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, Mobil-Chips, Edge-Beschleunigern und Foundries.
30+ KI-Chip-Hersteller nach Kategorie
Jede Zeile nennt ein repräsentatives Produkt, seinen Typ und seine Verfügbarkeit. Die Verfügbarkeit unterscheidet zwischen Hardware zum Verkauf, Cloud-Diensten, internen Bereitstellungen und angekündigten Produkten. Daten beziehen sich auf dokumentierte Meilensteine. Zukünftige Auslieferungstermine bleiben Zielwerte.
GPUs vs. ASICs in KI-Chip-Architekturen
GPUs sind programmierbare Parallel-Prozessoren, die für Training und Inference verwendet werden. TPU und Trainium unterstützen beide Workloads, während andere Designs sich auf Inference konzentrieren. Architektur allein bestimmt nicht die Leistung für ein bestimmtes Model.
Die Spalten Training und Inference beschreiben den angegebenen Workload-Umfang. Die Evidenz identifiziert die Grundlage für jede Zeile als Spezifikation, Roadmap-Anspruch, Anbieter-Benchmark oder unabhängigen Benchmark. Ein unabhängiger Benchmark gilt für die genannte getestete Hardware. Er validiert nicht die anderen Produkte des Anbieters oder zukünftige Generationen.
Rechenzentrums-GPU- und Beschleuniger-Anbieter
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 Chip-Fertigung ist ausgelagert an TSMC.
Rechenzentrums-GPUs und -Systeme
Die Hopper- und Blackwell-Familien umfassen H200, B300 und GB300. HGX-Systeme kombinieren acht GPUs, während NVL72-Racks 72 GPUs mit NVLink verbinden.1
NVIDIA stellte Vera Rubin, seine Plattform nach Blackwell Ultra, auf der CES 2026 als Sechs-Chip-Plattform vor.2 Auf der GTC am 16. März 2026 erweiterte NVIDIA sie auf sieben Chips – die Vera-CPU, Rubin-GPU, NVLink-6-Switch, ConnectX-9 SuperNIC, BlueField-4 DPU, Spectrum-6-Ethernet-Switch und Groq 3 LPU – und erklärte sie für vollständig in Produktion.3 Am 16. September 2026 gab CoreWeave bekannt, einen Multi-Rack-Vera-Rubin-NVL72-Cluster mit Hunderten von Rubin-GPUs in seiner Cloud in Betrieb genommen zu haben.4 Blackwell und das GB300 NVL72 blieben das Umsatzvolumenprodukt bis Q1 FY2027.
Das Vera-Rubin-NVL72-Rack paart 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 Berichten zufolge wird die Rubin-GPU auf TSMCs N3P mit HBM4 gefertigt, ein Node, den NVIDIA nicht bestätigt hat.
Der siebte Chip stammt aus NVIDIAs Lizenzvereinbarung mit Groq vom Dezember 2025, die im Abschnitt zu Groq weiter 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 Jahreshälfte 2026 geplant, und NVIDIA prognostiziert einen bis zu 35-fach höheren Durchsatz pro Megawatt für Billionen-Parameter-Modelle, wenn LPX mit Vera Rubin NVL72 gepaart wird.7
Cloud-Zugang und Software
Die meisten Cloud-Anbieter bieten NVIDIA-Hardware als ihre Cloud-GPUs an. Morgan Stanley bezifferte NVIDIAs Anteil am KI-Prozessor-Umsatz im März 2026 auf etwa 85 %, wobei kundenspezifische ASICs über 10 % lagen und AMD unter 5 % lag.8 Bloomberg Intelligence erwartet, dass NVIDIA bis 2030 70 % bis 75 % des KI-Beschleuniger-Marktes halten wird.9
NVIDIA Dynamo, angekündigt auf der GTC 2025, ist ein Open-Source-Inference-Framework für die Bereitstellung generativer KI-Modelle mit hohem Durchsatz und niedriger Latenz in verteilten Umgebungen.10
NVIDIA bietet außerdem DGX-Cloud-Dienste an. Der DGX-Cloud-Lepton-Marktplatz verbindet Entwickler mit GPU-Cloud-Anbietern wie CoreWeave, Lambda und Crusoe.11
Desktop- und Enterprise-Systeme
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-Kernen der fünften Generation mit FP4-Präzision, die über den NVIDIA NVLink-C2C-Chip-zu-Chip-Interconnect mit einer 20-Kern-NVIDIA Grace CPU verbunden sind, mit bis zu 1 Petaflop KI-Rechenleistung und 128GB einheitlichem Speicher.1213
Auf der Computex im Mai 2025 stellte NVIDIA die RTX-PRO-Server vor, die mit RTX PRO 6000 Blackwell Server Edition GPUs ausgestattet sind und für Enterprise-KI-Fabriken konzipiert wurden.14
Rechenzentrums-Umsatz
NVIDIAs Rechenzentrums-Umsatz und sein Anteil am Gesamtumsatz werden nach NVIDIA-Geschäftsjahr ausgewiesen.15
2. AMD
AMD ist ein fablesser Chip-Hersteller mit CPU-, GPU- und KI-Beschleuniger-Produkten.
AMD brachte MI300 für KI-Training-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 inmitten des durch den Start von ChatGPT ausgelösten generativen KI-Booms schwer zu beschaffen war.161718
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 ähnlicher wie DRAM arbeiten lassen und die Speicherkosten im Rechenzentrum senken soll.1920 AMD stimmte im August 2026 außerdem der Übernahme von Taalas zu, wie im Taalas-Profil weiter 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. Am 7. Mai 2026 folgte AMD 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-Serien-Kapazität ab der zweiten Jahreshälfte 2026 bereitgestellt wird.24
AMD benannte Oracle Cloud Infrastructure am 14. Oktober 2025 als Launch-Partner für zunächst 50.000 MI450-Serien-GPUs ab Kalender-Q3 2026.25
AMD kündigte am 24. Februar 2026 eine Vereinbarung mit Meta über bis zu 6 GW ab der zweiten Jahreshälfte 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-Serien-GPUs in Helios-Racks ab der ersten Jahreshälfte 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. bis 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 Spitzen-Speicherbandbreite und 40,3 PFLOPS OCP MXFP4.30 Helios, das um die MI400-Serie herum aufgebaute Rack-Scale-System, ist in voller Produktion, mit ersten Auslieferungen ab Ende Q3 2026.29
Ein drittes Familienmitglied, die MI440X, wurde am 5. Januar 2026 auf der CES 2026 für On-Premises-KI in Unternehmen in einem kompakten Acht-GPU-Formfaktor vorgestellt, und AMD hat seitdem keine Spezifikationen dafür veröffentlicht.31 Weiter draußen platziert AMDs Roadmap die Instinct MI500-Serie 2027 und die MI600-Serie 2028, mit der CDNA-6-Architektur, 2nm-Prozesstechnologie und HBM4E-Speicherdetails für MI500, die auf der CES 2026 bekannt gegeben 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 listet nun bis zu 288 TFLOPS hardwarebasierte Spitzen-FP64-Leistung, bis zu 9,2 PFLOPS Spitzen-FP4- und MXFP4-Leistung, 432 GB integriertes HBM4 und bis zu 23,3 TB/s theoretische Spitzen-Speicherbandbreite.32 Die volle FP64-Unterstützung unterscheidet sie von der MI455X für wissenschaftliches Rechnen.
AMD erwartet die Verfügbarkeit der MI430X für 2027 und hat keine Transistoranzahl, Board-Power oder Lithographie dafür veröffentlicht. Zwei Angaben in AMDs eigenen Materialien widersprechen sich. Die FAQ der MI400-Serien-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.32
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 Oak-Ridge-KI-Fabrik-Cluster, der am 27. Oktober 2025 angekündigt wurde, basiert auf MI355X und ist kein MI430X-System.
Software
AMDs KI-Software läuft auf dem ROCm-Stack. SemiAnalysis gab in einem Benchmark vom 22. Dezember 2024, der MI300X gegen H100 und H200 verglich, AMD eine 0 %-Chance, NVIDIAs CUDA-Moat zu durchbrechen, und stellte fest, dass CUDA bei den meisten Aufgaben sofort funktionierte, während AMD-Software erhebliche Konfiguration erforderte.33
Dieselben Analysten haben ihre Einschätzung inzwischen am 25. Juli 2026 revidiert – auf „eine große Erfolgschance, sofern AMD die beiden großen Risiken löst, die wir unten skizzieren“: den Helios-Rack-Produktionshochlauf, bei dem schwache SerDes es erfordern, dass bis zu 85 % des Backplanes mit über 550 Broadcom-Ethernet-Retimern pro Rack neu getaktet werden, und einen anhaltenden Mangel an stabilen internen GPU-Clustern für Softwareentwicklung und automatisierte Test-CI.34
Auf der Advancing KI 2026 verpflichtete sich AMD zu einem festen Sechs-Wochen-Rhythmus für Feature-Releases anstelle des bisherigen etwa vierteljährlichen Zyklus.35
Ecosystem
Wie NVIDIA investiert AMD selektiv in Nutzer seiner Lösungen, um die Akzeptanz seiner Hardware voranzutreiben.36 Es hat außerdem Eigenkapital an seine größten Verpflichtungen gekoppelt und OpenAI und Meta jeweils leistungsabhängige Optionsscheine für bis zu 160 Millionen Aktien zu $0,01 ausgegeben, die an Instinct-Liefermeilensteine geknüpft sind.37
3. Intel
Intel hat eine lange Geschichte in der Halbleiterentwicklung. Im Gegensatz zu den fablessen NVIDIA und AMD besitzt Intel eigene Fabs und baut Teile wie den 18A-basierten Xeon 6+ intern. Es ist nicht ausschließlich selbstversorgt. Es bezieht auch KI-bezogene Komponenten von TSMC, und Gaudi 3 selbst wurde auf TSMCs 5nm-Prozess gefertigt.38
Gaudi 3 ist der letzte dedizierte KI-Beschleuniger in Intels Gaudi-Linie. Intel hat keinen Gaudi-Nachfolger angekündigt, und jeder Schritt seiner veröffentlichten Roadmap danach ist eine GPU.3940 Der Chip selbst wurde nicht zurückgezogen. Intels Produktseite listet die Gaudi-3-PCIe-Karte (HL-338) weiterhin als lieferbar, und Intel hat keine End-of-Life-Mitteilung dafür veröffentlicht.41 Intel hatte $500 Millionen Gaudi-Umsatz für 2024 angepeilt und das Ziel in der Telefonkonferenz zum dritten Quartal am 31. Oktober 2024 aufgegeben. Auf der CES 2026 räumte es ein, dass Gaudi „die Anforderungen des Frontier-KI-Training-Marktes nicht erfüllte.“39
Intel hat seine Falcon-Shores-GPU gestrichen, um auf Jaguar Shores umzuschwenken, einen Rack-Scale-KI-Beschleuniger, dessen bestätigte Details sich auf das Gaudi-Branding und SK hynix HBM4-Speicher beschränken, ohne Angabe eines Prozess-Nodes.39 Auf der CES 2026 bezog sich Intels Roadmap auf „die Shores-Produktlinie“ ohne den Jaguar-Namen, und Intel hat keine Umbenennung angekündigt. Intel machte auf der Computex 2026 neue KI-Hardware-Ankündigungen, darunter den Xeon-6+-Prozessor auf dem 18A-Node.4243
Crescent Island ist eine Xe3P-basierte, inference-optimierte Rechenzentrums-GPU, die erstmals am 14. Oktober 2025 auf dem OCP Global Summit mit 160GB LPDDR5X angekündigt wurde, wobei Kunden-Sampling in der zweiten Jahreshälfte 2026 erwartet wird.44 Intel detaillierte sie auf der Computex 2026 als luftgekühlte PCIe-Karte mit 350W, die Datentypen von FP4 bis FP64 unterstützt, mit einer maximalen Partnerkonfiguration von 480GB. Die angekündigte Karte hat 160GB.39
4. Qualcomm
Qualcomm ist ein fablesser Designer, der vor allem für mobile SoCs bekannt ist, und hat eine Rechenzentrums-Produktlinie angekündigt, die auf Inference ausgerichtet ist. Die ältere Cloud KI 100-Familie ist die Qualcomm-Rechenzentrumslinie, die Käufer heute bestellen können. Zwei Qualcomm-Marken, die sich nur durch einen Buchstaben unterscheiden, liegen auf beiden Seiten dieser Linie. Dragonwing, eingeführt am 25. Februar 2025, deckt Industrie- und Embedded-IoT, Netzwerk- und Mobilfunk-Infrastruktur ab und trägt die Edge-KI-Teile des Unternehmens, während Dragonfly, gestartet am 24. Juni 2026, die Rechenzentrums-Marke ist.45
AI200, AI250 und die Rechenzentrums-Roadmap
Am 27. Oktober 2025 kündigte Qualcomm die AI200 und AI250 an, zwei Rack-Scale-KI-Inference-Lösungen. Beide fallen nun unter die Dragonfly-Marke, die Qualcomm im Juni 2026 startete.46 Die AI200 unterstützt 768 GB LPDDR pro Karte, und Qualcomm sagte bei der Ankündigung, dass die kommerzielle Verfügbarkeit der AI200 und AI250 für 2026 bzw. 2027 erwartet werde.
Die AI250 führt eine Near-Memory-Compute-Architektur ein, die laut Qualcomm 133 TB/s effektive Speicherbandbreite pro Karte liefert, das 18-fache der AI200. Dies ist eine Anbieter-Roadmap-Spezifikation. Beide Racks nutzen direkte Flüssigkeitskühlung, und Qualcomm spezifiziert nun ein 140-kW-Rack nach OCP ORv3.47
Am 24. Juni 2026 stellte Qualcomm drei weitere Rechenzentrums-Produkte vor.47 Die Dragonfly C1000 ist eine Rechenzentrums-CPU, deren kommerzielle Verfügbarkeit für 2028 erwartet 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 ist damit eine Compute-Architektur, und HBC Gen 1, gepaart mit der AI250, soll Mitte 2027 kommerzielles Sampling erreichen. Die Dragonfly AI300 ist ein Inference-Beschleuniger mit erwartetem kommerziellem Sampling im Jahr 2028. Qualcomm strebt bis zum Geschäftsjahr 2029 mehr als $15 Milliarden Rechenzentrums-Umsatz an.48
Am 8. September 2026 kündigte Qualcomm eine generationenübergreifende Zusammenarbeit mit Amazon für kundenspezifisches Silizium für KI-Inference und optische Konnektivität bis zu 1,6T an.49
Akquisitionen 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 bestehen als Produkte und Marken fort.50
Vor der Dragonfly-Linie waren Qualcomms Rechenzentrums-Inference-Beschleuniger die Cloud KI 100-Karten. Die Cloud KI 100 Pro PCIe-Karte zieht 75 W und ist mit bis zu 400 TOPS INT8 und bis zu 200 TFLOPS FP16 spezifiziert.
Spezial-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, die für Inference mit niedriger Latenz konzipiert wurde.
Am 24. Dezember 2025 gab Groq bekannt, eine nicht-exklusive Lizenzvereinbarung mit NVIDIA über die Inference-Technologie von Groq abgeschlossen zu haben, und dass Gründer und CEO Jonathan Ross, Präsident Sunny Madra und andere hochrangige Teammitglieder zu NVIDIA gewechselt seien.51 Groq erklärte, dass es als unabhängiges Unternehmen fortbesteht. CNBC bezifferte die Transaktion auf gemeldete rund $20 Milliarden in bar, was sie zur bislang größten von NVIDIA machen würde – eine Zahl, die Alex Davis, CEO des Groq-Investors Disruptive, zugeschrieben wird, der auch sagte, NVIDIA erwerbe alle Vermögenswerte von Groq mit Ausnahme des GroqCloud-Geschäfts.52 NVIDIA hat keine Pressemitteilung zu dem Deal veröffentlicht, NVIDIA-CFO Colette Kress lehnte es ab, den Preis zu kommentieren, und Reuters merkte an, dass keines der Unternehmen ihn bestätigte. Jensen Huang sagte den Mitarbeitern: „Während wir talentierte Mitarbeiter in unsere Reihen aufnehmen und die IP von Groq lizenzieren, übernehmen wir 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.7
Groq betreibt eine Inference-Cloud und ist NVIDIA-Cloud-Partner. Im August 2026 meldete es 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 1,5 Milliarden Dollar schweren saudischen Investitionszusage, die im Februar 2025 angekündigt wurde.54
Am 17. August 2026 kündigte Groq LLC eine Series A in Höhe von $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 jüngste Finanzierung, während sie angibt, dass die Series A weiterhin den üblichen Abschlussbedingungen unterliegt.53
6. SambaNova Systems
SambaNova entwickelt Reconfigurable Data Units (RDUs) und bietet Inference über SambaCloud an. Es schloss den ersten Abschluss einer $1-Milliarden-Series F bei einer Bewertung von $11 Milliarden am 8. Juli 2026 ab.55
SambaNova stellte die SN50, seine neueste Reconfigurable Data Unit (RDU), am 24. Februar 2026 vor, mit Auslieferungen an Kunden in der zweiten Jahreshälfte 2026. SambaNova spezifiziert 5x mehr Rechenleistung pro Beschleuniger und 4x mehr Netzwerkbandbreite als die Vorgängergeneration SN40L und unterstützt eine dreistufige Speicherarchitektur für Models mit bis zu 10 Billionen Parametern und Kontexten 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 verleast seine Plattform über SambaCloud an Unternehmen.57
7. Cerebras
Cerebras baut Wafer-Scale-Beschleuniger. Der WSE-3 integriert vier Billionen Transistoren und 900.000 KI-Kerne auf einem einzigen Wafer-Scale-Prozessor.58
WSE-3 ist die aktuell ausgelieferte Generation, und Cerebras hat keinen Nachfolger angekündigt.
Das System von Cerebras arbeitet mit Pharmaunternehmen wie AstraZeneca und GlaxoSmithKline sowie Forschungslaboren zusammen, die darauf für Simulationen angewiesen sind. Es zielt auch auf LLM-Anbieter ab, da seine Chips die Inference-Kosten für Frontier-Modelle senken können.
Cerebras bietet seine Chips auch über seine Cloud für Unternehmen an. Am 1. September 2026 kündigte es 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.59
Cerebras wird seit dem 14. Mai 2026 unter dem Ticker CBRS an der Nasdaq gehandelt, nach einem Börsengang, der brutto etwa $6,38 Milliarden einbrachte.60 Es prognostiziert für das Geschäftsjahr 2026 einen Kernumsatz von $855 bis 865 Millionen und unterzeichnete am 14. Januar 2026 eine 750-MW-Inference-Vereinbarung mit OpenAI, die eigene Q1-Mitteilung auf mehr als $20 Milliarden beziffert.61
8. d-Matrix
d-Matrix entwickelt Inference-Beschleuniger, die Rechenleistung in der Nähe von SRAM platzieren, um Datenbewegungen zu reduzieren.62
Corsair, die KI-Inference-Plattform des Unternehmens, ging am 9. Juni 2026 in die vollständige Produktion, aufgebaut auf einer SRAM-basierten In-Memory-Compute-Chiplet-Architektur.62
Die mit Corsair verbundene 10x-Beschleunigung stammt aus partnergeführten Benchmarks. Der Tester, Gimlet Labs, ist ein kommerzieller Partner von d-Matrix, und der Benchmark-Beitrag trägt den Mitgründer und CTO von d-Matrix in der Autorenzeile. Das gemessene Ergebnis ist eine 2- bis 10x-Verbesserung der End-to-End-Request-Latenz bei gpt-oss-120b für eine Speculative-Decoding-Konfiguration, kein pauschales 10x gegenüber GPUs.
9. Rebellions
Rebellions ist ein in Korea ansässiges Startup mit Fokus auf LLM-Inference. Es fusionierte mit einem anderen koreanischen Halbleiter-Design-Unternehmen, SAPEON.63 Die Gesamtfinanzierung beträgt etwa $850 Millionen.64 Der Börsengang hat nicht stattgefunden. Rebellions sagte am 8. Juli 2026, dass es das erste oder zweite Quartal 2027 anstrebe, mit Tendenz zu einem KOSPI-Main-Board-Listing.65
REBEL-Quad ist der Beschleuniger der zweiten Generation, vier Chiplets auf Samsungs 4nm-Prozess, und Rebel100 ist sein produktisierter kommerzieller Name.
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 Multi-Karten-Skalierung. Das Einstiegsmodell P100a beginnt bei $999.66
Seit Januar 2026 werden alle Blackhole-p150-Karten mit 120 Tensix-Kernen statt 140 ausgeliefert, und die Firmware-Version v19.5.0 wendete dieselbe Reduzierung rückwirkend auf verkaufte Karten an. Tenstorrent beziffert die Kosten auf 1–2 % bei typischen Workloads.67
Tenstorrent bietet einen vollständig quelloffenen Software-Stack. Das Unternehmen nahm im Dezember 2024 $700 Millionen ein.68
11. Positron
Positron wurde 2023 gegründet und konzentriert sich ausschließlich auf Transformer-Model-Inference. Das Unternehmen verfolgt einen ASIC-Ansatz und entwirft, fertigt und montiert seine Chips in den Vereinigten Staaten.
Produkte:
- Atlas (wird jetzt ausgeliefert): Ein Transformer-Inference-Server mit 8x Positron Archer Transformer Accelerators mit insgesamt 256 GB HBM. Das Unternehmen beansprucht >4x Leistung pro Watt und >3x Leistung pro Dollar im Vergleich zu NVIDIA-Hopper-Systemen, gemessen an Llama 3.1 8B mit BF16-Berechnung.69
- Titan (kommt 2027): Ein Nachfolgesystem mit 8+ TB Speicher, angetrieben von 4x Asimov-Custom-Chips, ausgelegt für Modelle mit bis zu 16 Billionen Parametern und Kontextfenstern von 10 Millionen+ Tokens in einem luftgekühlten 4U-Formfaktor.70
- Asimov (kommt 2027): Kundenspezifisches Inference-Beschleuniger-Silizium mit 2+ TB Speicher pro Chip.
Positron sammelte Anfang 2026 eine Series B von mehr als $230 Millionen ein.71
12. _etched
Ihr Ansatz opfert Flexibilität zugunsten von Effizienz, indem Model-Architekturen direkt in ihre Chips gebrannt werden.
Etched kam am 30. Juni 2026 aus dem Stealth-Modus mit First-Pass-A0-Silizium aus TSMCs N4P-Prozess, mehr als $1 Milliarde an unterzeichneten Kundenverträgen und eingeworbenen $800 Millionen.72 Am 23. Juli 2026 kündigte es eine Series C über $300 Millionen bei einer Bewertung von $10,3 Milliarden an, angeführt von Sequoia.73
Das Unternehmen verwendet den Sohu-Produktnamen nicht mehr. Es beschreibt sich nun als Anbieter von Frontier-Inference-Clustern, die DeepSeek, Qwen, Mamba und Llama ausführen, sodass das Design nicht mehr nur Transformer unterstützt.72
Zwei Fragen bleiben offen. Etched hat keinen Drittanbieter-Benchmark veröffentlicht und nennt keinen Kunden hinter den gemeldeten Verträgen, daher bleiben die Leistungsangaben interne Messungen. Die Obsoleszenzfrage, die das ursprüngliche Sohu-Design aufwarf, gilt nun für den erweiterten Model-Satz, 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 Models direkt in kundenspezifisches Silizium und produziert, was das Unternehmen „Hardcore Models“ nennt.74 Das Unternehmen behauptet, jedes zuvor ungesehene KI-Model innerhalb von zwei Monaten in kundenspezifisches Silizium transformieren 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 neben Instinct-GPUs zu integrieren.21
Die Architektur von Taalas vereint Speicher und Rechenleistung auf einem einzigen Chip mit DRAM-Dichte und eliminiert den Bedarf an HBM, fortschrittlichem Packaging, 3D-Stacking, Flüssigkeitskühlung oder Hochgeschwindigkeits-I/O.
Produkte:
- HC1 (jetzt verfügbar): Ein Technologie-Demonstrator, verdrahtet mit Llama 3.1 8B, gebaut auf TSMC 6nm mit 53 Milliarden Transistoren. Taalas beansprucht 17.000 Tokens pro Sekunde pro Benutzer in einem luftgekühlten 2,5-kW-Server. Allerdings verwendet das Model aggressive kundenspezifische 3-Bit- und 6-Bit-Quantisierung, was Qualitätsverluste im Vergleich zu GPU-Baselines verursacht.75
- 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 adressieren.
14. Extropic
Extropic sammelte Ende 2023 eine Runde über $14 Millionen ein, 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 Produktionsmaßstab, ist für 2026 als Early Access gelistet.76
15. Vaire
Vaire entwickelt reversible Computerschaltungen, die einen Teil der Schaltenergie zur Wiederverwendung zurückgewinnen. Die veröffentlichten Ergebnisse betreffen Testschaltungen.
Der erste Test-Chip von Vaire, Codename Ice River, ist ein 22nm-CMOS-Demonstrator. Im September 2025 gemeldete Messungen ergaben einen Energie-Rückgewinnungsfaktor von 1,77 für ein vom Vaire-Resonator angetriebenes Kondensator-Array und 1,41 für ein Schieberegister auf demselben Chip, gegenüber rund 2x in der Simulation vorhergesagt.77 Die beim Tape-out gemeldete 50 %-Zahl gilt nur für den Resonator und schließt weitere Energie-Overheads aus.7879
16. Fractile
Fractile entwickelt KI-Inference-Prozessoren, die Speicher und Rechenleistung auf demselben Die verzahnen.80
Fractile behauptet, sein Design könne Frontier-Modelle bis zu 25-mal schneller als GPUs ausführen. Der Vergleich ist eine Anbieter-Behauptung. Ein ausgeliefertes Produkt ist hier nicht bestätigt.
Fractile kündigte am 13. Mai 2026 eine Series B über $220 Millionen an.81 Die Berichterstattung über die Runde bezifferte die Bewertung auf etwa $1 Milliarde, eine Zahl, die das Unternehmen nicht bestätigt hat.
17. FuriosaAI
FuriosaAI entwickelt RNGD, einen Rechenzentrums-Beschleuniger für KI-Inference. Es kündigte die Volumenverfügbarkeit am 27. Januar 2026 als PCIe-Karte und in seinem Acht-Karten-NXT-RNGD-Server an. Die Karte hat eine angegebene TDP von 180 W.82
Das SDK unterstützt Model-Kompilierung, Multi-Chip-Ausführung und eine OpenAI-kompatible API. FuriosaAI meldet Volumenverfügbarkeit und veröffentlicht eigene GPU-Leistungsvergleiche.82
18. Graphcore
Graphcore entwickelt Intelligence Processing Units (IPUs) und Systeme wie das IPU-POD256. SoftBank übernahm das Unternehmen im Juli 2024.83
SoftBank injizierte am 10. April 2026 weitere $457 Millionen in Graphcore.84
19. Mythic
Mythic wurde 2012 gegründet und konzentriert sich auf Edge-KI. Mythic verfolgt einen unkonventionellen Weg, eine analoge Compute-Architektur, die energieeffizientes Edge-KI-Computing liefern soll.
Mythic entwickelte den M1076 Analog Matrix Processor und die MM1076-Karte.85
Mythic sammelte am 17. Dezember 2025 eine überzeichnete Runde über $125 Millionen ein, angeführt von DCVC.86 Es übernahm Videantis am 19. Mai 2026.87
20. Speedata
Speedata wurde 2019 in Tel Aviv gegründet und entwickelt eine Analytics Processing Unit (APU), die darauf ausgelegt ist, Big-Data-Analytics und KI-Workloads zu beschleunigen. Es ist eine APU, die auf Apache-Spark-Workloads abzielt, mit Plänen, weitere große Datenanalyse-Plattformen zu unterstützen.
Speedata sammelte im Juni 2025 $44 Millionen in einer Series-B-Runde ein, angeführt von Walden Catalyst Ventures, 83North und anderen, womit die Gesamtfinanzierung auf $114 Millionen stieg.88
21. 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-Inference-Chiplet auf Basis seiner Digital-In-Memory-Computing-Architektur (D-IMC), das darauf ausgelegt ist, KI-Workloads von Edge bis Cloud zu beschleunigen.
Axelera KI sammelte am 24. Februar 2026 mehr als $250 Millionen ein, womit sich die Gesamtsumme auf mehr als $450 Millionen an Eigenkapital, Zuschüssen und Venture Debt erhöht.8990
Axelera brachte Europa am 15. September 2026 auf den Markt und gibt an, dass es als Chip und in Edge-232p- und Server-250p-PCIe-Karten ausgeliefert wird. Außerdem listet es validierte Edge-232p-Systeme von Dell und Supermicro.91 Titania bleibt für 2028 vorgesehen.
22. NextSilicon
NextSilicon, 2017 in Tel Aviv gegründet, verkauft 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 ausgeliefert wird.92 Das Unternehmen gibt an, dass Maverick-2 an Dutzenden Kundenstandorten im Einsatz ist. Ein genannter Standort ist Sandia National Laboratories' Spectra, ein 64-Node-System mit 128 Dual-Die-Maverick-2-Beschleunigern, das im Mai 2026 die vollständige Systemabnahme im Rahmen des Sandia-Vanguard-Programms bestand, nachdem es HPCG, LAMMPS und SPARTA ausgeführt hatte.9394 Die 10x-eine-GPU-bei-halber-Leistung-Zahl, die NextSilicon zitiert, ist eine eigene, keine unabhängige Messung. Im Juni 2026 kündigte das Unternehmen an, Arbel, den RISC-V-Kern in Maverick-2 und zugleich eigenständigen 2,5-GHz-Test-Chip, zu 64-Kern- und 128-Kern-Serverprozessoren mit Ziel 3,4 GHz weiterzuentwickeln, erwartet im ersten Quartal 2028.95
Cloud-Plattformen und integrierte KI-Systeme
23. AWS
AWS produziert Trainium-Chips für das Model-Training und Inferentia-Chips für Inference. Es begann mit der Entwicklung eigener Chips nach Google.
Trainium2-Chips bilden den Project-Rainier-Cluster, der die Models von LLM-Entwickler Anthropic antreibt. Die Zahl beim Start des Clusters im Oktober 2025 lag bei fast einer halben Million Chips, und Anthropic gab am 20. April 2026 an, über eine Million Trainium2-Chips zu nutzen.96
Trainium3 und Trn3 UltraServers erreichten am 2. Dezember 2025 die allgemeine Verfügbarkeit.97 Trainium3 ist AWS' KI-Chip der vierten Generation und der erste auf einem 3nm-Prozess, spezifiziert mit 2,52 PFLOPS FP8-Rechenleistung, 144 GB HBM3e und 4,9 TB/s Speicherbandbreite pro Chip. Ein Trn3 UltraServer skaliert auf 144 Chips für 362 FP8-PFLOPS, 20,7 TB HBM3e und 706 TB/s Speicherbandbreite.
AWS kündigte Trainium4 als Roadmap-Posten auf der re:Invent 2025 an, mit Unterstützung für NVIDIA NVLink Fusion. In der Telefonkonferenz zu Q1 2026 sagte Amazon, Trainium4 sei etwa 18 Monate von der breiten Verfügbarkeit entfernt und weitgehend reserviert.98
24. Google Cloud Plattform
Google Cloud TPU ist der zweckgebaute Machine-Learning-Beschleuniger-Chip, der Google-Produkte antreibt. Google kündigte TPUs 2016 an.99 Trillium TPU ist die 6. Generation.100
Ironwood, auch TPU v7 oder TPU7x genannt, ist für komplexe „Thinking Models“ wie LLMs und MoEs konzipiert, mit 4.614 TFLOPS FP8-Rechenleistung pro Chip und bis zu 42,5 Exaflops in 9.216-Chip-Pods.101 Es bietet 2x die Energieeffizienz von Trillium. Jeder Chip trägt 192 GB High Bandwidth Memory bei 7,37 TB/s, mit 1,2 TB/s bidirektionalem (9,6 Tb/s) Inter-Chip-Interconnect und einem verbesserten SparseCore für große Embeddings.102 Es ging am 24. November 2025 in die Vorschau und erreichte am 31. März 2026 die allgemeine Verfügbarkeit.103
Auf der Cloud Next am 22. April 2026 kündigte Google die achte TPU-Generation als zwei zweckgebaute Chips an, TPU 8t für Training und TPU 8i für Inference.104 Ein TPU-8t-Superpod skaliert auf 9.600 Chips, zwei Petabyte gemeinsames HBM und 121 ExaFLOPS bei FP4. Google sagt, beide werden später 2026 verfügbar sein.
25. Alibaba
Alibaba entwirft KI-Beschleuniger über seine Chip-Einheit T-Head (PingTouGe), auf einer selbst entwickelten Parallel-Processing-Unit-Architektur (PPU) mit kundenspezifischem ICN-Interconnect.105
T-Head detaillierte öffentlich die Zhenwu 810E am 29. Januar 2026. Der Chip trägt 96 GB HBM2e und 700 GB/s Inter-Chip-Bandbreite über 7 unabhängige ICN-Links, eine Leistung, die das Unternehmen als vergleichbar mit NVIDIAs H20 beschreibt, und Alibaba Cloud setzt ihn in 10.000-Karten-Clustern ein. Die Ankündigung gab Spezifikationen für den bestehenden Chip bekannt. Die 810E ist kein neues Silizium von 2026, und die 10.000-Karten-Bereitstellungen liegen vor der Ankündigung.
Am 19. bis 20. Mai 2026 kündigte Alibaba die Zhenwu M890 an, mit 144 GB Speicher, 800 GB/s Inter-Chip-Interconnect-Bandbreite, nativem Support von FP32 bis FP4 und dreifacher Leistung der 810E. Sie wird im Panjiu-AL128-Supernode ausgeliefert, der 128 Beschleuniger pro Rack fasst und den ICN Switch 1.0 bei 25,6 Tbps nutzt. Alibaba gibt an, dass die kumulierten Auslieferungen der Zhenwu-Serie 560.000 Einheiten überschreiten. Diese Zahl deckt die gesamte Serie ab, nicht M890-Einheiten.
Einige nordamerikanische, europäische und australische Organisationen (z. B. in der Verteidigungsindustrie) bevorzugen möglicherweise aus geopolitischen Gründen nicht die Nutzung von Alibaba Cloud.
26. IBM
IBM kündigte seinen Deep-Learning-Chip, die Artificial Intelligence Unit (AIU), 2022 an.106 Die IBM-AIU baut auf dem IBM-Telum-Prozessor auf, der die KI-Verarbeitungsfunktionen der IBM-Z-Mainframe-Server antreibt.107 IBM demonstrierte außerdem, dass die Verschmelzung von Rechenleistung und Speicher zu Effizienzsteigerungen im North-Pole-Prozessor-Prototyp führen kann.108
Der kommerziell ausgelieferte IBM-KI-Beschleuniger ist der Spyre Accelerator, angekündigt am 7. Oktober 2025 und verfügbar ab dem 28. Oktober 2025 auf z17 und LinuxONE 5 sowie ab Anfang Dezember 2025 auf Power11.109 Spyre trägt 32 Beschleunigerkerne und 25,6 Milliarden Transistoren auf einem 5nm-Prozess, verpackt als 75W-PCIe-Karte mit 128 GB LPDDR5. Bis zu 48 Karten clustern in einem Z- oder LinuxONE-System, gegenüber 16 in Power.
27. Huawei
Huaweis HiSilicon Ascend 910C ist Teil der Ascend-910-Chipfamilie, die 2019 eingeführt wurde.
KI-Labore in China experimentieren mit der Ascend 910C. Huaweis Cloud hostet DeepSeek-Modelle, und ein Forscher bei DeepSeek behauptet, dass sie 60 % der NVIDIA-H100-Inference-Leistung erreichen kann.110
Huawei präsentierte den Ascend-950PR-Chip zusammen mit der Atlas-350-Beschleunigerkarte am 20. März 2026.111 Die Atlas-350-Karte ist spezifiziert mit 1,56 PFLOPS FP4-Rechenleistung, 112 GB Huaweis proprietärem HiBL 1.0 HBM bei 1,4 TB/s Speicherbandbreite, 600 W Leistung und 2 TB/s Interconnect. Diese Speicherangaben gehören zur Karte. Das Ascend-950PR-Silizium selbst ist mit 128 GB und 1,6 TB/s spezifiziert. Huawei behauptet, die Karte liefere das 2,8-fache der Leistung von NVIDIAs H20, was kein Like-for-Like-Vergleich ist, da die Hopper-Klasse H20 keine native FP4-Unterstützung hat.
Huawei hat eine Ascend-Roadmap veröffentlicht, in der Huawei-Connect-2025-Keynote am 18. September 2025.112 Sie listet Ascend 950PR in Q1 2026, Ascend 950DT in Q4 2026, Ascend 960 in Q4 2027 und Ascend 970 in Q4 2028. Die Ascend 950DT ist spezifiziert mit 144 GB HiZQ 2.0, Huaweis zweitem hauseigenen HBM, 4 TB/s Speicherbandbreite, 2 TB/s Interconnect sowie Decode- und Trainings-Workloads, mit einem Q4-2026-Roadmap-Ziel. Huawei zeigte den Atlas 950 SuperPoD auf der WAIC 2026 am 18. Juli 2026, wobei der kommerzielle Rollout weiterhin für Q4 2026 geplant ist.
28. Microsoft Azure
Auf der Hot Chips 2024 stellte Microsoft Maia 100 vor, den ersten kundenspezifischen KI-Beschleuniger, gebaut auf TSMCs N5-Prozess. Microsoft brachte Maia 200 (Codename Braga) am 26. Januar 2026 als inference-fokussierten KI-Beschleuniger für Azure auf den Markt, entwickelt, um KI-Token-Kosten zu senken und eine 30 % bessere Leistung pro Dollar gegenüber bestehenden Systemen zu liefern.113
Maia 200 wird auf TSMC 3nm gefertigt, mit mehr als 140 Milliarden Transistoren, 216 GB HBM3e bei 7 TB/s, 272 MB On-Chip-SRAM und mehr als 10 PFLOPS FP4-Rechenleistung innerhalb einer 750-W-SoC-TDP. Microsoft bestätigte auf der Q3-Telefonkonferenz des Geschäftsjahres 2026, dass Maia 200 in den Rechenzentren in Iowa und Arizona live ist.114
KI-Chips für hauseigene Infrastruktur
29. Apple
Apples Project ACDC ist Berichten zufolge auf den Bau von Chips für KI-Inference in Rechenzentren ausgerichtet.115 Der Server-Chip trägt Berichten zufolge den Codenamen Baltra und wird mit Broadcom entwickelt, und Apple hat ihn nie offiziell anerkannt. Reuters berichtete am 15. Juli 2026 unter Berufung auf The Information, dass das Projekt zurückgestellt wurde und dass Apples hauseigene KI-Server weiterhin auf M2-Ultra-Chips laufen.116117 M5 wurde am 15. Oktober 2025 eingeführt, und M5 Pro und M5 Max wurden am 3. März 2026 mit einem Neural Accelerator in jedem GPU-Kern angekündigt. Apple stärkt seine On-Device-KI-Strategie mit dem Core-KI-Framework, das Models auf Apple-Silizium ohne Server-Abhängigkeiten ausführt, unterstützt durch ein quelloffenes Core-KI-Model-Repository auf GitHub.118119
30. 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 TSMC-5nm-Technologie, soll 3x die Leistung von MTIA v1 bieten und ist in Racks mit bis zu 72 Beschleunigern untergebracht.120 MTIA 300 ist für Ranking- und Empfehlungs-Training in Produktion, und MTIA 400, 450 und 500 folgen über 2026 und 2027.121
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 die Kapazitätsverpflichtungen werden im Broadcom-Profil behandelt.122
31. OpenAI
OpenAI entwarf seinen ersten KI-Chip mit Broadcom, und die Führung seines Chip-Teams hat Erfahrung im Design von TPUs bei Google.123 OpenAI hat TSMC als Foundry bestätigt, aber weder OpenAI noch Broadcom haben einen Prozess-Node bestätigt.124 Koreanische Lieferketten-Berichte haben den Codenamen „Titan“ für den Chip verwendet und ihn auf TSMCs N3-Prozess verortet, obwohl keines der Unternehmen diesen Namen nutzt.125
Samsung hat eine Vereinbarung zur Lieferung von HBM4-Speicher für den OpenAI-Chip gesichert und stellt Berichten zufolge über 50 % der Pyeongtaek-Foundry-Kapazität für HBM4-Base-Dies zu diesem Zweck bereit.126 OpenAI und Broadcom kündigten im Oktober 2025 eine Zusammenarbeit für 10 Gigawatt kundenspezifischer KI-Beschleuniger an. Die Racks sollen in der zweiten Jahreshälfte 2026 starten und bis Ende 2029 abgeschlossen sein. Die Ankündigung besagt, dass die Parteien „ein Term Sheet unterzeichnet haben“ für die Racks. Ein endgültiger Kaufvertrag und der finanzielle Wert bleiben nicht offengelegt.123 Am 24. Juni 2026 stellten die beiden Jalapeño vor, OpenAIs ersten Intelligence Processor. Beide Unternehmen geben an, dass Engineering-Samples ML-Workloads im Labor mit Produktions-Zielfrequenz und -Leistung ausführen, einschließlich GPT-5.3-Codex-Spark, und dass die Plattform für eine erste Bereitstellung bis Ende 2026 ausgelegt ist, was den Chip in die Post-Tape-out-Engineering-Sample-Phase einordnet.127 Broadcoms Seite der Vereinbarung, einschließlich seiner anderen Kunden für kundenspezifische Beschleuniger, wird im Broadcom-Abschnitt weiter unten behandelt.
Kundenspezifische KI-ASIC-Design-Partner
32. Broadcom
Broadcom entwickelt kundenspezifische KI-Beschleuniger zusammen mit Kunden und liefert die Netzwerktechnik, die sie verbindet. Diese kundenspezifischen Chips werden nicht als Marken-Standardbeschleuniger verkauft.
Broadcom meldete am 2. September 2026 für Q3 FY2026 $16,7 Milliarden KI-Halbleiter-Umsatz, ein Plus von 221 % gegenüber dem Vorjahr. Für Q4 prognostizierte es $21,7 Milliarden.128
Beim Call am 3. Juni ging Broadcom sechs KI-Kernkunden durch, nannte aber vier davon: Google, Anthropic, OpenAI und Meta. Die anderen beiden bleiben nicht offengelegt und wurden als zwei Kunden mit bisher eingegangenen Bestellungen über $6 Milliarden beschrieben, mit Auslieferungen ab Ende 2026 und Beschleunigung bis 2027. Veröffentlichte Listen, die alle sechs benennen, stützen sich bei den nicht offengelegten Identitäten auf Analysten-Inferenz.129
Broadcoms Offenlegung variiert je nach Kunde:
- Google hat eine generationenübergreifende TPU- und KI-Netzwerk-Vereinbarung, ohne Angabe einer Gigawatt-Zahl. Broadcoms Form 8-K offenbart ein Long-Term-Agreement zur Entwicklung und Lieferung kundenspezifischer TPUs für Googles zukünftige Generationen sowie ein Supply-Assurance-Agreement für Netzwerkkomponenten bis 2031.130
- Anthropic bezieht 2026 über 1 GW TPU-basierte Rechenleistung, zuzüglich einer April-Vereinbarung über weitere 5 GW Rechenleistung ab 2027. Dasselbe Form 8-K beziffert die Zahl auf etwa 3,5 Gigawatt ab 2027, deren Verbrauch es an den anhaltenden kommerziellen Erfolg von Anthropic koppelt. Die 3,5-GW-Zahl stammt aus Broadcoms Einreichung, während Anthropics eigener Beitrag die Verpflichtung als „mehrere Gigawatt“ beziffert. Die Einreichung beschreibt die Vereinbarung als Erweiterung einer bestehenden Zusammenarbeit.130
- Für OpenAI wurde Silizium geliefert, die Produktion wird Ende 2026 erwartet, und OpenAI hat 1,3 GW im Jahr 2027 innerhalb der größeren 10-GW-bis-2029-Vereinbarung vertraglich zugesichert. Der Chip selbst wird im OpenAI-Abschnitt oben behandelt.129
- Meta hat eine generationenübergreifende MTIA-XPU-Partnerschaft mit Ziel 3 GW bis Ende 2028, mit einer ersten 1-GW-Bestellung, die ab der zweiten Jahreshälfte 2027 liefert. Hock Tan wechselt vom Vorstand von Meta in eine Beraterrolle.129122
Am 26. Februar 2026 begann Broadcom mit der Auslieferung eines 2nm-kundenspezifischen Compute-SoCs, gebaut auf seiner 3.5D-eXtreme-Dimension-System-in-Package-Plattform (XDSiP). Dieses SoC unterstützt Fujitsus FUJITSU-MONAKA-Prozessorprogramm. Broadcom gibt an, dass XPUs für seine breitere Kundenbasis ab der zweiten Jahreshälfte 2026 ausgeliefert werden.131 Im Netzwerkbereich sagte Broadcom im März 2026, dass Tomahawk 6 der einzige 102,4T-Switch sei, der in Produktionsmenge ausgeliefert wird, und Jericho 4, ein im August 2025 eingeführter 51,2-Tbps-Fabric-Router, ausgeliefert wird.
Am 9. Juni 2026 kündigte Broadcom die KI-XPV-Plattform mit Apollo und Blackstone als ersten Anker-Investoren an. Die Plattform ist darauf ausgelegt, bis 2028 mehr als 20 Gigawatt Rechenkapazität zu ermöglichen, mit Broadcom-XPUs und Netzwerktechnik, die für Frontier-KI-Labore wie Anthropic und OpenAI kundenspezifisch angepasst sind. Sie startete mit einer ersten Tranche von $35 Milliarden, die Anthropics zuvor angekündigte Erweiterung von mehr als 1 Gigawatt in Fluidstack-basierten Standorten ab Mitte 2026 finanziert. Die mehr als 20 Gigawatt sind das Designziel der Plattform bis 2028 und werden nicht durch diese Tranche finanziert.132
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 entwirft kundenspezifisches KI-Silizium, das es XPUs nennt, für Hyperscaler, zusammen mit der Interconnect-, Optik- und Netzwerk-Silizium-Technik, die diese Chips verbindet. Bloomberg Intelligence sieht es hinter Broadcom auf Platz zwei im Custom-KI-ASIC-Markt.
Für Q2 FY2027, berichtet am 27. August 2026, wies Marvell einen Gesamtumsatz von $2,739 Milliarden und einen Rechenzentrums-Umsatz von $2,172 Milliarden aus. Der Rechenzentrums-Umsatz stieg um 46 % gegenüber dem Vorjahr. Die Q3-Gesamtumsatzprognose lag bei $3,15 Milliarden, plus/minus 5 %.133
Am 31. März 2026 kündigten NVIDIA und Marvell eine strategische Partnerschaft an, die Marvell über NVLink Fusion mit der NVIDIA-KI-Fabrik und dem KI-RAN-Ökosystem verbindet, zusammen mit einer Zusammenarbeit bei Silizium-Photonik. NVIDIA investierte im Rahmen dessen $2 Milliarden in Marvell. Im Rahmen der Partnerschaft liefert Marvell kundenspezifische XPUs und NVLink-Fusion-kompatible Scale-up-Netzwerktechnik.134
Marvell schloss zwischen Februar und April 2026 drei Akquisitionen ab, alle auf der Optik- und Interconnect-Ebene:
- Celestial KI, abgeschlossen am 2. Februar 2026 für $3,25 Milliarden.135
- XConn Technologies, abgeschlossen am 10. Februar 2026 für etwa $540 Millionen.
- Polariton Technologies, ein Schweizer ETH-Zürich-Spin-off, das an plasmonikbasierter Silizium-Photonik arbeitet, erworben am 22. April 2026 zu nicht bekannt gegebenen Bedingungen.
Marvells Rolle in späteren Trainium-Generationen ist umstritten. SemiAnalysis berichtete, dass Alchip das Back-End-Physical- und Package-Design von Trainium3 übernahm, nachdem Marvell an Trainium2 gearbeitet hatte.136 Die Unternehmen haben diese Darstellung nicht bestätigt.
Host-CPUs und Prozessor-IP
Host-CPUs laufen neben Beschleunigern und übernehmen Systemsteuerung und allgemeine Aufgaben. Arm lizenziert Prozessor-IP und hat eine eigene Rechenzentrums-CPU-Produktlinie hinzugefügt.
34. Arm
Arm kündigte am 24. März 2026 an, „zum ersten Mal in der Unternehmensgeschichte in die Produktion von Siliziumprodukten einzusteigen“, beginnend mit der Arm-AGI-CPU, einer Rechenzentrums-CPU für Agentic-KI-Infrastruktur. Meta „fungiert als Lead-Partner und Co-Entwickler.“137138
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 trägt, skalierend 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 Arms eigene Angaben und wurden nicht unabhängig gemessen.137
Arm lizenziert weiterhin IP und Compute Subsystems (CSS) neben seiner AGI-CPU-Silizium-Produktlinie. Erste Systeme sind jetzt verfügbar, mit breiterer Verfügbarkeit in der zweiten Jahreshälfte 2026, und neben Meta nennt Arm Cerebras, Cloudflare, F5, OpenAI, Positron, Rebellions, SAP und SK Telecom als zugesagte Kunden.137 Meta zeigt, wie weit die Rollen inzwischen verschwimmen. Es entwirft eigenes MTIA-Silizium, ist Arms AGI-CPU-Lead-Partner, ist ein angekündigter Qualcomm-Rechenzentrums-CPU-Kunde und kauft von AMD und Broadcom.
5 mobile KI-Chip-Anbieter
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 separat.
Spitzenleistung und Leistungsaufnahme sind Anbieter-Spezifikationen oder Referenzdesign-Anspruche. Die Quellen decken Jetson Thor, Jetson Orin, Hailo-10H, Dragonwing IQ10, Europa, Coral NPU und Core Ultra Series 3 ab.144145146147148149150
*Dies sind die von jedem Anbieter angegebenen Maximalwerte und nicht direkt über Zeilen hinweg vergleichbar. Eine bei FP4 oder INT4 angegebene Zahl beschreibt eine andere Operation als eine bei INT8 angegebene, und als sparse markierte Zeilen sind Anbieterangaben, die Sparsity voraussetzen. TOPS steht für Tera Operations Per Second, TFLOPS für Tera Floating-Point Operations Per Second und GOPS für Giga Operations Per Second.
Am 24. Juli 2026 unterzeichnete Microchip Technology eine endgültige Vereinbarung zur Übernahme von Hailo, die voraussichtlich bis zum Ende des am 30. September 2026 endenden Quartals abgeschlossen sein wird, vorbehaltlich Abschlussbedingungen und behördlicher Genehmigungen, zu nicht bekannt gegebenen Bedingungen.151
Foundry-Partner und die Rolle von TSMC
TSMC ist eine Pure-Play-Foundry. Es fertigt Halbleiter nach Kundendesigns, darunter die von NVIDIA und AMD. Samsung Foundry und Intel Foundry Services konkurrieren im selben Markt.
N2, TSMCs 2nm-Node, ging im vierten Quartal 2025 in die Volumenproduktion und machte im zweiten Quartal 2026 3 % des Wafer-Umsatzes aus, gegenüber 33 % für 5nm, 30 % für 3nm und 11 % für 7nm.152 TSMCs Roadmap platziert A16 in 2027, A14 in der zweiten Jahreshälfte 2028 sowie A13 und A12 in 2029.152 TSMC fertigt KI-Beschleuniger für die folgenden Designer. FuriosaAI identifiziert TSMC ebenfalls als Fertigungspartner für RNGD.82
Alibabas Hanguang-800-Inference-Chip von 2019, sein letztes von TSMC produziertes Teil, ist nicht enthalten. US-Exportkontrollen verbieten TSMC inzwischen die Produktion 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 die genannte Beschränkung ist.105
SemiAnalysis berichtete am 12. März 2026, dass die Front-End-N3-Wafer-Kapazität CoWoS-Packaging als dominanten Engpass in der KI-Chip-Versorgung verdrängt hat, wobei CoWoS knapp, aber entspannend ist. TrendForce erwartet, dass sich die CoWoS-Angebots-Nachfrage-Lücke bis Ende 2026 von etwa 20 % auf etwa 10 % verengt.153 Micron erreichte die Hochvolumen-Produktion von HBM4 36GB 12H für NVIDIAs Vera-Rubin-Plattform am 16. März 2026, mit Pin-Geschwindigkeiten über 11 Gb/s.154
Expansionspläne
TSMCs angekündigte US-Investitionen belaufen sich auf $265 Milliarden in 12 führenden Fertigungs- und Packaging-Einrichtungen, nach einer zusätzlichen 100-Milliarden-Dollar-Arizona-Verpflichtung, angekündigt am 16. Juli 2026.155
Die März-2025-Berichte über ein von TSMC geführtes Joint Venture zum Betrieb der Foundry-Sparte von Intel führten zu keinem Deal. TSMC dementierte aktive Gespräche am 17. April 2025 und erklärte am 26. September 2025, es habe „niemals Gespräche mit einem Unternehmen über die Gründung eines Joint Ventures oder die Lizenzierung bzw. den Transfer von Technologie geführt.“156 Intel wurde stattdessen rekapitalisiert, wobei die US-Regierung im August 2025 eine 9,9 %-Beteiligung für $8,9 Milliarden übernahm.157
KI-Chip-Hersteller in China
Aufgrund von US-Sanktionen, die viele chinesische Unternehmen am Erwerb der fortschrittlichsten KI-Chips von AMD und NVIDIA hindern, haben chinesische Käufer ihre Einkäufe bei lokalen Produzenten erhöht.
Huawei und Alibaba werden oben behandelt. Weitere chinesische KI-Chip-Produzenten 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 seinen ersten Ganzjahresgewinn von RMB 2,0592 Milliarden. Die Marktkapitalisierung überschritt am 30. Juni 2026 RMB 1 Billion, ein Novum für den STAR Market.
- Baidu Kunlunxin stellte am 13. November 2025 zwei Chips vor. Der Kunlun M100 ist für Large-Scale-Inference optimiert und war für den Launch Anfang 2026 vorgesehen, und der Kunlun M300, gebaut für Training und Inference ultra-großer multimodaler Modelle, ist für 2027 geplant. Baidu präsentierte außerdem zwei Supernode-Systeme, Tianchi 256 (verfügbar in H1 2026) und Tianchi 512 (verfügbar in H2 2026), beide auf Basis von Baidus bestehenden Kunlun-P800-Chips.
- Biren, gegründet von NVIDIA-Alumni, wurde am 2. Januar 2026 am Hauptmarkt der Hong Kong Stock Exchange gelistet und nahm HK$5,58 Milliarden (etwa US$717 Millionen) ein.
- Moore Threads (SHA: 688795) wurde am 5. Dezember 2025 am STAR Market gelistet. Der Umsatz im Geschäftsjahr 2025 betrug RMB 1.505 Milliarden, ein Plus von 243,37 % gegenüber dem Vorjahr. Das Unternehmen bleibt unrentabel und steht seit 2023 auf der US Entity List.
- MetaX wurde am 17. Dezember 2025 am STAR Market gelistet und nahm etwa RMB 4,2 Milliarden (US$586–596 Millionen) ein und hat seitdem vertraulich ein sekundäres Hongkong-Listing beantragt.
- Iluvatar CoreX (HKEX: 9903) wurde am 8. Januar 2026 am Hauptmarkt der Hongkonger Börse gelistet und nahm etwa HK$3,68 Milliarden ein.
- Enflame (SHA: 688801) wurde am 11. September 2026 am Shanghaier STAR Market gelistet.158159 Der Listungsvermerk besagt, dass das Unternehmen bei Listung noch unrentabel war.
- SMIC, die Foundry, von der die meisten dieser Designer abhängen, hatte N+3 (5nm-Klasse) im Juni 2026 in Volumenproduktion, eine 7nm-Kapazität von etwa 45.000 bis 60.000 Wafern pro Monat und einen Umsatz von $9,3 Milliarden im Jahr 2025.
Exportzugang und -beschränkungen
Vier separate Maßnahmen regeln den Verkauf fortschrittlicher KI-Chips an China, und sie werden häufig vermischt.
Zuerst änderte sich die Lizenzierung. Am 13. Januar 2026 kündigte das US Bureau of Industry and Security eine endgültige Regelung an, die Lizenzanträge für die NVIDIA H200, AMD MI325X und ähnliche Chips von einer Ablehnungsvermutung auf eine Einzelfallprüfung umstellt, vorbehaltlich Bedingungen zu Exporteur-Zertifizierungen, Kundenverifizierungsprüfungen und unabhängigen Vorversand-Tests.160 Daneben läuft eine Volumenobergrenze: Die Gesamtlieferungen eines bestimmten Chips an China und Macau dürfen 50 % der Menge desselben Produkts nicht überschreiten, die der Exporteur an US-Kunden für US-Endnutzung geliefert hat.160
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 an 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-F&E.161
China hat sich in die andere Richtung bewegt, wenn auch weniger formal. Reuters berichtete am 5. November 2025 unter Berufung auf ungenannte Quellen, dass Behörden ausländische KI-Chips aus staatlich finanzierten Rechenzentren verbannt hätten, und es wurde keine offizielle chinesische Regelung in diesem Sinne veröffentlicht.
Genehmigung hat sich nicht in Verkäufe übersetzt. Am 14. Juli 2026 sagte der Under Secretary of Commerce Jeffrey Kessler bei einer Kongressanhörung: „Sehr wenige Lieferungen aufgrund von Lizenzen für H200s und Äquivalente haben stattgefunden. Es ist eine sehr kleine Menge an Chips.“ NVIDIA hatte sowohl in den Ergebnissen vom Februar 2026 als auch vom Mai 2026 null Rechenzentrums-Compute-Umsatz in China verbucht.
Inlandsanteil am chinesischen KI-Beschleuniger-Markt
Reuters berichtete über IDC-Schätzungen der Auslieferungen von KI-Beschleunigerkarten in China.162 Es zählt 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.162
FAQs
Ja. CPUs können neuronale Netzwerk-Inference ausführen. OpenVINO unterstützt CPU-Ausführung neben GPU- und NPU-Zielen.163 Die Wahl des Beschleunigers hängt von Model-Support, 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 Model, 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 Literatur
Für praktische Leistungsvergleiche der behandelten Chips siehe unsere Benchmarks:
- 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 bewältigen, einschließlich Systemdurchsatz, Geschwindigkeit pro Abfrage, End-to-End-Latenz und Tokens pro Dollar auf jeder Concurrency-Stufe.
- CUDA vs. ROCm: Wie AMDs ROCm im Vergleich zu NVIDIAs CUDA bei Framework-Support und Portabilität abschneidet, die Software-Frage hinter AMDs Position.
- Edge-KI-Chip-Hersteller: Die Anbieter in der Edge-Tabelle oben, einer nach dem anderen, 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 17. September 2026}
}Ergebnisse und Zeitstempel von 86 Datenpunkten. Laden Sie die Zusammenfassungsdaten aus den Diagrammen und Tabellen dieses Artikels als ZIP-Datei herunter, die 7 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 2
Teilen Sie Ihre Gedanken
Ihre E-Mail-Adresse wird nicht veröffentlicht. Alle Felder sind erforderlich. Kommentare werden in ihrer Originalsprache belassen.
You forgot to include Tesla with their DOJO supercomputer. From the ground-up, the supercomputer was specifically designed for machine learning and image recognition - which means that every component was designed for it including, but not limited to, PCI board design, CPU, RAM, cooling, power, scalable hardware design and software. If I'm not mistaken, the AI is also the second most widely tested and used in the "wild", just below that of Google due to Google using it in their Search.
Thank you for your feedback, Dave! Here we are only covering companies that sell the chips that they produce. Therefore, companies like Tesla that build supercomputers for their own use or companies that embed chips in their products are out of our scope.
surprised that brainchip (akida) missing in this report. any reasons?
All included companies here raised $100+M. Last time we collected the data, that wasn't the case for akida. Why don't you reach out to us at info@aimultiple.com and let's discuss why it should be included. Thank you!