instinct MI500-Serie 2027 und die MI600-Serie 2028 vor, mit der CDNA-6-Architektur, 2nm-Prozesstechnologie und HBM4E-Speicherdetails für MI500, die auf der CES 2026 genannt wurden.29
Die MI430X ist das HPC- und Sovereign-KI-Mitglied der MI400-Serie. AMD kündigte sie am 19. November 2025 während der SC25-Woche mit 432 GB HBM4 und 19.6 TB/s an und aktualisierte die Spezifikationen am 23. Juli 2026. Die Produktseite von AMD führt jetzt bis zu 288 TFLOPS hardwarebasierte theoretische FP64-Spitzenleistung, bis zu 9.2 PFLOPS Spitzen-FP4 und MXFP4, 432 GB integriertes HBM4 und bis zu 23.3 TB/s theoretische Spitzen-Speicherbandbreite auf.33 Die FP64-Unterstützung mit voller Rate unterscheidet sie von der MI455X für wissenschaftliches Rechnen.
AMD erwartet, dass die MI430X 2027 verfügbar sein wird, und hat keine Transistoranzahl, Platinenleistung oder Lithografie dafür veröffentlicht. Zwei Angaben in AMD-eigenen Materialien widersprechen sich. Die FAQ der MI400-Serie-Landingpage nennt weiterhin bis zu 19.6 TB/s, während die MI430X-Spezifikationsseite 23.3 TB/s angibt, und die FAQ auf der MI430X-Seite enthält einen Tippfehler mit 2.3 TB/s.33
AMD nennt drei Zielsysteme für die MI430X: Discovery am Oak Ridge National Laboratory, geplant für 2028. Ein weiteres Ziel ist Alice Recoque, Frankreichs erstes Exascale-System. AMD nennt außerdem Herder am HLRS Stuttgart, angekündigt mit HPE am 2. Dezember 2025. Lux, der am 27. Oktober 2025 angekündigte KI-Fabrikcluster in Oak Ridge, basiert auf MI355X und ist kein MI430X-System.
Software
Die KI-Software von AMD läuft auf dem ROCm-Stack. SemiAnalysis räumte AMD in einem Benchmark vom 22. Dezember 2024 von MI300X gegen H100 und H200 eine 0%ige Chance ein, den CUDA-Moat von NVIDIA zu durchbrechen, und stellte fest, dass CUDA bei den meisten Aufgaben auf Anhieb funktionierte, während die Software von AMD erhebliche Konfiguration erforderte.34
Dieselben Analysten haben diese Einschätzung am 25. Juli 2026 inzwischen revidiert: „eine große Erfolgschance, sofern AMD die beiden von uns unten beschriebenen Hauptrisiken löst“: den Produktionshochlauf der 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 einen anhaltenden Mangel an stabilen internen GPU-Clustern für die Softwareentwicklung und automatisiertes Testen in der CI.35
Auf der Advancing KI 2026 verpflichtete sich AMD zu einem festen Sechs-Wochen-Rhythmus für Feature-Releases anstelle des bisherigen etwa vierteljährlichen Zyklus.36
Ökosystem
Wie NVIDIA investiert AMD selektiv in Nutzer seiner Lösungen, um die Einführung seiner Hardware voranzutreiben.37 Es hat zudem Eigenkapital an seine größten Verpflichtungen geknüpft, indem es OpenAI und Meta jeweils einen leistungsbasierten Optionsschein auf bis zu 160 Millionen Aktien zu $0,01 ausgab, die an Instinct-Liefermeilensteine geknüpft sind.38
3. Intel
Intel blickt auf eine lange Geschichte in der Halbleiterentwicklung zurück. Intel besitzt eigene Fabs und fertigt Teile wie das auf 18A basierende Xeon 6+ intern. Es bezieht KI-bezogene Komponenten auch von TSMC, und Gaudi 3 selbst wurde im 5nm-Prozess von TSMC gefertigt.39
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.40 Der Chip selbst wurde nicht vom Markt genommen. 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.41 Intel strebte für 2024 einen Gaudi-Umsatz von $500 Millionen an, gab dieses Ziel jedoch in der Telefonkonferenz zum dritten Quartal am 31. Oktober 2024 auf. Auf der CES 2026 räumte das Unternehmen ein, dass Gaudi „den Anforderungen des Marktes für Frontier-KI-Training nicht gerecht wurde“.40
Intel strich seine Falcon-Shores-GPU, um auf Jaguar Shores umzuschwenken, einen Rack-Scale-KI-Beschleuniger, dessen bestätigte Details sich auf die Gaudi-Marke und SK hynix HBM4-Speicher beschränken, ohne Angabe eines Prozessknotens.40 Auf der CES 2026 verwies 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 den Xeon 6+ Prozessor auf dem 18A-Knoten.4243
Crescent Island ist eine Xe3P-basierte, auf Inference optimierte Rechenzentrums-GPU, die erstmals am 14. Oktober 2025 auf dem OCP Global Summit mit 160GB LPDDR5X angekündigt wurde; Kundensampling wird in der zweiten Hälfte 2026 erwartet.44 Intel stellte sie auf der Computex 2026 als luftgekühlte 350W-PCIe-Karte vor, die Datentypen von FP4 bis FP64 unterstützt, mit einer maximalen Partner-Konfiguration von 480GB. Die angekündigte Karte hat 160GB.40
4. Qualcomm
Qualcomm ist ein fabless Designer, der vor allem für mobile SoCs bekannt ist und eine auf Inference ausgerichtete Rechenzentrums-Produktlinie angekündigt hat. 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 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.45
AI200, AI250 und die Rechenzentrums-Roadmap
Am 27. Oktober 2025 kündigte Qualcomm mit AI200 und AI250 zwei rackgroße KI-Inference-Lösungen an. Beide fallen nun unter die Marke Dragonfly, die Qualcomm im Juni 2026 einführte.46 Die AI200 unterstützt 768 GB LPDDR pro Karte, und Qualcomm gab bei der Ankündigung an, dass AI200 und AI250 voraussichtlich 2026 bzw. 2027 kommerziell verfügbar sein würden.
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. Dies ist eine Roadmap-Spezifikation des Anbieters. Beide Racks nutzen direkte Flüssigkeitskühlung, und Qualcomm spezifiziert jetzt ein 140 kW OCP-ORv3-konformes Rack.47
Am 24. Juni 2026 stellte Qualcomm drei weitere Rechenzentrumsprodukte vor.47 Die Dragonfly C1000 ist eine Rechenzentrums-CPU, die voraussichtlich 2028 kommerziell verfügbar sein wird, und Qualcomm nannte Meta als Kunden im Rahmen einer generationenübergreifenden Zusammenarbeit für Rechenzentrums-CPUs. Qualcomm High Bandwidth Compute (HBC) verbindet Rechenleistung mit beschleunigter Speicherbandbreite in einer 3D-gestapelten Siliziumlösung und bildet damit eine Compute-Architektur; HBC Gen 1, gepaart mit der AI250, soll Mitte 2027 in das kommerzielle Sampling gehen. Die Dragonfly AI300 ist ein Inference-Beschleuniger, dessen kommerzielles Sampling für 2028 erwartet wird. Qualcomm strebt bis zum Geschäftsjahr 2029 einen Rechenzentrumsumsatz von mehr als $15 Milliarden an.48
Am 8. September 2026 kündigte Qualcomm eine generationenübergreifende Zusammenarbeit mit Amazon an, die kundenspezifisches Silizium für KI-Inference und optische Konnektivität bis zu 1.6T betrifft.49
Übernahmen und die Cloud KI 100-Familie
Qualcomm schloss die Übernahme von Alphawave am 18. Dezember 2025 ab. Qualcomm schloss die Übernahme von Modular am 29. Juli 2026 ab. Mojo, MAX und Modular Cloud bleiben als Produkte und Marken bestehen.50
Vor der Dragonfly-Linie waren die Rechenzentrums-Inference-Beschleuniger von Qualcomm die Cloud KI 100-Karten. 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.
Spezialisierte KI-Beschleuniger und Inference-Anbieter
5. Groq
Groq wurde von ehemaligen Google-Mitarbeitern gegründet und baute sein Geschäft rund um die LPU (Language Processing Unit) auf, eine Chip-Architektur für Inference mit niedriger Latenz.
Am 24. Dezember 2025 gab Groq bekannt, dass es eine nicht-exklusive Lizenzvereinbarung mit NVIDIA über die Inference-Technologie von Groq geschlossen habe und dass Gründer und CEO Jonathan Ross, Präsident Sunny Madra und weitere Führungskräfte zu NVIDIA gewechselt seien.51 Groq erklärte, dass es als unabhängiges Unternehmen fortbestehe. CNBC bezifferte die Transaktion auf rund $20 Milliarden in bar, womit sie der bislang größte Deal von NVIDIA wäre; diese Zahl wird Alex Davis zugeschrieben, CEO des Groq-Investors Disruptive, der außerdem sagte, NVIDIA übernehme alle Vermögenswerte von Groq mit Ausnahme des GroqCloud-Geschäfts.52 NVIDIA hat keine Pressemitteilung zu dem Deal veröffentlicht, NVIDIA-CFO Colette Kress lehnte eine Stellungnahme zum Preis ab, und Reuters merkte an, dass keines der beiden Unternehmen ihn bestätigte. Jensen Huang sagte den Mitarbeitern: „Wir nehmen zwar talentierte Mitarbeiter auf und lizenzieren das geistige Eigentum von Groq, aber wir übernehmen Groq nicht als Unternehmen.“ NVIDIA enthüllte das daraus hervorgegangene Produkt, die NVIDIA Groq 3 LPU, auf der GTC am 16. März 2026 als siebten Chip der Vera-Rubin-Plattform.7
Groq betreibt eine Inference-Cloud und ist ein NVIDIA Cloud Partner. Im August 2026 meldete das Unternehmen 13 Rechenzentren, mehr als sechs Millionen Entwickler und 54 MW Kapazität, mit einem Ziel von über 200 MW im Jahr 2027.53 Das Rechenzentrum in Dammam, gebaut mit Aramco Digital, steht hinter einer im Februar 2025 angekündigten saudischen Investitionszusage von $1,5 Milliarden.54
Am 17. August 2026 kündigte Groq LLC eine Series A über $350 Millionen bei einer Bewertung von $3,5 Milliarden an, angeführt von Disruptive, mit geplanter Beteiligung von NVIDIA. Die Mitteilung bezeichnet die Juni- und August-Runden als 1 Milliarde US-Dollar an jüngster Finanzierung, weist jedoch darauf hin, dass die Series A weiterhin unter üblichen Abschlussbedingungen steht.53
6. SambaNova Systems
SambaNova entwickelt Reconfigurable Data Units (RDUs) und bietet Inference über SambaCloud an. Das Unternehmen schloss am 8. Juli 2026 den ersten Teil einer Series F über 1 Milliarde US-Dollar bei einer Bewertung von 11 Milliarden US-Dollar ab.55
SambaNova stellte die SN50, seine neueste Reconfigurable Data Unit (RDU), am 24. Februar 2026 vor; die Auslieferung an Kunden ist für die zweite Hälfte 2026 geplant. SambaNova gibt 5x mehr Rechenleistung pro Beschleuniger und 4x mehr Netzwerkbandbreite als bei der Vorgängergeneration SN40L an und unterstützt eine dreistufige Speicherarchitektur für Modelle mit bis zu 10 Billionen Parametern und Kontext von bis zu 10 Millionen Tokens.56 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-Inference-Lösungen bereitzustellen.
SambaNova Systems vermietet seine Plattform über SambaCloud an Unternehmen.57
7. Cerebras
Cerebras baut Beschleuniger im Wafer-Scale-Format. Seine WSE-3 integriert vier Billionen Transistoren und 900.000 KI-Kerne auf einem einzigen Wafer-Scale-Prozessor.58
Cerebras stellte das CS-4-Inference-System am 18. August 2026 vor. Es kombiniert drei WSE-3-Turbo-Prozessoren und unterstützt disaggregierte Inference, wobei separate Hardware die Prompt-Verarbeitung und Token-Erzeugung übernimmt. Beim Start strebte Cerebras erste Auslieferungen für Q3 2026 an.59 Das Unternehmen nannte Gimlet Labs am 28. September als CS-4-Launch-Partner und teilte mit, dass das erste Cerebras-betriebene Gimlet-Cloud-Rechenzentrum später im Jahr 2026 erwartet werde.60
Cerebras-Systeme arbeiten mit Pharmaunternehmen wie AstraZeneca und GlaxoSmithKline sowie Forschungslaboren, die sie für Simulationen nutzen. Das Unternehmen zielt außerdem auf LLM-Anbieter ab, da seine Chips die Inference-Kosten für Frontier-Modelle senken können.
Cerebras bietet Unternehmen seine Chips auch in seiner Cloud an. Am 1. September 2026 kündigte das Unternehmen ein finnisches Rechenzentrumsprojekt mit Compute Nordic Finland an, das in Phasen auf 165 MW vertraglich vereinbarte IT-Kapazität skaliert. Der Bau der ersten 50-MW-Phase war im Gange.61
Cerebras wird seit dem 14. Mai 2026 nach einem Börsengang mit Bruttoerlösen von rund $6,38 Milliarden unter dem Ticker CBRS an der Nasdaq gehandelt.62 In den Q2-Ergebnissen vom 12. August hob Cerebras seine Kernumsatzprognose für das Geschäftsjahr 2026 auf $880-890 Millionen an.63 Am 14. Januar 2026 schloss das Unternehmen eine 750-MW-Inference-Vereinbarung mit OpenAI ab, die es in seiner eigenen Q1-Mitteilung mit mehr als $20 Milliarden bewertet.64
8. d-Matrix
d-Matrix entwickelt Inference-Beschleuniger, die Rechenleistung nahe am SRAM platzieren, um Datenbewegungen zu reduzieren.65
Corsair nutzt eine SRAM-basierte In-Memory-Compute-Chiplet-Architektur.65 Am 12. Oktober 2026 kündigte d-Matrix die allgemeine Verfügbarkeit von Corsair-Servern und SquadRack-Systemen an. Die größeren Squadron-Cluster wurden an Prioritätskunden ausgeliefert, mit einer Konfiguration, die bis zu 16 SquadRacks und 1.024 Corsair XPUs unterstützt.66
Gimlet Labs testete gpt-oss-120b mit einem spekulativen Decoder mit 1.6 Milliarden Parametern, der auf Corsair ausgelagert wurde. Das Unternehmen meldete eine 2-5x-End-to-End-Beschleunigung für interaktive Konfigurationen und bis zu 10x für auf Energieverbrauch optimierte Konfigurationen im Vergleich zu demselben Decoder auf einer GPU bei gleichem Energieverbrauch. Gimlet ist ein kommerzieller Partner von d-Matrix, und der Mitgründer und CTO von d-Matrix war Co-Autor des Benchmark-Posts.67
9. Rebellions
Rebellions ist ein in Korea ansässiges Startup mit Fokus auf LLM-Inference. Es fusionierte mit einem anderen koreanischen Halbleiterdesign-Unternehmen, SAPEON.68 Die Gesamtfinanzierung beträgt rund 850 Millionen US-Dollar.69 Der Börsengang hat nicht stattgefunden. Rebellions gab am 8. Juli 2026 an, das erste oder zweite Quartal 2027 anzustreben, mit Tendenz zu einem Main-Board-Listing an der KOSPI.70
REBEL-Quad ist der Beschleuniger der zweiten Generation, vier Chiplets auf Samsungs 4nm-Prozess, und Rebel100 ist sein kommerzieller Produktname.
Rebellions bestätigte am 15. September 2026, dass RebelRack- und RebelPOD-Systeme ausgeliefert werden. Die Partnerschaft mit ai& umfasste einen Erstkauf für eine geplante Bereitstellung in Tokio. Der Betrieb am japanischen Standort sollte nach der Lieferung beginnen.71
10. Tenstorrent
Tenstorrents neuester Blackhole Tensix Processor liefert 664 TFLOPS (BLOCKFP8) Leistung, gepaart mit 32GB GDDR6-Speicher und 512 GB/s Speicherbandbreite.
Die P150a-Karte kostet $1,399 und verfügt über vier QSFP-DD-800G-Ports für die Skalierung über mehrere Karten. Das Einstiegsmodell P100a startet bei $999.72
Ab Januar 2026 werden Blackhole-p150-Karten mit 120 aktiven Tensix-Kernen ausgeliefert, reduziert von 140, und Firmware-Release v19.5.0 wendete dieselbe Reduzierung rückwirkend auf verkaufte Karten an. Tenstorrent beziffert die Auswirkung auf typische Workloads mit 1-2 %.73
Tenstorrent bietet einen vollständig quelloffenen Software-Stack. Das Unternehmen nahm im Dezember 2024 700 Millionen US-Dollar ein.74
11. Positron
Positron entwickelt Hardware und Software für Transformer-Inference. Atlas ist der lieferbare Server. Asimov und Titan sind die geplanten Chip- und Systemprodukte.75
Produkte:
- Atlas (wird jetzt ausgeliefert): Ein Transformer-Inference-Server mit 8x Positron Archer Transformer Accelerators und insgesamt 256 GB HBM. Das Unternehmen gibt im Vergleich zu NVIDIA-Hopper-Systemen mehr als 4x Leistung pro Watt und mehr als 3x Leistung pro Dollar an, gemessen mit Llama 3.1 8B mit BF16-Rechenleistung.76
- Titan (geplant): Ein Inference-Nachfolgesystem, das vier bis acht Asimov-Chips kombiniert. Die Ankündigung von Positron vom September 2026 beschrieb Konfigurationen mit LPDDR5X-Speicher.75
- Asimov (geplant): Kundenspezifisches Inference-Silizium, dessen Tape-out auf TSMC N3P für Ende 2026 geplant ist; die Produktion wird für die zweite Hälfte 2027 angestrebt. Positron gibt 288-2.304 GB Speicher pro Chip an.75
Positron kündigte am 10. September 2026 eine Series-C-Finanzierung über $875 Millionen bei einer Post-Money-Bewertung von 5 Milliarden US-Dollar an. Diese umfasste eine Series-C-Tranche über $375 Millionen und bis zu $500 Millionen in einer Series-C-1-Tranche. Das Unternehmen meldete außerdem eine Atlas-Bereitstellung von mehr als 50 Racks bei Oracle Cloud Infrastructure.75
12. _etched
Ihr Ansatz opfert Flexibilität zugunsten von Effizienz, indem Modellarchitekturen in ihre Chips eingebrannt werden.
Etched kam am 30. Juni 2026 aus dem Stealth-Modus, mit funktionsfähigem A0-Silizium aus TSMCs N4P-Prozess, mehr als 1 Milliarde US-Dollar an unterzeichneten Kundenverträgen und 800 Millionen US-Dollar eingeworbenem Kapital.77 Am 23. Juli 2026 kündigte das Unternehmen eine Series C über 300 Millionen US-Dollar bei einer Bewertung von 10.3 Milliarden US-Dollar an, angeführt von Sequoia.78
Das Unternehmen verwendet den Produktnamen Sohu nicht mehr. Es beschreibt sich heute als Erbauer von Frontier-Inference-Clustern, die DeepSeek, Qwen, Mamba und Llama ausführen, sodass das Design nicht mehr nur Transformer unterstützt.77
Zwei Fragen bleiben offen. Etched hat keinen Drittanbieter-Benchmark veröffentlicht und nennt keinen Kunden hinter den berichteten Verträgen, sodass die Leistungswerte interne Messungen bleiben. Die Obsoleszenzfrage, die das ursprüngliche Sohu-Design aufwarf, gilt nun für den größeren Modellsatz, da ein Chip, der um eine feste Gruppe von Architekturen herum gebaut wurde, neu ausgerichtet werden muss, sobald diese Architekturen abgelöst werden.
13. Taalas
Taalas wurde Anfang 2023 gegründet und verdrahtet einzelne Modelle direkt in kundenspezifisches Silizium, wodurch das Unternehmen sogenannte „Hardcore Models“ herstellt.79 Das Unternehmen behauptet, jedes zuvor ungesehene KI-Modell innerhalb von zwei Monaten in kundenspezifisches Silizium umwandeln zu können. AMD kündigte am 6. August 2026 eine Vereinbarung zur Übernahme von Taalas an, vorbehaltlich Abschlussbedingungen und behördlicher Genehmigungen. AMD plant, die Technologie in Systeme zusammen mit Instinct-GPUs zu integrieren.21
Die Architektur von Taalas vereint Speicher und Rechenleistung auf einem einzigen Chip in DRAM-Dichte und macht HBM, Advanced Packaging, 3D-Stacking, Flüssigkeitskühlung oder Hochgeschwindigkeits-I/O überflüssig.
Produkte:
- HC1 (jetzt verfügbar): Ein Technologie-Demonstrator, fest verdrahtet mit Llama 3.1 8B, gefertigt auf 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 verwendet jedoch aggressive kundenspezifische 3-Bit- und 6-Bit-Quantisierung, was zu Qualitätseinbußen im Vergleich zu GPU-Baselines führt.80
- 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 der HC1 zu beheben.
14. Extropic
Extropic nahm Ende 2023 eine Finanzierungsrunde über 14 Millionen US-Dollar auf, um Thermodynamik für das 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 im Q3 2025 an ausgewählte Forscher ausgeliefert wurde. Beide wurden am 29. Oktober 2025 vorgestellt. Z1, der erste Chip im Produktionsmaßstab, ist als Early Access für 2026 gelistet.81
15. Vaire
Vaire entwickelt Schaltungen für reversibles Rechnen, die einen Teil der Schaltenergie zur Wiederverwendung zurückgewinnen. Die veröffentlichten Ergebnisse betreffen Testschaltungen.
Vaires erster Testchip mit dem Codenamen Ice River ist ein 22nm-CMOS-Demonstrator. Im September 2025 gemeldete Messungen ergaben einen Energie-Rückgewinnungsfaktor von 1.77 für ein Kondensatorarray, das von Vaires Resonator angesteuert wird, und 1.41 für ein Schieberegister auf demselben Chip, gegenüber etwa 2x, wie in der Simulation vorhergesagt.82 Der beim Tape-out gemeldete 50 %-Wert gilt nur für den Resonator und schließt weitere Energie-Overheads aus.8384
16. Fractile
Fractile entwickelt KI-Inference-Prozessoren, die Speicher und Rechenleistung auf demselben Die verschränken.85
Fractile behauptet, sein Design könne Frontier-Modelle bis zu 25-mal schneller ausführen als GPUs. Dieser Vergleich ist eine Anbieterangabe. Ein lieferbares Produkt ist hier nicht belegt.
Fractile kündigte am 13. Mai 2026 eine Series B über 220 Millionen US-Dollar an.86 Berichte über die Runde bezifferten die Bewertung auf etwa 1 Milliarde US-Dollar, eine Zahl, die das Unternehmen nicht bestätigt hat.
17. FuriosaAI
FuriosaAI entwickelt RNGD, einen Rechenzentrums-Beschleuniger für KI-Inference. Das Unternehmen kündigte die Volumenverfügbarkeit am 27. Januar 2026 als PCIe-Karte und in seinem Acht-Karten-Server NXT RNGD an. Die Karte hat eine angegebene TDP von 180 W.87
Sein SDK unterstützt Modell-Kompilierung, Multi-Chip-Ausführung und eine OpenAI-kompatible API. FuriosaAI meldet Volumenverfügbarkeit und veröffentlicht eigene GPU-Leistungsvergleiche.87
18. Graphcore
Graphcore entwickelt Intelligence Processing Units (IPUs) und Systeme wie IPU-POD256. SoftBank übernahm das Unternehmen im Juli 2024.88
SoftBank schoss am 10. April 2026 weitere $457 Millionen in Graphcore ein.89
19. Mythic
Mythic wurde 2012 gegründet und ist auf Edge-KI fokussiert. Mythic verfolgt mit einer analogen Compute-Architektur einen unkonventionellen Weg, der energieeffizientes Edge-KI-Computing ermöglichen soll.
Mythic entwickelte den M1076 Analog Matrix Processor und die MM1076-Karte.90
Mythic nahm am 17. Dezember 2025 eine überzeichnete Runde über 125 Millionen US-Dollar unter Führung von DCVC auf.91 Am 19. Mai 2026 übernahm das Unternehmen Videantis.92
20. Speedata
Speedata wurde 2019 in Tel Aviv gegründet und entwickelt eine Analytics Processing Unit (APU), die für die Beschleunigung von Big-Data-Analysen und KI-Workloads ausgelegt ist. Es handelt sich um eine APU, die auf Apache-Spark-Workloads abzielt, mit Plänen zur Unterstützung weiterer großer Datenanalyseplattformen.
Speedata nahm im Juni 2025 in einer Series B unter Führung von Walden Catalyst Ventures, 83North und anderen 44 Millionen US-Dollar auf, womit sich die Gesamtfinanzierung auf 114 Millionen US-Dollar erhöhte.93
21. Axelera KI
Axelera KI wurde im Juli 2021 im niederländischen Eindhoven gegründet und ist auf KI-Hardware-Beschleunigungstechnologie für Computer Vision und generative KI spezialisiert. Das Unternehmen entwickelt Titania, ein KI-Inference-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, womit sich die Gesamtsumme auf mehr als 450 Millionen US-Dollar aus Eigenkapital, Zuschüssen und Venture Debt erhöhte.9495
Axelera brachte Europa am 15. September 2026 auf den Markt und gibt an, dass es als Chip sowie in den PCIe-Karten Edge 232p und Server 250p ausgeliefert wird. Außerdem listet das Unternehmen validierte Edge-232p-Systeme von Dell und Supermicro.96 Titania bleibt für 2028 vorgesehen.
22. NextSilicon
NextSilicon, 2017 in Tel Aviv gegründet, vertreibt Maverick-2, einen zur Laufzeit rekonfigurierbaren Dataflow-Beschleuniger auf TSMCs 5nm-Prozess, der als PCIe-Gen-5-Karte mit 96 GB HBM3E oder als OAM-Modul mit 192 GB geliefert wird.97 Das Unternehmen gibt an, Maverick-2 sei an Dutzenden Kundenstandorten im Einsatz. Ein namentlich genannter Standort ist Spectra bei Sandia National Laboratories, ein 64-Knoten-System mit 128 Dual-Die-Maverick-2-Beschleunigern, das im Mai 2026 nach dem Betrieb von HPCG, LAMMPS und SPARTA die vollständige Systemabnahme im Rahmen des Vanguard-Programms von Sandia bestand.9899 NextSilicon beansprucht 10x GPU-Leistung bei halber Leistungsaufnahme. Eine unabhängige Verifizierung dieses Vergleichs steht noch aus. Im Juni 2026 kündigte das Unternehmen an, Arbel, den RISC-V-Kern im Maverick-2 und zugleich einen eigenständigen 2.5-GHz-Testchip, zu Server-Prozessoren mit 64 und 128 Kernen weiterzuentwickeln, die 3.4 GHz anpeilen und im ersten Quartal 2028 erwartet werden.100
Cloud-Plattformen und integrierte KI-Systeme
23. AWS
AWS produziert Trainium-Chips für das Modelltraining und Inferentia-Chips für die Inference. 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 waren es fast eine halbe Million Chips, und Anthropic gab am 20. April 2026 an, über eine Million Trainium2-Chips zu nutzen.101
Trainium3 und Trn3 UltraServers erreichten am 2. Dezember 2025 die allgemeine Verfügbarkeit.102 Trainium3 ist der KI-Chip der vierten Generation von AWS und der erste, der auf einem 3nm-Prozess basiert, mit 2.52 PFLOPS FP8, 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-Punkt an, mit Unterstützung für NVIDIA NVLink Fusion. In der Telefonkonferenz zum Q1 2026 sagte Amazon, Trainium4 sei etwa 18 Monate von breiter Verfügbarkeit entfernt und weitgehend reserviert.103
24. Google Cloud Platform
Die Google Cloud-TPU ist der eigens entwickelte Machine-Learning-Beschleunigerchip, der Google-Produkte antreibt. Google kündigte TPUs 2016 an.104 Trillium TPU ist die 6. Generation.105
Ironwood, auch TPU v7 oder TPU7x genannt, ist für komplexe „Thinking Models“ wie LLMs und MoEs konzipiert, mit 4.614 TFLOPS FP8 pro Chip und bis zu 42.5 Exaflops in Pods mit 9.216 Chips.106 Er bietet die 2x Energieeffizienz von Trillium. Jeder Chip trägt 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.107 Er ging am 24. November 2025 in die Vorschau und erreichte am 31. März 2026 die allgemeine Verfügbarkeit.108
Auf der Cloud Next am 22. April 2026 kündigte Google seine achte TPU-Generation als zwei speziell entwickelte Chips an: TPU 8t für Training und TPU 8i für Inference.109 Ein TPU-8t-Superpod skaliert auf 9.600 Chips, zwei Petabyte gemeinsames HBM und 121 ExaFLOPS bei FP4. Google gibt an, beide würden später im Jahr 2026 verfügbar sein.
25. Alibaba
Alibaba entwickelt KI-Beschleuniger über seine Chip-Einheit T-Head (PingTouGe) auf Basis einer selbst entwickelten Parallel Processing Unit (PPU)-Architektur mit einem kundenspezifischen ICN-Interconnect.110
T-Head stellte die Zhenwu 810E am 29. Januar 2026 öffentlich im Detail vor. Der Chip verfügt über 96 GB HBM2e und 700 GB/s Inter-Chip-Bandbreite über sieben 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. Die Ankündigung enthüllte Spezifikationen des bestehenden Chips. Das 810E-Silizium und die 10.000-Karten-Bereitstellungen liegen zeitlich vor dieser 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 FP4 und der dreifachen Leistung der 810E. Sie wird im Supernode Panjiu AL128 ausgeliefert, der 128 Beschleuniger pro Rack fasst und den ICN Switch 1.0 mit 25.6 Tbps nutzt. Alibaba gibt an, dass die kumulierten Lieferungen der Zhenwu-Serie 560.000 Einheiten überschreiten. Diese kumulierte Zahl umfasst frühere Zhenwu-Generationen.
Auf der Apsara-Konferenz im September 2026 kündigte Alibaba die Zhenwu V900 für Training und Inference an. Sie spezifiziert 216 GB Speicher, 1.200 GB/s Inter-Chip-Bandbreite und native Unterstützung für FP8/FP4. Alibaba strebt Massenproduktion und kommerzielle Markteinführung für Q1 2027 an.111
Einige nordamerikanische, europäische und australische Organisationen (z. B. in der Verteidigungsindustrie) ziehen es aus geopolitischen Gründen möglicherweise vor, Alibaba Cloud nicht zu nutzen.
26. IBM
IBM kündigte 2022 seinen Deep-Learning-Chip an, die Artificial Intelligence Unit (AIU).112 Die IBM AIU basiert auf dem IBM Telum Processor, der die KI-Verarbeitungsfunktionen der IBM Z-Mainframe-Server unterstützt.113 IBM zeigte außerdem, dass die Verschmelzung von Compute und Speicher im Prozessor-Prototyp North Pole zu Effizienzgewinnen führen kann.114
Der kommerziell ausgelieferte IBM KI-Beschleuniger ist der Spyre Accelerator, angekündigt am 7. Oktober 2025 und ab dem 28. Oktober 2025 auf z17 und LinuxONE 5 sowie ab Anfang Dezember 2025 auf Power11 verfügbar.115 Spyre besitzt 32 Beschleunigerkerne und 25.6 Milliarden Transistoren auf einem 5nm-Prozess, verpackt als 75W-PCIe-Karte mit 128 GB LPDDR5. In einem Z- oder LinuxONE-System clusterieren bis zu 48 Karten, gegenüber 16 in Power.
27. Huawei
HiSilicon Ascend 910C von Huawei gehört zur 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 sie 60 % der Inference-Leistung von NVIDIA H100 erreicht.116
Huawei präsentierte den Chip Ascend 950PR zusammen mit der Beschleunigerkarte Atlas 350 am 20. März 2026.117 Die Karte Atlas 350 ist spezifiziert mit 1.56 PFLOPS FP4, 112 GB Huawei-eigenem HiBL 1.0 HBM bei 1.4 TB/s Speicherbandbreite, 600 W Leistungsaufnahme und 2 TB/s Interconnect. Diese Speicherwerte gehören zur Karte. Das Ascend-950PR-Silizium selbst ist mit 128 GB und 1.6 TB/s spezifiziert. Huawei gibt an, die Karte liefere das 2.8-fache der Leistung von NVIDIAs H20 – ein Vergleich zwischen der FP4-Fähigkeit der Karte und einer Hopper-Klasse H20 ohne native FP4-Unterstützung.
Die Roadmap von Huawei vom September 2025 führte Ascend 950PR für Q1 2026, 950DT für Q4 2026, Ascend 960 für Q4 2027 und Ascend 970 für Q4 2028 auf.118 Huawei enthüllte am 17. September 2026 den Atlas 960E SuperPoD, der bis zu 4.096 NPUs über UnifiedBus und Hi-ONE Near-Packaged Optics verbindet. Huawei gibt 8 EFLOPS bei FP8 und 16 EFLOPS bei FP4 für einen einzelnen SuperPoD an. Die Ankündigung nannte kein kommerzielles Verfügbarkeitsdatum.119
28. Microsoft Azure
Auf der Hot Chips 2024 stellte Microsoft Maia 100 vor, den ersten kundenspezifischen KI-Beschleuniger des Unternehmens auf TSMCs N5-Prozess. Microsoft brachte Maia 200 (Codename Braga) am 26. Januar 2026 als auf Inference fokussierten KI-Beschleuniger für Azure auf den Markt, der die KI-Token-Kosten senken und 30 % bessere Leistung pro Dollar als bestehende Systeme liefern soll.120
Maia 200 basiert 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 innerhalb einer 750-W-SoC-TDP. Microsoft bestätigte in der Telefonkonferenz zum Q3 des Geschäftsjahres 2026, dass Maia 200 in den Rechenzentren in Iowa und Arizona live war.121
Microsoft kündigte Maia 300 am 12. Oktober 2026 an; der Produktionseinsatz soll 2027 beginnen. Der Inference-Beschleuniger nutzt TSMC-N2P-Compute-Chiplets und acht HBM4-Stapel und bietet 288 GB Speicher und 18 TB/s Speicherbandbreite bei einer SoC-Thermal-Design-Power von 950 W. Das Rack-Design verbindet 96 Beschleuniger.122 Microsoft gab außerdem an, dass Maia 200 Copilot-Produktionsverkehr in Bereitstellungen in den USA, Europa und Australien bediente.123
KI-Chips für unternehmenseigene Infrastruktur
29. Apple
Apples Project ACDC konzentriert sich Berichten zufolge auf den Bau von Chips für KI-Inference in Rechenzentren.124 Der Server-Chip trägt Berichten zufolge den Codenamen Baltra und wird mit Broadcom entwickelt; Apple hat ihn nie offiziell bestätigt. Reuters berichtete am 15. Juli 2026 unter Berufung auf The Information, dass das Projekt verschoben wurde und Apples hauseigene KI-Server weiterhin mit M2-Ultra-Chips laufen.125126 Der M5 erschien am 15. Oktober 2025, und M5 Pro sowie 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 Serverabhängigkeit ausführt, unterstützt durch ein quelloffenes Core-KI-Modell-Repository auf GitHub.127128
30. Meta
Der Meta Training and Inference Accelerator (MTIA) ist eine Prozessorfamilie für KI-Workloads wie das Training der Meta-Modelle Llama.
Meta benannte die MTIA-Familie am 11. März 2026 um. Der bisher als Next Gen MTIA bezeichnete Teil heißt jetzt MTIA 200. Er basiert auf TSMC-5nm-Technologie, soll die 3x Leistung von MTIA v1 bieten und ist in Racks mit bis zu 72 Beschleunigern untergebracht.129 MTIA 300 ist für Ranking- und Empfehlungstraining in Produktion, und MTIA 400, 450 und 500 folgen über 2026 und 2027.130
MTIA führt Metas interne Workloads aus und wird nicht als öffentlicher Cloud-Beschleuniger angeboten.
Broadcom entwickelt Technologie für Metas MTIA-Programm mit. Die Partnerschaft und Kapazitätszusagen werden im Broadcom-Profil behandelt.131
31. OpenAI
OpenAI entwickelte seinen ersten KI-Chip mit Broadcom, und die Leitung des Chip-Teams hat Erfahrung im Design von TPUs bei Google.132 OpenAI hat TSMC als Foundry bestätigt, aber weder OpenAI noch Broadcom hat einen Prozessknoten bestätigt.133 Koreanische Lieferkettenberichte verwendeten den Codenamen „Titan“ für den Chip und ordneten ihn TSMCs N3-Prozess zu, obwohl keines der Unternehmen diesen Namen nutzt.134
Samsung hat eine Vereinbarung zur Lieferung von HBM4-Speicher für den OpenAI-Chip gesichert und stellt Berichten zufolge über 50 % seiner Foundry-Kapazität in Pyeongtaek für HBM4-Base-Dies zu diesem Zweck bereit.135 OpenAI und Broadcom kündigten im Oktober 2025 eine Zusammenarbeit über 10 Gigawatt kundenspezifische KI-Beschleuniger an. Die Racks sollen in der zweiten Hälfte 2026 starten und bis Ende 2029 abgeschlossen werden. Die Ankündigung besagt, dass die Parteien „ein Term Sheet unterzeichnet haben“. Ein verbindlicher Kaufvertrag und der finanzielle Wert bleiben ungenannt.132 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, darunter GPT-5.3-Codex-Spark, und dass die Plattform für eine erste Bereitstellung Ende 2026 ausgelegt ist, womit sich der Chip im Post-Tape-out-Engineering-Sample-Stadium befindet.136 Die Seite von Broadcom, einschließlich seiner anderen Kunden für kundenspezifische Beschleuniger, wird im Abschnitt zu Broadcom weiter unten behandelt.
Kundenspezifische KI-ASIC-Designpartner
32. Broadcom
Broadcom entwickelt kundenspezifische KI-Beschleuniger gemeinsam mit Kunden und liefert die Netzwerktechnik, die sie verbindet. Diese kundenspezifischen Chips werden nicht als Marken-Standard-Beschleuniger verkauft.
Broadcom meldete am 2. September 2026 für Q3 FY2026 einen KI-Halbleiterumsatz von 16.7 Milliarden US-Dollar, ein Plus von 221 % im Jahresvergleich. Für Q4 prognostizierte das Unternehmen 21.7 Milliarden US-Dollar.137
In der Telefonkonferenz vom 3. Juni 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, deren Lieferungen Ende 2026 beginnen und sich 2027 beschleunigen sollen. Veröffentlichte Listen mit allen sechs Namen stützen sich bei den ungenannten Identitäten auf Analysten-Schlussfolgerungen.138
Die Offenlegung von Broadcom variiert je nach Kunde:
- Google hat eine generationenübergreifende TPU- und KI-Netzwerk-Vereinbarung, ohne genannte Gigawatt-Zahl. Das Form 8-K von Broadcom weist eine langfristige Vereinbarung zur Entwicklung und Lieferung kundenspezifischer TPUs für künftige Generationen von Google sowie eine Supply-Assurance-Vereinbarung über Netzwerkkomponenten bis 2031 aus.139
- Anthropic nimmt 2026 mehr als 1 GW TPU-basierte Rechenleistung ab, zuzüglich einer April-Vereinbarung über weitere 5 GW ab 2027. 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 3.5-GW-Zahl stammt aus Broadcoms Einreichung, während der eigene Beitrag von Anthropic die Zusage als „mehrere Gigawatt“ beziffert. Die Einreichung beschreibt die Vereinbarung als Erweiterung einer bestehenden Zusammenarbeit.139
- Für OpenAI wurde Silizium geliefert, die Produktion wird Ende 2026 erwartet, und OpenAI ist im Rahmen der größeren Vereinbarung von 10 GW bis 2029 mit 1.3 GW im Jahr 2027 beauftragt. Der Chip selbst wird im Abschnitt zu OpenAI oben behandelt.138
- Meta hat eine generationenübergreifende MTIA-XPU-Partnerschaft mit einem Ziel von 3 GW bis Ende 2028, mit einer anfänglichen Bestellung über 1 GW, die ab der zweiten Hälfte 2027 geliefert wird. Hock Tan wechselt vom Vorstand von Meta in eine Beraterrolle.138131
Am 26. Februar 2026 begann Broadcom mit der Auslieferung eines kundenspezifischen 2nm-Compute-SoC auf Basis seiner 3.5D-eXtreme-Dimension-System-in-Package-Plattform (XDSiP). Dieses SoC unterstützt Fujitsus FUJITSU-MONAKA-Prozessorprogramm. Broadcom gibt an, XPUs für seine breitere Kundenbasis würden ab der zweiten Hälfte 2026 ausgeliefert.140 Im Netzwerkbereich sagte Broadcom im März 2026, Tomahawk 6 sei der einzige in Produktionsvolumen ausgelieferte 102.4T-Switch, und Jericho 4, ein im August 2025 eingeführter 51.2-Tbps-Fabric-Router, werde 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 und nutzt Broadcom-XPUs und Netzwerktechnik, die für Frontier-KI-Labore wie Anthropic und OpenAI angepasst sind. Sie startete mit einer ersten Tranche von 35 Milliarden US-Dollar und finanziert Anthropics zuvor angekündigte Erweiterung 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.141
Drittanbieter-Schätzungen des Custom-ASIC-Anteils 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.
33. Marvell
Marvell entwickelt kundenspezifisches KI-Silizium, das es XPUs nennt, für Hyperscaler, zusammen mit Interconnect-, Optik- und Netzwerk-Silizium, das diese Chips verbindet. Bloomberg Intelligence sieht Marvell im Markt für kundenspezifische KI-ASICs an zweiter Stelle hinter Broadcom.
Für das Q2 FY2027, gemeldet am 27. August 2026, wies Marvell einen Gesamtumsatz von 2.739 Milliarden US-Dollar und einen Rechenzentrumsumsatz von 2.172 Milliarden US-Dollar aus. Der Rechenzentrumsumsatz stieg im Jahresvergleich um 46 %. Die Gesamtumsatzprognose für Q3 lag bei 3.15 Milliarden US-Dollar, plus/minus 5 %.142
Am 31. März 2026 kündigten NVIDIA und Marvell eine strategische Partnerschaft an, die Marvell über NVLink Fusion an das NVIDIA KI-Factory- und KI-RAN-Ökosystem anbindet, zusammen mit einer Zusammenarbeit bei Silizium-Photonik. NVIDIA investierte im Rahmen der Partnerschaft 2 Milliarden US-Dollar in Marvell. Marvell liefert kundenspezifische XPUs und NVLink-Fusion-kompatible Scale-up-Netzwerktechnik.143
Marvell schloss zwischen Februar und April 2026 drei Übernahmen ab, alle in der Optik- und Interconnect-Schicht:
- Celestial KI, abgeschlossen am 2. Februar 2026 zu einem Wert von $3,25 Milliarden.144
- XConn Technologies, abgeschlossen am 10. Februar 2026 zu etwa $540 Millionen.
- Polariton Technologies, ein Schweizer Spin-off der ETH Zürich im Bereich plasmonikbasierter Silizium-Photonik, übernommen am 22. April 2026 zu nicht genannten Konditionen.
Marvells Rolle in späteren Trainium-Generationen ist umstritten. SemiAnalysis berichtete, dass Alchip nach Marvells Arbeit an Trainium2 das Back-End-Physical- und Package-Design von Trainium3 übernahm.145 Die Unternehmen haben diese Darstellung nicht bestätigt.
Host-CPUs und Prozessor-IP
Host-CPUs laufen neben Beschleunigern und übernehmen Systemsteuerung und allgemeine Arbeiten. Arm lizenziert Prozessor-IP und hat eine eigene Rechenzentrums-CPU-Produktlinie ergänzt.
34. Arm
Arm kündigte am 24. März 2026 an, dass das Unternehmen „zum ersten Mal in seiner Geschichte in die Produktion eigener Siliziumprodukte“ einsteigt, beginnend mit der Arm AGI CPU, einer Rechenzentrums-CPU für agentische KI-Infrastruktur. Meta „fungiert als Leitpartner und Mitentwickler“.146147
Arm gibt an, die CPU trage bis zu 136 Arm-Neoverse-V3-Kerne, 6 GB/s Speicherbandbreite pro Kern bei einer Latenz unter 100ns und eine TDP von 300 W, skaliert auf 8.160 Kerne pro luftgekühltem Rack und mehr als 45.000 Kerne pro flüssigkeitsgekühltem Rack. Arm beansprucht mehr als 2x Leistung pro Rack gegenüber x86. Dies sind Arm-eigene Angaben, die nicht unabhängig gemessen wurden.146
Arm lizenziert weiterhin IP und Compute Subsystems (CSS) neben seiner AGI-CPU-Siliziumproduktlinie. Erste Systeme sind jetzt verfügbar, eine breitere Verfügbarkeit wird in der zweiten Hälfte 2026 erwartet. Neben Meta nennt Arm Cerebras, Cloudflare, F5, OpenAI, Positron, Rebellions, SAP und SK Telecom als zugesagte Kunden.146 Meta zeigt, wie stark die Rollen inzwischen verschwimmen. Das Unternehmen entwirft eigenes MTIA-Silizium, ist Leitpartner der Arm AGI CPU, ein angekündigter Rechenzentrums-CPU-Kunde von Qualcomm und kauft bei AMD und Broadcom.
5 Anbieter mobiler KI-Chips
Dies sind repräsentative mobile SoCs, jeweils mit dokumentierter Geräte- oder KI-Hardware-Rolle.
Als bevorzugte Quelle hinzufügenEdge-KI-Prozessoren, -Module und -IP
Diese Edge-KI-Chips führen Inference auf lokalen Geräten aus. Der Vergleich unterscheidet Module, diskrete Prozessoren, integrierte NPUs und wiederverwendbare IP getrennt.
Spitzenleistung und Leistungsaufnahme sind Anbieterangaben oder Referenzdesign-Angaben. Die Quellen decken Jetson Thor, Jetson Orin, Hailo-10H, Dragonwing IQ10, Europa, Coral NPU und Core Ultra Series 3 ab.153154155156157158159
*Dies sind die von den Anbietern genannten Maximalwerte; sie sind zwischen den Zeilen nicht direkt 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.
Microchip Technology schloss die Übernahme von Hailo am 21. September 2026 zu nicht genannten finanziellen Konditionen ab. Microchip erklärte, die bestehenden Produkte von Hailo weiterhin zu unterstützen.160
Foundry-Partner und die Rolle von TSMC
TSMC ist eine reine Foundry. Das Unternehmen fertigt Halbleiter nach Kundendesigns, darunter die von NVIDIA und AMD. Samsung Foundry und Intel Foundry Services treten im selben Markt an.
Der N2-Prozess von TSMC ging im Q4 2025 in die Volumenproduktion. TSMC plant die Volumenproduktion seines N2P-Derivats für die zweite Hälfte 2026.161 Im Q2 2026 entfielen auf 2nm 3 % des Wafer-Umsatzes von TSMC, verglichen mit 33 % für 5nm, 30 % für 3nm und 11 % für 7nm.162 TSMC fertigt KI-Beschleuniger für die unten genannten Designer. FuriosaAI identifiziert TSMC als Fertigungspartner für RNGD.87
Alibabas 2019er Inference-Chip Hanguang 800, das letzte bei TSMC gefertigte Teil des Unternehmens, ist nicht enthalten. US-Exportkontrollen verbieten TSMC inzwischen die Fertigung fortschrittlicher KI-Chips für chinesische Designer, und Foundries müssen jede Lieferung bei 7nm und darunter an chinesische Designer prüfen. Alibabas KI-Silizium von 2026 wird im Inland gefertigt, wobei die Kapazität bei SMIC der genannte Engpass ist.110
SemiAnalysis berichtete am 12. März 2026, dass die Frontend-N3-Wafer-Kapazität CoWoS-Packaging als dominierenden Engpass in der KI-Chip-Lieferkette abgelöst habe; CoWoS sei eng, aber entspanne sich. TrendForce erwartet, dass sich die CoWoS-Angebots-Nachfrage-Lücke bis Ende 2026 von etwa 20 % auf etwa 10 % verringert.163 Micron erreichte am 16. März 2026 die Hochvolumenproduktion von HBM4 36GB 12H für NVIDIAs Vera-Rubin-Plattform, mit Pin-Geschwindigkeiten über 11 Gb/s.164
Expansionspläne
Die angekündigten US-Investitionen von TSMC belaufen sich auf insgesamt 265 Milliarden US-Dollar über 12 führende Fertigungs- und Packaging-Anlagen, nach einer zusätzlichen Arizona-Zusage von 100 Milliarden US-Dollar, die am 16. Juli 2026 bekannt gegeben wurde.165
Die Berichte vom März 2025 über ein von TSMC geführtes Joint Venture zum Betrieb der Foundry-Sparte von Intel führten zu keinem Abschluss. TSMC dementierte aktive Gespräche am 17. April 2025 und erklärte am 26. September 2025, das Unternehmen sei „nie in Gespräche mit irgendeinem Unternehmen über die Gründung eines Joint Ventures oder die Lizenzierung bzw. Übertragung von Technologie eingetreten.“166 Intel wurde separat rekapitalisiert, wobei die US-Regierung im August 2025 eine Beteiligung von 9,9 % für 8.9 Milliarden US-Dollar übernahm.167
KI-Chip-Hersteller 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 Bestellungen 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 RMB 1 Billion – eine Premiere für den STAR Market.
- Baidu Kunlunxin präsentierte am 13. November 2025 zwei Chips. Der Kunlun M100 ist für groß angelegte Inference optimiert und war für Anfang 2026 geplant; der Kunlun M300, ausgelegt für Training und Inference ultragroßer multimodaler Modelle, zielt auf 2027. Baidu stellte außerdem zwei Supernode-Systeme vor: Tianchi 256 (verfügbar im 1. Halbjahr 2026) und Tianchi 512 (verfügbar im 2. Halbjahr 2026), beide auf Basis bestehender Kunlun-P800-Chips von Baidu.
- Biren, gegründet von NVIDIA-Alumni, wurde am 2. Januar 2026 am Main Board der Hongkonger Börse notiert und nahm HK$5,58 Milliarden (rund US$717 Millionen) auf.
- 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 bleibt unprofitabel und steht seit 2023 auf der US Entity List.
- MetaX wurde am 17. Dezember 2025 am STAR Market notiert und nahm rund RMB 4,2 Milliarden (US$586-596 Millionen) auf. Seitdem wurde vertraulich ein Zweitlisting in Hongkong beantragt.
- Iluvatar CoreX (HKEX: 9903) wurde am 8. Januar 2026 am Main Board in Hongkong notiert und nahm rund HK$3,68 Milliarden auf.
- Enflame (SHA: 688801) wurde am 11. September 2026 am STAR Market in Shanghai notiert.168169 Der Börsenprospekt weist aus, dass das Unternehmen zum Zeitpunkt des Listings noch unrentabel war.
- SMIC, die Foundry, von der die meisten dieser Designer abhängen, hatte im Juni 2026 N+3 (5nm-Klasse) 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.
Exportzugang und Beschränkungen
Die folgenden Ankündigungen beeinflussten 2025 und 2026 den Verkauf fortschrittlicher KI-Chips nach China. Lizenzgenehmigungen, Lieferlimits und Zölle haben unterschiedliche Reichweiten.
Zuerst änderte sich die Lizenzierung. Am 13. Januar 2026 kündigte das US Bureau of Industry and Security eine endgültige Regelung an, die Lizenzanträge für NVIDIA H200, AMD MI325X und ähnliche Chips von einer Vermutungsregel der Ablehnung auf eine Einzelfallprüfung umstellt, unter Auflagen zu Exporteur-Zertifizierungen, Kundenverifizierung und unabhängigen Tests vor dem Versand.170 Die Regel deckelt außerdem die gesamte nach China oder Macau ausgeführte Total Processing Performance (TPP) auf 50 % der für US-Endnutzer versandten Gesamt-TPP derselben fortschrittlichen Computing-Waren, gemessen bis zum Datum des Lizenzantrags.171
Zwei weitere Maßnahmen liegen beide bei 25 % und werden oft als eine behandelt. Präsident Trump kündigte am 8. Dezember 2025 eine 25 %-Beteiligung der US-Regierung am Umsatz mit H200-Verkäufen nach China an und bekräftigte sie am 14. Januar 2026, während das Weiße Haus am 14. Januar 2026 einen separaten 25 %-Section-232-Zoll auf fortschrittliche Halbleiter bei denselben Leistungsschwellen ankündigte, mit Ausnahmen unter anderem für US-Rechenzentren und US-Forschung und -Entwicklung.172
China hat sich, wenn auch weniger formal, in die andere Richtung bewegt. Reuters berichtete am 5. November 2025 unter Berufung auf ungenannte Quellen, die Behörden hätten ausländische KI-Chips aus staatlich finanzierten Rechenzentren verbannt.
Am 14. Juli 2026 sagte Under Secretary of Commerce Jeffrey Kessler bei einer Kongressanhörung: „Es gab nur sehr wenige Lieferungen im Rahmen von Lizenzen für H200 und gleichwertige Chips. Es handelt sich um eine sehr kleine Menge an Chips.“ NVIDIA hatte sowohl in den Ergebnissen vom Februar 2026 als auch vom Mai 2026 null Rechenzentrumsumsatz in China gebucht.
Inländischer Anteil am chinesischen KI-Beschleunigermarkt
Reuters berichtete über IDC-Schätzungen zu den Lieferungen von KI-Beschleunigerkarten in China.173 Die Schätzungen zählen ausgelieferte Beschleunigerkarten.
Das inländische Angebot ist selbst konzentriert. Huawei steht für etwa die Hälfte der Lieferungen chinesischer Anbieter, der Rest verteilt sich auf Alibabas T-Head, Baidu Kunlunxin, Cambricon, Hygon, MetaX und Iluvatar CoreX.173
FAQs
Ja. CPUs können Neuronale-Netz-Inference ausführen. OpenVINO unterstützt die CPU-Ausführung neben GPU- und NPU-Zielen.174 Die Wahl des Beschleunigers hängt von Modellunterstützung, Speicher, Durchsatz und Latenzanforderungen ab.
Ein Chip-Designer entwickelt die Prozessorarchitektur und das Schaltungsdesign. Eine Foundry fertigt Chips für Kunden. NVIDIA und AMD lagern die Fertigung aus, während TSMC Kundendesigns fertigt. Arm und Synopsys liefern außerdem Prozessor-IP und Design-Tools.
Verwenden Sie dasselbe Modell, dieselbe Präzision, Batch-Größe und dasselbe Latenzziel. Spitzen-TOPS oder FLOPS allein können Anwendungsdurchsatz oder Kosten nicht belegen. Training und Inference stellen außerdem unterschiedliche Anforderungen an Speicher und Rechenleistung.
Weiterführende Informationen
Für praktische 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-Inference 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, Geschwindigkeit pro Abfrage, End-to-End-Latenz und Tokens pro Dollar bei jedem Parallelitätsgrad.
- CUDA vs ROCm: Wie AMDs ROCm im Vergleich zu NVIDIAs CUDA 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 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 = sep,
howpublished = {\url{https://aimultiple.com/ai-chip-makers}},
note = {AIMultiple. Abgerufen am 21. September 2026}
}Ergebnisse und Zeitstempel von 103 Datenpunkten. Laden Sie die Zusammenfassungsdaten aus den Diagrammen und Tabellen dieses Artikels als ZIP-Datei herunter, die 8 CSV-Dateien enthält.
Möchten Sie die granularen Daten dahinter? Premium beitreten
Änderungsprotokoll
39 AktualisierungenEin NextSilicon-Firmenprofil zum Maverick-2-Beschleuniger hinzugefügt.
Neuen Abschnitt zu Custom-AI-ASIC-Anbietern mit Broadcom und Marvell hinzugefügt
Anbieter- und Chip-Tabelle im Abschnitt zu mobilen KI-Chip-Anbietern hinzugefügt
Fractile zur Liste der KI-Chip-Startups hinzugefügt und die Übersicht von 20+ auf 25+ Chiphersteller erweitert.
Die Finanzierungs-, Produkt- und Kollaborationsdetails von SambaNova Systems wurden aktualisiert.
Ein Abschnitt über KI-Chip-Architekturen: GPUs vs. ASICs wurde hinzugefügt.
Referenzlinks
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.
Kommentare 3
Teilen Sie Ihre Gedanken
Ihre E-Mail-Adresse wird nicht veröffentlicht. Alle Felder sind erforderlich. Kommentare werden in ihrer Originalsprache belassen.
Excellent research. I particularly liked the way you separated GPU vendors from custom ASIC providers because a lot of articles mix them together. It also feels like the industry is gradually shifting from focusing only on training performance to inference efficiency. It'll be interesting to see whether companies like Groq, d-Matrix and Qualcomm can meaningfully reduce NVIDIA's dominance over the next few years.
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!