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

Basierend auf unserer Erfahrung mit dem Cloud-GPU-Benchmark von AIMultiple mit 10 verschiedenen GPU-Modellen in 4 verschiedenen Szenarien sind dies die führenden KI-Hardware-Unternehmen für Rechenzentrums-Workloads. Folgen Sie den Links, um unsere Begründung für jede Auswahl zu sehen:

30+ KI-Chip-Hersteller nach Kategorie

*Die ausgewählten Modelle basieren auf den neuesten Ankündigungen.

**Broadcom verkauft keinen markenrechtlich geschützten KI-Beschleuniger. Seine XPUs werden gemeinsam mit dem Kunden, der sie betreiben wird, entwickelt und unter dessen Namen ausgeliefert. Jalapeño wurde mit OpenAI am 24. Juni 2026 vorgestellt und befindet sich im Engineering-Sample-Stadium.¹

***Die Arm AGI CPU ist eine Rechenzentrums-Host-CPU und kein KI-Beschleuniger. Arm kündigte sie am 24. März 2026 als sein erstes Produktionssilizium an. Erste Systeme sind jetzt verfügbar, mit breiterer Verfügbarkeit im 2. Halbjahr 2026.²

Sortierung erfolgt nach Kategorie. Anbieter werden innerhalb der Top-3-Kategorien (d.h. führender Produzent, Public Cloud, öffentliche KI-Cloud) nach geschätztem Marktanteil eingestuft, da Verkaufszahlen oder Cloud-Nutzung geschätzt werden können. Anbieter in den letzten drei Kategorien (d.h. KI-Startup, angehender Produzent, weitere Produzenten) sind alphabetisch sortiert. Anbieter in der Kategorie Custom KI ASIC / XPU Co-Design sind nach geschätztem Anteil am Custom-ASIC-Design-Markt eingestuft.

5 mobile KI-Chip-Anbieter

*Die beliebtesten und aktuellsten Chips wurden ausgewählt.

7 Edge-KI-Chips

Die Nachfrage nach latenzarmer Verarbeitung hat die Innovation bei Edge-KI-Chips vorangetrieben. Die Prozessoren dieser Chips sind darauf ausgelegt, KI-Berechnungen lokal auf Geräten auszuführen, anstatt auf Cloud-basierte Lösungen angewiesen zu sein. Anbieter geben den Spitzendurchsatz bei verschiedenen numerischen Genauigkeiten an, daher gibt die Tabelle die Genauigkeit hinter jeder Zahl an:

*Dies sind die von jedem Anbieter angegebenen Maximalwerte, die nicht direkt über die Zeilen hinweg vergleichbar sind. Ein bei FP4 oder INT4 angegebener Wert beschreibt eine andere Operation als ein bei INT8 angegebener, und als sparse markierte Zeilen sind Anbieterangaben, die Sparsität voraussetzen, daher muss die Genauigkeitsspalte zusammen mit der Zahl gelesen werden. TOPS steht für Tera-Operationen pro Sekunde, TFLOPS für Tera-Gleitkomma-Operationen pro Sekunde und GOPS für Giga-Operationen pro Sekunde.

KI-Chip-Architekturen verstehen: GPUs vs. ASICs

Nicht alle KI-Chips sind gleich. Während die oben genannten Anbieter im selben Markt konkurrieren, verwenden sie grundlegend unterschiedliche Chip-Architekturen:

• GPUs (Graphics Processing Units) sind universelle Prozessoren, die sowohl Training als auch Inferenz für eine breite Palette von KI-Workloads bewältigen können. NVIDIA und AMD dominieren diese Kategorie.
• ASICs (Application-Specific Integrated Circuits) sind kundenspezifisch für bestimmte Aufgaben entwickelt. Einige unterstützen sowohl Training als auch Inferenz (Google TPU, AWS Trainium), während andere nur für Inferenz ausgelegt sind (Groq LPU, AWS Inferentia).

Intel hat Gaudi 3 zugunsten einer GPU-zentrierten Roadmap eingestellt.³ Crescent Island ist der Ersatz, eine inferenzoptimierte Rechenzentrums-GPU, von der Intel sagt, dass sie in der zweiten Hälfte 2026 bemustert wird.⁴

Broadcoms Zeile ist ein gemeinsam entwickeltes Teil und kein auf dem Handelsmarkt verkauftes Produkt, und es befindet sich noch nicht in der Produktion. Beide Unternehmen geben an, dass „Engineering-Samples des Jalapeño-Chips ML-Workloads im Labor mit Produktionszielfrequenz und -leistung ausführen, einschließlich GPT-5.3-Codex-Spark“, und die Plattform ist „für den ersten Einsatz bis Ende 2026 konzipiert“.⁵

Wichtige Erkenntnis:

Nicht alle ASICs sind nur für Inferenz. Google TPU, AWS Trainium, Cerebras und SambaNova unterstützen sowohl Training als auch Inferenz, während Groq LPU, AWS Inferentia und die angekündigten Qualcomm AI200 und AI250 sich ausschließlich auf Inferenz konzentrieren. Die Qualcomm-Systeme können noch nicht gekauft werden. Qualcomm gibt die kommerzielle Verfügbarkeit für den AI200 mit 2026 und für den AI250 mit 2027 an.⁶

Diese Unterscheidung ist für Käufer wichtig: GPUs bieten Flexibilität über verschiedene KI-Workloads hinweg, während ASICs eine bessere Leistung pro Watt liefern, aber schwieriger umzuprogrammieren sind, wenn sich die Modellarchitekturen ändern.

Laut TrendForce⁷ wurde im Oktober 2025 prognostiziert, dass die Auslieferungen von KI-Servern mit kundenspezifischen ASICs von Cloud-Anbietern im Jahr 2026 um 44,6 % wachsen würden, gegenüber 16,1 % für GPU-basierte KI-Server. Diese Zahlen sind Wachstumsraten der KI-Server-Auslieferungen, aufgeteilt nach Beschleunigertyp, und keine Anzahl ausgelieferter Chips. TrendForce hat den Mix für 2026 inzwischen nach unten korrigiert und setzt ASIC-basierte Systeme bei etwa 27 % der KI-Server-Stückzahlen und GPU-basierte Systeme bei 69,7 % an, wobei ASICs bis 2030 etwa 40 % erreichen sollen. Der ASIC-Anteil wurde am 15. April 2026 von 27,8 % nach unten korrigiert, unter Berufung auf Chip-Validierungs- und Tuning-Verzögerungen bei Meta und AWS.⁸

Welches sind die führenden KI-Chip-Hersteller?

1. NVIDIA

NVIDIA entwickelt seit den 1990er Jahren Grafikprozessoren (GPUs) für den Gaming-Sektor. NVIDIA ist ein fabless Chip-Hersteller, der den Großteil seiner Chip-Fertigung an TSMC auslagert. Zu den Hauptgeschäftsbereichen gehören:

Desktop-KI-Lösungen

DGX Spark (ehemals Project Digits) ist ein Desktop-KI-Supercomputer für KI-Ingenieure und Datenwissenschaftler mit einem Grace Blackwell Superchip mit einer NVIDIA Blackwell RTX GPU mit 6.144 CUDA-Kernen und Tensor Cores der fünften Generation mit FP4-Genauigkeit, verbunden über den NVIDIA NVLink-C2C-Chip-zu-Chip-Interconnect mit einer leistungsstarken 20-Kern NVIDIA Grace CPU, mit bis zu 1 Petaflop KI-Rechenleistung und 128 GB einheitlichem Speicher für On-Device-Agenten.^{9 10}

NVIDIA und Microsoft arbeiten zusammen, um eine sichere Windows-Plattform für On-Device-Agenten bereitzustellen, die auf neuen Betriebssystem-Sicherheitsprimitiven basiert.¹¹

Rechenzentrumslösungen

Das Unternehmen stellt KI-Chips nach seinen Architekturen Ampere, Hopper und zuletzt Blackwell her. Dank des Booms der generativen KI erzielte NVIDIA in den vergangenen Jahren hervorragende Ergebnisse, erreichte eine Billionenbewertung und festigte seinen Status als Marktführer im GPU- und KI-Hardware-Markt. Das folgende Diagramm zeigt, wie der Umsatz von NVIDIA in diesem Segment im Laufe der Jahre gewachsen ist und wie er zur Haupteinnahmequelle des Unternehmens geworden ist.

Quelle: Finanzberichte der NVIDIA Corporation.¹²

DGX™ A100 und H100 waren erfolgreiche Flaggschiff-KI-Chips von Nvidia, die für KI-Training und -Inferenz in Rechenzentren entwickelt wurden. NVIDIA legte nach mit

• H200-, B300- und GB300-Chips
• HGX-Servern wie HGX H200 und HGX B300, die 8 dieser Chips kombinieren
• der NVL-Serie und GB200 SuperPod, die noch mehr Chips zu großen Clustern kombinieren.¹³

Cloud-GPUs

Dank der Stärke seines Rechenzentrumsangebots bieten die meisten Cloud-Anbieter NVIDIA-Hardware als ihre Cloud-GPUs an. Der Morgan Stanley Analyst Joseph Moore bezifferte NVIDIA in einer Notiz vom 2. März 2026 auf etwa 85 % des KI-Prozessorumsatzes, mit kundenspezifischen ASICs über 10 % und AMD unter 5 %.¹⁴ Bloomberg Intelligence erwartet in einer Veröffentlichung vom 14. Januar 2026, dass NVIDIA bis 2030 70 % bis 75 % des KI-Beschleunigermarktes halten wird.¹⁵

NVIDIA brachte auch sein DGX Cloud-Angebot auf den Markt und stellt Unternehmen Cloud-GPU-Infrastruktur direkt zur Verfügung, unter Umgehung von Cloud-Anbietern.

GPUs für Grafik

Die Xbox verwendet einen gemeinsam von NVIDIA und Microsoft entwickelten Chipsatz. Zu den NVIDIA-GPUs für Endverbraucher gehört die GeForce-Serie.

Neuere Entwicklungen

DGX Cloud Lepton

Angekündigt am 19. Mai 2025 auf der Computex, ist NVIDIAs DGX Cloud Lepton ein Marktplatz, der KI-Entwickler mit den NVIDIA-GPU-Cloud-Anbietern verbindet, darunter CoreWeave, Lambda und Crusoe. Er ermöglicht flexiblen Zugriff auf GPU-Ressourcen für das Training und die Inferenz von KI-Modellen und umgeht dabei traditionelle Abhängigkeiten von Cloud-Anbietern. Dies stärkt die unternehmensorientierte Cloud-Strategie von NVIDIA.¹⁶

NVIDIA Dynamo

NVIDIA Dynamo, angekündigt auf der GTC 2025, ist ein neues Open-Source-Inferenz-Framework, das für den Einsatz generativer KI-Modelle mit hohem Durchsatz und niedriger Latenz in verteilten Umgebungen entwickelt wurde und die Bereitstellung von Anfragen um bis zu 30x auf NVIDIA Blackwell beschleunigt, wie in der Abbildung unten dargestellt. Dieses Framework, das mit beliebten Tools wie PyTorch und TensorRT-LLM kompatibel ist, nutzt Innovationen wie disaggregierte Inferenzstufen und dynamische GPU-Planung, um die Leistung zu optimieren und Kosten zu senken. Verfügbar auf GitHub für Entwickler und enthalten in den NVIDIA NIM Microservices für Unternehmenslösungen, erleichtert Dynamo die skalierbare und kostengünstige Bereitstellung generativer KI-Dienste von einzelnen bis hin zu Multi-GPU-Systemen.¹⁷

Abbildung 1. NVIDIA Dynamo beschleunigt die Leistung von KI-Modellen erheblich. Insbesondere bietet es eine 30x Beschleunigung für das DeepSeek-R1 671B Modell auf der NVIDIA GB200 NVL72 Plattform. Es verdoppelt zudem mehr als die Leistung des Llama 70B Modells bei Verwendung von NVIDIA Hopper GPUs.¹⁸

NVIDIA RTX PRO Server und Enterprise KI Factory

Angekündigt im Mai 2025 auf der Computex, stellte NVIDIA RTX PRO Server vor, die mit RTX PRO 6000 Blackwell Server Edition GPUs betrieben werden und für KI-Fabriken in Unternehmen konzipiert sind. Diese Server liefern universelle Beschleunigung für KI-, Design-, Engineering- und Geschäftsanwendungen und unterstützen Workloads wie multimodale KI-Inferenz, physische KI und digitale Zwillinge auf der NVIDIA Omniverse Plattform.

Das validierte Design der NVIDIA Enterprise KI Factory, das RTX PRO Server, NVIDIA Spectrum-X Ethernet, NVIDIA BlueField DPUs und NVIDIA KI Enterprise Software umfasst, ermöglicht Partnern wie Cadence, Foxconn und Lilly den Aufbau von On-Premises-KI-Infrastruktur. Diese Initiative beschleunigt den billionenschweren Wandel der IT-Branche hin zu GPU-beschleunigten KI-Fabriken.¹⁹

NVIDIA Vera Rubin Plattform

NVIDIA stellte Vera Rubin, seine Plattform nach Blackwell Ultra, auf der CES 2026 als Sechs-Chip-Plattform vor.²⁰ Auf der GTC am 16. März 2026 erweiterte NVIDIA sie auf sieben Chips, die Vera CPU, Rubin GPU, NVLink 6 Switch, ConnectX-9 SuperNIC, BlueField-4 DPU, Spectrum-6 Ethernet Switch und Groq 3 LPU, und erklärte sie für in voller Produktion befindlich.²¹ Die Produktionsauslieferungen beginnen im Herbst 2026, zunächst an acht Cloud-Partner, wie NVIDIA am 31. Mai 2026 mitteilte.²² Blackwell und das GB300 NVL72 blieben bis zum ersten Quartal des Geschäftsjahres 2027 das umsatzstärkste Volumenprodukt.

Das Vera Rubin NVL72 Rack paart 72 Rubin GPUs mit 36 Vera CPUs für 3.600 PFLOPS NVFP4-Inferenz, 20,7 TB HBM4 und 260 TB/s NVLink 6 Scale-Up-Bandbreite.²³ Die Rubin GPU wird Berichten zufolge auf TSMCs N3P mit HBM4 gefertigt, ein Knoten, den NVIDIA nicht bestätigt hat.

Der siebte Chip stammt aus der Groq-Transaktion. Groq kündigte am 24. Dezember 2025 eine nicht-exklusive Lizenzvereinbarung mit NVIDIA für seine Inferenztechnologie an, und Gründer und CEO Jonathan Ross sowie andere leitende Teammitglieder wechselten zu NVIDIA.²⁴ CNBC berichtete über den Deal mit etwa 20 Milliarden Dollar in bar, und bei den berichteten ~20 Milliarden Dollar wäre es die bisher größte Transaktion von NVIDIA.²⁵

Die Groq 3 LPU ist ein dedizierter Inferenzchip, den der technische Blog von NVIDIA als „den siebten Chip der Vera Rubin Plattform“ beschreibt, und Samsung Foundry stellt ihn her.^{26 27} Groq 3 LPX Racks sind für die zweite Hälfte 2026 vorgesehen, und NVIDIA prognostiziert einen bis zu 35x höheren Durchsatz pro Megawatt für Billionen-Parameter-Modelle, wenn LPX mit Vera Rubin NVL72 gepaart wird, eine Zahl, die NVIDIA als „Prognostizierte Leistung, Änderungen vorbehalten“ kennzeichnet.²⁸

DeepSeek

Die Veröffentlichung von DeepSeeks R1 zeigte, dass hochmoderne Modelle mit einer relativ kleinen Anzahl von GPUs trainiert werden können. Dies führte zu einem Rückgang des Aktienkurses von NVIDIA. Obwohl dies keine Anlageberatung ist, kann dies positiv für NVIDIA sein, denn je mehr Nutzen Rechenleistung bietet, desto breiter sollte sie genutzt werden (d.h. Jevons-Paradoxon²⁹ ).

Angesichts der Tatsache, dass sich die Leistung von GPU-Systemen aufgrund von Fortschritten im Chip-Design und bei Interconnects jährlich um ein Vielfaches verbessert, wären Käufer jedoch gut beraten, nicht über ihren Jahresbedarf hinaus zu kaufen, da dies zum Besitz veralteter Systeme führen kann.

Zölle & Exportbeschränkungen

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

Die Lizenzierung änderte sich zuerst. Am 13. Januar 2026 kündigte das US Bureau of Industry and Security eine endgültige Regelung an, die Lizenzanträge für den NVIDIA H200, AMD MI325X und ähnliche Chips von einer Ablehnungsvermutung auf eine fallweise Prüfung umstellt, vorbehaltlich von Bedingungen zu Exporteurzertifizierungen, Know-Your-Customer-Prüfungen und unabhängigen Tests vor dem Versand.³⁰ Parallel dazu gilt eine Volumenobergrenze: Die Gesamtlieferungen eines bestimmten Chips nach China und Macau dürfen 50 % der Menge desselben Produkts, das der Exporteur an US-Kunden für die Endnutzung in den USA geliefert hat, nicht überschreiten.³¹

Zwei weitere Maßnahmen liegen beide bei 25 % und werden routinemäßig als eine behandelt. Präsident Trump kündigte am 8. Dezember 2025 eine 25%ige Beteiligung der US-Regierung an den H200-Verkäufen nach China an und bekräftigte dies am 14. Januar 2026, während das Weiße Haus am 14. Januar 2026 einen separaten 25%igen Section-232-Zoll auf fortschrittliche Halbleiter mit denselben Leistungsschwellen ankündigte, mit Ausnahmen für US-Rechenzentren und US-Forschung & Entwicklung.³²

China hat sich in die andere Richtung bewegt, wenn auch weniger formell. Reuters berichtete am 5. November 2025 unter Berufung auf ungenannte Quellen, dass die Behörden ausländische KI-Chips aus staatlich finanzierten Rechenzentren verbannt hätten, und es wurde keine offizielle chinesische Regelung zu diesem Zweck veröffentlicht.

Genehmigung hat sich nicht in Verkäufe umgesetzt. Am 14. Juli 2026 sagte der Unterstaatssekretär für Handel Jeffrey Kessler bei einer Anhörung im Kongress, dass „nur sehr wenige Lieferungen im Rahmen von Lizenzen für H200 und gleichwertige Produkte stattgefunden haben. Es handelt sich um eine sehr kleine Menge an Chips.“ NVIDIA hatte zum Zeitpunkt seiner Ergebnisse vom Februar 2026 und Mai 2026 null Rechenzentrumsumsatz in China verbucht.

Wettbewerb im Inferenzmarkt

Während NVIDIA den KI-„Trainings“-Markt dominiert, verschärft sich der Wettbewerb bei der „Inferenz“, dem Einsatz von KI-Modellen für reale Aufgaben. Unternehmen wie AMD und Qualcomm sowie Inferenzspezialisten wie Cerebras, SambaNova, d-Matrix und Positron entwickeln Chips, die darauf abzielen, kostengünstigere Inferenzlösungen bereitzustellen, mit besonderem Fokus auf niedrigeren Stromverbrauch. Das Feld hat sich sowohl ausgedünnt als auch erweitert: Untether KI stellte im Juni 2025 den Betrieb ein und meldete im Oktober Insolvenz an, und die Inferenztechnologie von Groq wurde im Dezember 2025 an NVIDIA lizenziert.

Neue „Reasoning“-KI-Techniken erfordern mehr Rechenleistung. NVIDIA glaubt, dass Reasoning seine Architektur langfristig begünstigen wird, und erwartet, dass der Inferenzmarkt den Trainingsmarkt letztendlich an Größe übertreffen wird, selbst wenn sein Marktanteil geringer ist.³³

2. AMD

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

AMD brachte im Juni 2023 den MI300 für KI-Trainings-Workloads auf den Markt und konkurriert mit NVIDIA um Marktanteile. Startups, Unternehmen und Technologiegiganten setzten 2023 auf AMD-Hardware, als NVIDIA-Hardware während des durch den Start von ChatGPT ausgelösten Booms der generativen KI schwer zu beschaffen war.^{34 35 36}

Im Jahr 2025 erwarb AMD ein Team von KI-Hardware- und Software-Ingenieuren von Untether KI, einem Entwickler energieeffizienter KI-Inferenzchips, sowie das Compiler-Startup Brium und stärkte damit seine Arbeit in den Bereichen KI-Compiler, Kernel-Entwicklung und Chip-Design. Im Juni 2026 kündigte AMD die Übernahme von MEXT an, dessen prädiktive Speichertechnologie darauf ausgelegt ist, Flash wie DRAM arbeiten zu lassen und die Speicherkosten im Rechenzentrum zu senken; AMD nannte keinen Preis.^{37 38}

AMD brachte die Instinct MI350X und MI355X am 12. Juni 2025 auf der Advancing KI 2025 auf den Markt.³⁹ Der MI355X ist auf CDNA4 bei TSMC 3nm mit 288 GB HBM3E und 10,1 PFLOPS MXFP4 aufgebaut, und AMD positioniert ihn gegen NVIDIAs Blackwell B200 und nicht gegen den H200. AMD legte am 7. Mai 2026 mit dem Instinct MI350P nach, einer passiven PCIe-5.0-Karte mit 144 GB HBM3E und einer maximalen TBP von 600 W.⁴⁰

AMD hat seit Oktober 2025 vier groß angelegte Instinct-Vereinbarungen unterzeichnet. Es kündigte am 6. Oktober 2025 eine definitive Mehrgenerationen-Vereinbarung mit OpenAI über 6 GW an, wobei die ersten 1 GW MI450-Serienkapazität ab der zweiten Hälfte 2026 bereitgestellt werden.⁴¹ Es ernannte Oracle Cloud Infrastructure am 14. Oktober 2025 zum Launch-Partner für zunächst 50.000 MI450-Serien-GPUs ab Kalenderquartal Q3 2026.⁴² Es vereinbarte mit Meta am 24. Februar 2026 die Bereitstellung von bis zu 6 GW ab der zweiten Hälfte 2026 unter Verwendung einer kundenspezifischen Instinct GPU auf Basis der MI450-Architektur anstelle einer Standard-MI450.^{43 44} Und es kündigte eine Partnerschaft mit Anthropic am 22. Juli 2026 an, um bis zu 2 GW MI450-Serien-GPUs in Helios-Racks ab der ersten Hälfte 2027 bereitzustellen, mit der erklärten Verpflichtung, künftig bis zu 5 Milliarden Dollar in Anthropic zu investieren.⁴⁵

AMD arbeitet auch mit Hugging Face zusammen, um Datenwissenschaftlern eine effizientere Nutzung seiner Hardware zu ermöglichen.⁴⁶

Das Software-Ökosystem ist entscheidend, da die Hardwareleistung stark von der Softwareoptimierung abhängt. Nach einer öffentlichen Meinungsverschiedenheit zwischen AMD und NVIDIA über das Benchmarking von H100 und MI300 zeigen die neuesten Benchmarks den MI300 besser oder gleichauf mit dem H100 bei der Inferenz eines 70B LLM.⁴⁷

MI400-Serie

AMD brachte die Instinct MI400-Serie auf der Advancing KI 2026 am 22.-23. Juli 2026 in San Francisco auf den Markt.⁴⁸ Der MI455X ist das KI-fokussierte Mitglied der Familie, mit einem Produktseiten-Veröffentlichungsdatum vom 23. Juli 2026. AMD führt ihn als CDNA5 auf „TSMC 2nm | 3nm FinFET“ mit 320 Milliarden Transistoren, 432 GB HBM4, 23,3 TB/s Spitzenspeicherbandbreite und 40,3 PFLOPs OCP MXFP4 auf.⁴⁹ Lisa Su sagte, Helios, das um die MI400-Serie herum aufgebaute Rackscale-System, sei in voller Produktion, wobei die ersten Auslieferungen Ende Q3 2026 beginnen, sodass zum Zeitpunkt der Veranstaltung noch nichts ausgeliefert worden war.⁵⁰

Ein drittes Familienmitglied, der MI440X, wurde auf der CES 2026 am 5. Januar 2026 für On-Premises-KI in Unternehmen in einem kompakten Acht-GPU-Formfaktor vorgestellt, und AMD hat seitdem keine Spezifikationen dafür veröffentlicht.⁵¹ Weiter in der Zukunft platziert die Roadmap von AMD die Instinct MI500-Serie im Jahr 2027 und die MI600-Serie im Jahr 2028, wobei die CDNA-6-Architektur, 2nm-Prozesstechnologie und HBM4E-Speicherdetails für MI500 auf der CES 2026 bekannt gegeben wurden.⁵²

Der MI430X ist das HPC- und Sovereign-KI-Mitglied der MI400-Serie. AMD kündigte ihn am 19. November 2025 während der SC25-Woche und nicht auf der Advancing KI 2026 an und gab damals 432 GB HBM4 und 19,6 TB/s an und aktualisierte die Zahlen am 23. Juli 2026. Die Produktseite von AMD listet nun bis zu 288 TFLOPs hardwarebasierte theoretische Spitzen-FP64, bis zu 9,2 PFLOPs Spitzen-FP4 und MXFP4, 432 GB integriertes HBM4 und bis zu 23,3 TB/s theoretische Spitzenspeicherbandbreite auf.⁵³ Das Unterscheidungsmerkmal gegenüber dem MI455X ist FP64 mit voller Rate für wissenschaftliches Rechnen und nicht KI-Durchsatz mit niedriger Genauigkeit.

AMD gibt an, dass der MI430X „voraussichtlich 2027 verfügbar sein wird“, es handelt sich also eher um einen angekündigten als um einen ausgelieferten Teil, und es wurden keine Transistoranzahl, Platinenleistung oder Lithografie dafür veröffentlicht. Zwei Zahlen in den eigenen Materialien von AMD widersprechen sich: Die FAQ auf der MI400-Serien-Landingpage gibt weiterhin bis zu 19,6 TB/s an, während die MI430X-Spezifikationsseite 23,3 TB/s angibt, und die FAQ auf der MI430X-Seite enthält einen Tippfehler mit 2,3 TB/s.⁵⁴

AMD nennt drei Zielsysteme für den MI430X: Discovery am Oak Ridge National Laboratory, geplant für 2028; Alice Recoque, Frankreichs erstes Exascale-System; und Herder am HLRS Stuttgart, angekündigt mit HPE am 2. Dezember 2025. Lux, der am 27. Oktober 2025 angekündigte KI-Fabrik-Cluster von Oak Ridge, ist auf MI355X aufgebaut und 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-Graben von NVIDIA zu durchbrechen, und stellte fest, dass CUDA bei den meisten Aufgaben sofort einsatzbereit war, während AMD-Software erhebliche Konfiguration erforderte.⁵⁵

Dieselben Analysten haben diese Einschätzung inzwischen revidiert, zunächst im April 2025 auf eine bedeutende Chance und dann am 25. Juli 2026 auf „eine große Erfolgschance, solange AMD die beiden großen Risiken löst, die wir unten skizzieren“.⁵⁶ Die genannten Risiken sind die Helios-Rack-Produktionsrampe, bei der schwache SerDes erfordern, dass bis zu 85 % der Backplane mit über 550 Broadcom-Ethernet-Retimern pro Rack neu getaktet werden müssen, und ein anhaltender Mangel an stabilen internen GPU-Clustern für die Softwareentwicklung und CI für automatisierte Tests.

Auf der Advancing KI 2026 verpflichtete sich AMD zu einem festen sechswöchigen Feature-Release-Zyklus anstelle des bisherigen etwa vierteljährlichen Zyklus,⁵⁷ und führte ROCm.ai ein, eine KI-gesteuerte Entwicklungsplattform, die es Coding-Agenten wie Claude, Codex und Cursor ermöglichen soll, AMD-Plattformen und ROCm nativ zu verstehen.

Ökosystem

Wie NVIDIA investiert auch AMD selektiv in Nutzer seiner Lösungen, um die Akzeptanz seiner Hardware zu fördern.⁵⁸

Seit Ende 2025 hat AMD auch Eigenkapital an seine größten Kundenverpflichtungen geknüpft und OpenAI und Meta jeweils einen leistungsabhängigen Optionsschein für bis zu 160 Millionen AMD-Stammaktien zu 0,01 $ pro Aktie ausgegeben, die in Tranchen gegen Instinct-Liefermeilensteine unverfallbar werden.^{59 60}

3. Intel

Intel ist der bedeutendste Akteur im CPU-Markt und hat eine lange Geschichte in der Halbleiterentwicklung. Im Gegensatz zu NVIDIA und AMD nutzt Intel seine eigene Fertigung, um seine Chips zu bauen.

Gaudi 3 ist Intels aktuellster KI-Beschleuniger und hat keinen angekündigten Nachfolger.⁶¹ Intels Umsatzprognose für Gaudi3 lag bei ~500 Mio. $ für 2024, ein Ziel, das Intel im November 2024 öffentlich aufgab.⁶² Anil Nanduri, Intels Vice President für Produktmanagement und Go-to-Market für Rechenzentrums-KI-Beschleuniger, sagte auf der CES 2026, dass Intel „die Anforderungen des Frontier-KI-Trainingsmarktes nicht erfüllt hat und wir die Marktbedürfnisse nicht erfüllt haben.“⁶³

Unter dem neuen CEO Lip-Bu Tan (ernannt im März 2025) hat sich die KI-Strategie von Intel um Rack-Scale-Lösungen herum konkretisiert.⁶⁴ Intel hat seine Falcon Shores GPU gestrichen, um auf Jaguar Shores umzuschwenken, einen Rack-Scale-KI-Beschleuniger, dessen bestätigte Details auf das Gaudi-Branding und SK hynix HBM4-Speicher beschränkt sind, ohne Angabe eines Prozessknotens.⁶⁵ Auf der CES 2026 bezog sich Intels Roadmap auf „die Shores-Produktlinie“ ohne den Namen Jaguar, und ein Intel-Sprecher wiederholte diese Nomenklatur gegenüber CRN, was CRN als Beobachtung meldet, da Intel keine Umbenennung angekündigt hat. Intel machte auf der Computex 2026 neue KI-Hardware-Ankündigungen, darunter seinen Xeon 6+ Prozessor auf dem 18A-Knoten und die Rechenzentrums-GPU Crescent Island.^{66 67}

Crescent Island ist eine Xe3P-basierte, inferenzoptimierte Rechenzentrums-GPU, erstmals angekündigt am 14. Oktober 2025 auf dem OCP Global Summit mit 160 GB LPDDR5X und Kundensampling in der zweiten Hälfte 2026 erwartet.⁶⁸ Intel detaillierte sie auf der Computex 2026 als eine 350W luftgekühlte PCIe-Karte, die Datentypen von FP4 bis FP64 unterstützt, mit bis zu 480 GB als Maximum, das Partner bauen können, und nicht als Kapazität der Karte selbst.⁶⁹

4. Qualcomm

Qualcomm ist ein fabless Designer, der vor allem für mobile SoCs bekannt ist, und hat eine Rechenzentrumsproduktlinie angekündigt, die auf Inferenz ausgerichtet ist. Jedes Produkt in dieser Linie trägt ein zukünftiges Verfügbarkeitsdatum, und nur die ältere Cloud KI 100-Familie ist heute käuflich zu erwerben.

AI200, AI250 und die Rechenzentrums-Roadmap

Am 27. Oktober 2025 kündigte Qualcomm den AI200 und AI250 an, zwei Rack-Scale-KI-Inferenzlösungen, die jetzt unter der Marke Dragonfly vermarktet werden.⁷⁰ Die Pressemitteilung von Qualcomm besagt, dass der AI200 „768 GB LPDDR pro Karte unterstützt“ und „2026 kommerziell verfügbar sein wird“, während der AI250 eine Speicherarchitektur „basierend auf Near-Memory Computing“ vorstellt, die „mehr als 10x höhere effektive Speicherbandbreite“ liefert und „2027 kommerziell verfügbar sein wird“. Beide Racks verwenden direkte Flüssigkeitskühlung und 160 kW Rack-Level-Leistung. Die 10x-Zahl ist eine Anbieterangabe zu einem noch nicht veröffentlichten Produkt.

Auf seinem Investor Day am 24. Juni 2026 stellte Qualcomm drei weitere Rechenzentrumsprodukte vor.⁷¹ Die Dragonfly C1000 ist eine Rechenzentrums-CPU, die voraussichtlich 2028 kommerziell verfügbar sein wird, und Qualcomm nannte Meta als Kunden im Rahmen einer mehrgenerationalen Zusammenarbeit, die Rechenzentrums-CPUs und nicht KI-Beschleuniger umfasst. Qualcomm High Bandwidth Compute (HBC) ist eine Near-Memory-Architektur, die „Compute mit stark beschleunigter Speicherbandbreite in einer 3D-gestapelten Siliziumlösung verbindet“, was sie zu einer Compute-Architektur und nicht zu einem Speicherbauteil macht, und HBC Gen 1, gepaart mit dem AI250, wird voraussichtlich Mitte 2027 das kommerzielle Sampling erreichen. Der Dragonfly AI300 ist ein Inferenzbeschleuniger, dessen kommerzielles Sampling für 2028 erwartet wird. Auf derselben Veranstaltung setzte Qualcomm ein Rechenzentrums-Umsatzziel von „mehr als 15 Milliarden Dollar bis zum Geschäftsjahr 2029“, ein Unternehmensziel und kein berichtetes Ergebnis.⁷²

Qualcomm erwartet erste Lieferungen an einen nicht namentlich genannten Hyperscaler-Custom-Silicon-Kunden später im Kalenderjahr 2026. CEO Cristiano Amon wiederholte diese Erwartung mit den Ergebnissen des zweiten Quartals des Geschäftsjahres 2026 am 29. April 2026, was eine zukunftsgerichtete Aussage und keine Bestätigung bereits erfolgter Lieferungen ist.

Akquisitionen und die Cloud KI 100-Familie

Qualcomm schloss die Übernahme von Alphawave am 18. Dezember 2025 ab. Am 24. Juni 2026 gab das Unternehmen bekannt, dass es „eine Vereinbarung zur Übernahme von Modular Inc“ getroffen hat, eine Transaktion, die vorbehaltlich behördlicher Genehmigungen voraussichtlich in der zweiten Hälfte 2026 abgeschlossen wird, sodass diese Übernahme noch nicht vollzogen ist.⁷³

Vor der Dragonfly-Linie waren die Rechenzentrums-Inferenzbeschleuniger von Qualcomm die Cloud KI 100-Karten. In der eigenen Vergleichstabelle von Qualcomm verbraucht die Cloud KI 100 Pro PCIe-Karte 75W und ist mit bis zu 400 TOPS INT8 bewertet, ein Rechenzentrumsteil und kein Edge-Chip.

Welche Public-Cloud-Anbieter produzieren KI-Chips?

5. AWS

AWS produziert Trainium-Chips für das Modelltraining und Inferentia-Chips für die Inferenz. Obwohl AWS Marktführer im Public-Cloud-Bereich ist, begann das Unternehmen erst nach Google mit der Entwicklung eigener Chips.

Hunderttausende von Trainium2-Chips werden verwendet, um den Project Rainier-Cluster zu bilden, der die Modelle des LLM-Entwicklers Anthropic antreibt. Die Anzahl zum Start des Clusters im Oktober 2025 betrug fast eine halbe Million Chips, und Anthropic gab am 20. April 2026 an, über eine Million Trainium2-Chips zu nutzen.⁷⁴

Trainium3 und Trn3 UltraServers erreichten die allgemeine Verfügbarkeit am 2. Dezember 2025.⁷⁵ Trainium3 ist AWS' KI-Chip der vierten Generation und der erste, der auf einem 3nm-Prozess aufbaut, 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, bis zur 4,4-fachen Leistung eines Trn2 UltraServers.

AWS kündigte Trainium4 als Roadmap-Element auf der re:Invent 2025 an, mit Unterstützung für NVIDIA NVLink Fusion. Auf der Telefonkonferenz zu den Ergebnissen des ersten Quartals 2026 sagte Amazon-CEO Andy Jassy, dass Trainium4 etwa 18 Monate von der breiten Verfügbarkeit entfernt und bereits weitgehend reserviert sei.⁷⁶

6. Google Cloud Platform

Google Cloud TPU ist der speziell entwickelte Beschleunigerchip für maschinelles Lernen, der Google-Produkte wie Translate, Photos, Search, Assistant und Gmail antreibt. Google kündigte TPUs im Jahr 2016 an.⁷⁷ Trillium TPU ist die 6. Generation.⁷⁸

Google hat Ironwood eingeführt. Diese Generation wurde speziell für komplexe „denkende Modelle“ wie LLMs und MoEs entwickelt und bietet massive parallele Verarbeitung (4.614 TFLOPS FP8-Rechenleistung pro Chip) und skaliert auf bis zu 42,5 Exaflops in 9.216-Chip-Pods.⁷⁹ Ironwood, auch TPU v7 oder TPU7x genannt, ging am 24. November 2025 in die Vorschau und erreichte die allgemeine Verfügbarkeit am 31. März 2026.⁸⁰

Ironwood bietet bedeutende Fortschritte gegenüber Trillium, darunter 2x bessere Energieeffizienz, 6x die High-Bandwidth-Memory-Kapazität (192 GB/Chip), 4,5x die HBM-Bandbreite (7,37 TB/s pro Chip) und 1,5x die Inter-Chip-Interconnect-Geschwindigkeit (1,2 TB/s bidirektional, 9,6 Tb/s).⁸¹ Er verfügt außerdem über einen verbesserten SparseCore für große Embeddings. Google produziert auch die viel kleinere Edge TPU für andere Anforderungen, die für den Einsatz auf Edge-Geräten wie Smartphones und IoT-Hardware konzipiert ist.

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 Inferenz.⁸² Ein TPU 8t Superpod skaliert auf 9.600 Chips, zwei Petabyte gemeinsames HBM und 121 ExaFLOPS bei FP4. Beide Chips sind angekündigt und werden nicht ausgeliefert, und Google sagt, sie werden später im Jahr 2026 allgemein verfügbar sein.

7. Alibaba

Alibaba entwirft KI-Beschleuniger über seine Chip-Einheit T-Head (PingTouGe) auf einer selbst entwickelten Parallel Processing Unit (PPU)-Architektur mit einem kundenspezifischen ICN-Interconnect.⁸³

T-Head hat den Zhenwu 810E am 29. Januar 2026 zusammen mit dem Start seiner offiziellen Website öffentlich detailliert. Der Chip verfügt über 96 GB HBM2e und 700 GB/s Inter-Chip-Bandbreite über 7 unabhängige ICN-Links, eine Leistung, die das Unternehmen als vergleichbar mit NVIDIAs H20 beschreibt, und Alibaba Cloud setzt ihn in 10.000-Karten-Clustern ein. Dies war eine Spezifikationsoffenlegung und keine Produkteinführung. Der 810E ist kein neues 2026er Silizium, und die 10.000-Karten-Bereitstellungen datieren vor der Ankündigung.

Auf dem Alibaba Cloud Summit in Hangzhou am 19.-20. Mai 2026 kündigte Alibaba den Zhenwu M890 an, mit 144 GB Speicher, 800 GB/s Inter-Chip-Interconnect-Bandbreite, nativer Unterstützung von FP32 bis hinunter zu FP4 und der dreifachen Leistung des 810E. Er wird im Panjiu AL128 Supernode ausgeliefert, der 128 Beschleuniger pro Rack fasst und den ICN Switch 1.0 mit 25,6 Tbps verwendet. Alibaba gibt an, dass die kumulierten Lieferungen der Zhenwu-Serie 560.000 Einheiten überschreiten und von mehr als 400 externen Kunden in 20 Branchen eingesetzt werden. Diese Zahl deckt die gesamte Serie ab, nicht M890-Einheiten.

Alibabas früherer Hanguang 800 Inferenzchip stammt aus dem Jahr 2019. Einige nordamerikanische, europäische und australische Organisationen (z. B. in der Verteidigungsindustrie) ziehen es jedoch möglicherweise aus geopolitischen Gründen vor, Alibaba Cloud nicht zu nutzen.

8. IBM

IBM kündigte 2022 seinen Deep-Learning-Chip, die Artificial Intelligence Unit (AIU), an.⁸⁴ . IBM erwägt, diese Chips für den Betrieb seiner Watsonx-Plattform für generative KI einzusetzen.⁸⁵

Die IBM AIU baut auf dem IBM Telum Processor auf, der die KI-Verarbeitungsfähigkeiten von IBM Z-Mainframe-Servern antreibt. Zu den hervorgehobenen Anwendungsfällen der Telum-Prozessoren bei der Markteinführung gehörte die Betrugserkennung.⁸⁶

IBM demonstrierte auch, dass die Zusammenführung von Compute und Speicher zu Effizienzsteigerungen führen kann. Diese wurden im North Pole Processor-Prototyp demonstriert.⁸⁷

Der kommerziell ausgelieferte KI-Beschleuniger von IBM ist der Spyre Accelerator, angekündigt am 7. Oktober 2025 und allgemein verfügbar ab dem 28. Oktober 2025 auf z17 und LinuxONE 5 sowie ab Anfang Dezember 2025 auf Power11.⁸⁸ Spyre verfügt über 32 Beschleunigerkerne und 25,6 Milliarden Transistoren auf einem 5nm-Prozess, verpackt als 75W PCIe-Karte mit 128 GB LPDDR5. Bis zu 48 Karten clustern in einem Z- oder LinuxONE-System, gegenüber 16 in Power.

9. Huawei

Huaweis HiSilicon Ascend 910C ist Teil der Ascend 910-Chipfamilie, die 2019 eingeführt wurde.

Aufgrund von Sanktionen können KI-Labore in China nicht die neuesten, leistungsstärksten Chips von US-Firmen wie NVIDIA oder AMD kaufen. Daher experimentieren sie mit dem Ascend 910C. Huaweis Cloud hostet DeepSeek-Modelle, und ein Forscher bei DeepSeek behauptet, dass er 60 % der Inferenzleistung der NVIDIA H100 erreichen kann.⁸⁹

Huawei stellte den Ascend 950PR-Chip zusammen mit der Atlas 350-Beschleunigerkarte auf der Huawei China Partner Conference 2026 in Shenzhen am 20. März 2026 vor.⁹⁰ Die Atlas 350-Karte ist mit 1,56 PFLOPS FP4-Rechenleistung, 112 GB Huawei-eigenem HiBL 1.0 HBM mit 1,4 TB/s Speicherbandbreite, 600 W Leistung (etwa das 1,5-fache des H20) und 2 TB/s Interconnect spezifiziert. Diese Speicherwerte gehören zur Karte. Das Ascend 950PR-Silizium selbst ist mit 128 GB und 1,6 TB/s spezifiziert. Zhang Dixuan, Leiter des Ascend-Computing-Geschäfts von Huawei, behauptet, dass die Karte die 2,8-fache Leistung von NVIDIAs H20 liefert (2,87-fach in einigen Berichten). Dies ist eine Anbieterbehauptung, die nicht unabhängig verifiziert wurde, und es handelt sich nicht um einen gleichwertigen Vergleich, da der H20 der Hopper-Klasse keine native FP4-Unterstützung bietet.

Der hauseigene Speicher ist Huaweis eigene Aussage. Auf der Huawei Connect 2025 in Shanghai am 18. September 2025 sagte der stellvertretende Vorsitzende Eric Xu, dass die 950-Serie „zwei proprietäre HBMs… HiBL 1.0 und HiZQ 2.0“ verwenden würde, und beschrieb HiBL 1.0 als „unser proprietäres, kostengünstiges HBM, das kosteneffektiver ist als HBM3E und HBM4E“.⁹¹

Huawei hat eine Ascend-Roadmap in derselben Keynote veröffentlicht. Sie listet Ascend 950PR in Q1 2026, Ascend 950DT in Q4 2026, Ascend 960 in Q4 2027 und Ascend 970 in Q4 2028 auf. Der Ascend 950DT ist spezifiziert für 144 GB HiZQ 2.0-Speicher, 4 TB/s Speicherbandbreite, 2 TB/s Interconnect und Decode- sowie Trainings-Workloads, aber Stand Juli 2026 ist er eine Roadmap-Verpflichtung und kein eingeführtes Produkt. Huawei zeigte den Atlas 950 SuperPoD auf der WAIC 2026 am 18. Juli 2026, wobei die kommerzielle Einführung weiterhin für Q4 2026 geplant ist. Berichte über einen „Ascend 920“ gehen auf die Berichterstattung der Lieferkette im April 2025 zurück (DigiTimes Asia, 17. April 2025; Commercial Times, 21. April 2025), die einen mutmaßlichen SMIC N+3 / 6nm-Ersatz für den H20 beschreiben. Huawei hat ein solches Teil nie angekündigt, spezifiziert oder ausgeliefert, und es erscheint nirgendwo auf der veröffentlichten Roadmap.

Welche Cloud-KI-Anbieter produzieren ihre eigenen Chips?

Diese Anbieter haben keine Public Clouds mit umfassenden Fähigkeiten wie die Hyperscaler. Sie bieten begrenzte Cloud-Dienste an, die sich typischerweise auf KI-Inferenz konzentrieren. Wir konnten uns für diese Dienste anmelden, ohne mit Vertriebsteams zu sprechen:

10. Groq

Groq wurde von ehemaligen Google-Mitarbeitern gegründet und baute sein Geschäft rund um die LPU (Language Processing Unit) auf, eine Chip-Architektur, die auf latenzarme Inferenz und nicht auf Training abzielt.

Am 24. Dezember 2025 gab Groq bekannt, eine nicht-exklusive Lizenzvereinbarung mit NVIDIA über die Inferenztechnologie von Groq getroffen zu haben und dass Gründer und CEO Jonathan Ross, Präsident Sunny Madra und andere leitende Teammitglieder zu NVIDIA gewechselt sind.⁹² Groq erklärte, dass es als unabhängiges Unternehmen weiterbesteht. CNBC bezifferte die Transaktion auf gemeldete ~20 Milliarden Dollar in bar, eine Zahl, die Alex Davis, CEO des Groq-Investors Disruptive, zugeschrieben wird, der auch sagte, dass NVIDIA alle Vermögenswerte von Groq mit Ausnahme des GroqCloud-Geschäfts erwirbt.⁹³ NVIDIA hat keine Pressemitteilung zu dem Deal veröffentlicht, NVIDIA-CFO Colette Kress lehnte es ab, sich zum Preis zu äußern, und Reuters wies darauf hin, dass keines der beiden Unternehmen ihn bestätigt hat. Jensen Huang sagte den Mitarbeitern: „Während wir talentierte Mitarbeiter in unsere Reihen aufnehmen und das IP von Groq lizenzieren, übernehmen wir Groq nicht als Unternehmen.“ NVIDIA stellte das resultierende Produkt, die NVIDIA Groq 3 LPU, auf der GTC am 16. März 2026 als siebten Chip der Vera Rubin-Plattform vor.⁹⁴

Groq operiert jetzt als Inferenz-Cloud-Anbieter unter dem Vorsitz von Alex Davis von Disruptive und unter der Leitung von CEO Adam Winter. Im Juni 2026 gab das Unternehmen an, 13 Rechenzentren in Nordamerika, Europa, dem Nahen Osten und APAC zu betreiben und seine Inferenz-Cloud bis 2027 auf 200 MW Kapazität zu skalieren.⁹⁵

Groq hat rund 2,4 Milliarden Dollar an offengelegter Finanzierung eingeworben und Produkte wie den GroqChip™ Processor und den GroqCard™ Accelerator ausgeliefert. Seine 640 Millionen Dollar Series D, angeführt von BlackRock Private Equity Partners und angekündigt am 5. August 2024, bewertete das Unternehmen mit 2,8 Milliarden Dollar.⁹⁶ Es kündigte weitere 750 Millionen Dollar bei einer 6,9 Milliarden Dollar Post-Money-Bewertung am 17. September 2025 unter der Leitung von Disruptive an.⁹⁷ Am 22. Juni 2026 kündigte es 650 Millionen Dollar an Wachstumskapital unter der Führung von Disruptive und Infinitum mit reinvestierenden Bestandsinvestoren an, ohne eine Bewertung bekannt zu geben, womit 6,9 Milliarden Dollar die letzte bestätigte Bewertung bleiben.

Das Unternehmen konzentriert sich auf LLM-Inferenz und veröffentlichte Benchmarks für Llama-2 70B.⁹⁸

Kürzlich sicherte sich Groq eine bedeutende Investitionsverpflichtung in Höhe von 1,5 Milliarden Dollar aus Saudi-Arabien, um die Lieferung seiner fortschrittlichen KI-Chips in das Land auszuweiten. Diese Investition wird genutzt, um das bestehende Rechenzentrum von Groq in Dammam, Saudi-Arabien, zu erweitern, das in Partnerschaft mit Aramco Digital errichtet wurde.⁹⁹

Im ersten Quartal 2024 meldete Groq mehr als 70.000 neue Entwickler auf seiner Cloud-Plattform und mehr als 19.000 neue darauf aufgebaute Anwendungen.¹⁰⁰ Bis Juni 2026 gab das Unternehmen an, mehr als fünf Millionen Entwickler zu bedienen.¹⁰¹

Am 1. März 2022 erwarb Groq Maxeler, das über Hochleistungsrechenlösungen (HPC) für Finanzdienstleistungen verfügt.¹⁰²

11. SambaNova Systems

SambaNova Systems wurde 2017 gegründet, um leistungsstarke, hochpräzise Hardware-Software-Systeme für generative KI-Workloads mit hohem Volumen zu entwickeln. Es sammelte 350 Millionen Dollar in einer Series-E-Runde im Februar 2026 ein.¹⁰³ Am 8. Juli 2026 schloss es den ersten Abschluss einer 1 Mrd. $-Series-F mit einer 11-Milliarden-Dollar-Post-Money-Bewertung unter der Führung von General Atlantic ab.¹⁰⁴

Im Februar 2026 stellte SambaNova den SN50-Chip vor, seine neueste Reconfigurable Data Unit (RDU), und behauptet, eine 5x höhere maximale Geschwindigkeit als Konkurrenzchips und 3x niedrigere Gesamtbetriebskosten im Vergleich zu GPUs für agentische KI-Workloads zu bieten. Der SN50 liefert 5x mehr Rechenleistung pro Beschleuniger und 4x mehr Netzwerkbandbreite als die vorherige Generation SN40L und unterstützt eine dreistufige Speicherarchitektur für Modelle mit bis zu 10 Billionen Parametern und Kontext von bis zu 10 Millionen Tokens.¹⁰⁵ Der SN50 wurde am 24. Februar 2026 angekündigt, mit Auslieferungen an Kunden in der zweiten Hälfte 2026. Stand Juli 2026 wurde noch kein SN50 ausgeliefert.

SoftBank Corp. wird der erste Kunde sein, der SN50 in seinen KI-Rechenzentren der nächsten Generation in Japan einsetzt.

SambaNova kündigte außerdem eine geplante mehrjährige strategische Zusammenarbeit mit Intel an, um KI-Inferenzlösungen bereitzustellen, die SambaNovas Systeme mit Intel Xeon-Prozessoren, Intel GPUs und Intel-Netzwerken kombinieren, um skalierbare Inferenzinfrastruktur als Alternative zu GPU-zentrierten Lösungen bereitzustellen.

SambaNova Systems vermietet seine Plattform über SambaCloud an Unternehmen. Dieser KI-Plattform-as-a-Service-Ansatz erleichtert die Einführung ihrer Systeme und fördert die Wiederverwendung von Hardware für die Kreislaufwirtschaft.¹⁰⁶

Welches sind die führenden KI-Chip-Startups?

Wir möchten auch einige Startups in der KI-Chip-Branche vorstellen, deren Namen wir in naher Zukunft vielleicht häufiger hören werden.

12. Cerebras

Cerebras wurde 2015 gegründet und ist der einzige große Chiphersteller, der sich auf Wafer-Scale-Chips konzentriert.¹⁰⁷ Wafer-Scale-Chips haben dank ihrer höheren Speicherbandbreite Vorteile bei der Parallelität im Vergleich zu GPUs. Das Design und die Herstellung solcher Chips sind jedoch eine aufstrebende Technologie.

Zu den Cerebras-Chips gehören:

• WSE-1 mit 1,2 Billionen Transistoren und 400k Verarbeitungskernen.
• WSE-2 mit 2,6 Billionen Transistoren und 850k Kernen, angekündigt im April 2021. Er nutzte den 7nm-Prozess von TSMC
• WSE-3 mit 4 Billionen Transistoren und 900k KI-Kernen, angekündigt im März 2024. Er nutzt den 5nm-Prozess von TSMC¹⁰⁸

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

Das System von Cerebras arbeitet mit Pharmaunternehmen wie AstraZeneca und GlaxoSmithKline sowie Forschungslaboren, die für Simulationen darauf angewiesen sind. Es zielt auch auf LLM-Hersteller ab, da seine Chips die Inferenzkosten für Frontier-Modelle senken können.

Cerebras bietet seine Chips auch in seiner Cloud für Unternehmen an.

Cerebras ist ein börsennotiertes Unternehmen. Es bepreiste seinen Börsengang am 13. Mai 2026 mit 185,00 $ pro Aktie und begann am 14. Mai 2026 unter dem Ticker CBRS an der Nasdaq zu handeln, wobei 34,5 Millionen Class-A-Aktien für etwa 6,38 Milliarden Dollar Bruttoerlös verkauft wurden, was das Unternehmen als den größten Halbleiter-Börsengang aller Zeiten bezeichnet.¹⁰⁹ Die Aktie schloss ihren ersten Handelstag bei 311,07 $, ein Plus von 68 %.

Der Umsatz im ersten Quartal 2026 betrug 193,4 Millionen Dollar, ein Anstieg von 94 % im Jahresvergleich, und Cerebras prognostiziert einen Kernumsatz für das Geschäftsjahr 2026 von 855-865 Millionen Dollar.¹¹⁰ Cerebras unterzeichnete eine 750-MW-Inferenzvereinbarung mit OpenAI am 14. Januar 2026, die in der eigenen Pressemitteilung zum ersten Quartal mit mehr als 20 Milliarden Dollar bewertet wird.¹¹¹

13. d-Matrix

d-Matrix verfolgt einen neuartigen Ansatz und verzichtet auf die traditionelle Von-Neumann-Architektur zugunsten von In-Memory-Computing. Während dieser Ansatz das Potenzial hat, den Engpass zwischen Speicher und Rechenleistung zu beseitigen, ist er neu und unerprobt. Im November 2025 sammelte d-Matrix 275 Mio. $ in einer Series C unter der gemeinsamen Führung von Bullhound Capital, Triatomic Capital und Temasek ein, wobei Microsofts M12 als Folgeinvestor teilnahm und das Unternehmen mit 2 Milliarden Dollar bewertet wurde.^{112 113}

Corsair, die KI-Inferenzplattform des Unternehmens, ging am 9. Juni 2026 in die vollständige Produktion und basiert auf einer SRAM-basierten In-Memory-Compute-Chiplet-Architektur.¹¹⁴

Die 10x-Beschleunigung, die Corsair zugeschrieben wird, stammt aus partnergeführten Benchmark-Tests und nicht aus unabhängigen Tests. Der Tester, Gimlet Labs, ist ein kommerzieller Partner von d-Matrix, und der Benchmark-Beitrag führt den Mitbegründer und CTO von d-Matrix als Autor auf. Das gemessene Ergebnis ist eine 2-10x End-to-End-Verbesserung der Anfragelatenz bei gpt-oss-120b für eine spekulative Decoding-Konfiguration, keine pauschale 10x-Verbesserung gegenüber GPUs.

14. Rebellions

Ein in Korea ansässiges Startup sammelte 2024 124 Mio. $ ein und konzentriert sich auf LLM-Inferenz.¹¹⁵

Rebellions fusionierte mit einem anderen koreanischen Halbleiter-Designunternehmen, SAPEON, und erreichte 2024 eine Unicorn-Bewertung.¹¹⁶

Im Juli 2025 sicherte sich Rebellions eine Investition des Technologieriesen Samsung im Rahmen einer Finanzierungsrunde mit einem Ziel von bis zu 200 Millionen Dollar vor einem geplanten Börsengang (IPO).¹¹⁷

Rebellions schloss eine 250-Millionen-Dollar-Series-C im September 2025 und eine 400-Millionen-Dollar-Pre-IPO-Runde am 30. März 2026 unter der Führung von Mirae Asset Financial Group und dem Korea National Growth Fund ab, wodurch sich die Gesamtfinanzierung auf etwa 850 Millionen Dollar bei einer Bewertung von rund 2,34 Milliarden Dollar erhöhte.¹¹⁸

Der Börsengang hat noch nicht stattgefunden. CEO Sunghyun Park sagte am 8. Juli 2026, dass Rebellions das erste oder zweite Quartal 2027 anpeilt, mit Tendenz zu einer KOSPI-Hauptliste.¹¹⁹

REBEL-Quad ist der Beschleuniger der zweiten Generation, vier Chiplets, die auf Samsungs 4-Nanometer-Prozess aufbauen, und Rebel100 ist sein produktisierter kommerzieller Name.

15. Tenstorrent

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

Die P150a-Karte kostet 1.399 $ und verfügt über vier QSFP-DD 800G-Ports für Multi-Karten-Skalierung. Das Einstiegsmodell P100a beginnt bei 999 $.¹²⁰

Ab Januar 2026 werden alle Blackhole p150-Karten mit 120 Tensix-Kernen anstelle von 140 ausgeliefert, und das Firmware-Release v19.5.0 wendete dieselbe Reduzierung rückwirkend auf bereits verkaufte Karten an. Tenstorrent beziffert die Kosten auf 1-2 % bei typischen Workloads.¹²¹

Tenstorrent bietet einen vollständig quelloffenen Software-Stack. Das Unternehmen sammelte 700 Mio. $ bei einer Bewertung von mehr als 2,6 Milliarden Dollar von Investoren, darunter Jeff Bezos, im Dezember 2024 ein.¹²²

16. Positron

Positron wurde 2023 gegründet und konzentriert sich ausschließlich auf Transformer-Modell-Inferenz. Das Unternehmen verfolgt einen ASIC-Ansatz und baut speziell entwickelte Hardware, die spezifisch für Transformer-Architekturen optimiert ist, und nicht für universelles GPU-Computing.

Produkte:

• Atlas (wird jetzt ausgeliefert): Ein Transformer-Inferenzserver mit 8x Positron Archer Transformer Accelerators mit 256 GB Gesamt-HBM. Das Unternehmen beansprucht >4x Leistung pro Watt und >3x Leistung pro Dollar im Vergleich zu NVIDIA Hopper-Systemen, getestet mit Llama 3.1 8B mit BF16-Berechnung.¹²³
• Titan (kommt 2027): Ein System der nächsten Generation mit 8+ TB Speicher, angetrieben von 4x Asimov Custom-Chips, entwickelt um bis zu 16 Billionen Parameter Modelle und 10 Millionen+ Token Kontextfenster in einem luftgekühlten 4U Formfaktor zu unterstützen.¹²⁴
• Asimov (kommt 2027): Kundenspezifisches Inferenzbeschleuniger-Silizium mit 2+ TB Speicher pro Chip.

Positron sammelte eine 230 Mio.+-Series-B-Runde Anfang 2026 mit Investoren wie QIA, Arm Holdings, Arena und Jump Trading ein.¹²⁵

Atlas wird derzeit von Networking-, Gaming-, Inhaltsmoderations-, CDN- und Token-as-a-Service-Unternehmen genutzt. Positron behauptet, dass sein Atlas-System eine 3x niedrigere End-to-End-Latenz für Trading-Inferenz-Workloads im Vergleich zu vergleichbaren H100-Systemen bei einem Drittel des Stromverbrauchs demonstriert hat.

Positrons Chips werden in den Vereinigten Staaten entworfen, gefertigt und montiert.

17. _etched

Ihr Ansatz opfert Flexibilität für Effizienz, indem Modellarchitekturen in ihre Chips eingebrannt werden.

Etched trat am 30. Juni 2026 aus dem Stealth-Modus hervor, mit A0-Silizium im ersten Durchlauf aus TSMCs N4P-Prozess, mehr als 1 Milliarde Dollar an unterzeichneten Kundenverträgen und 800 Millionen Dollar an eingeworbenen Mitteln.¹²⁶ Am 23. Juli 2026 kündigte es eine 300-Millionen-Dollar-Series-C mit einer Bewertung von 10,3 Milliarden Dollar unter der Führung von Sequoia an.¹²⁷

Das Unternehmen verwendet den Produktnamen Sohu nicht mehr. Es beschreibt sich nun selbst als Entwickler von Frontier-Inferenzclustern, die DeepSeek, Qwen, Mamba und Llama ausführen, sodass das Design nicht mehr nur auf Transformer beschränkt ist.¹²⁸

Zwei Fragen bleiben offen. Etched hat keinen Drittanbieter-Benchmark veröffentlicht und nennt keinen Kunden hinter den von ihm gemeldeten Verträgen, sodass seine Leistungsangaben interne Messungen bleiben. Die Obsoleszenz-Frage, die das ursprüngliche Sohu-Design aufwarf, gilt nun für den breiteren Modellsatz, da ein Chip, der auf einer festen Gruppe von Architekturen aufbaut, neu ausgerichtet werden muss, sobald diese Architekturen überholt sind.

18. Taalas

Taalas wurde Anfang 2023 gegründet und verfolgt den extremsten Ansatz zur KI-Chip-Spezialisierung: die direkte Verdrahtung einzelner Modelle in kundenspezifisches Silizium, wodurch das entsteht, was das Unternehmen „Hardcore Models“ nennt.¹²⁹ Das Unternehmen behauptet, jedes zuvor ungesehene KI-Modell innerhalb von zwei Monaten in kundenspezifisches Silizium umwandeln zu können.

Die Architektur von Taalas vereint Speicherung und Rechenleistung auf einem einzigen Chip mit DRAM-Dichte, wodurch HBM, fortschrittliches Packaging, 3D-Stacking, Flüssigkeitskühlung oder Hochgeschwindigkeits-I/O überflüssig werden. Das Unternehmen beschreibt dies als radikale Vereinfachung des Hardware-Stacks.

Produkte:

• HC1 (jetzt verfügbar): Ein Technologiedemonstrator, festverdrahtet mit Llama 3.1 8B, aufgebaut auf TSMC 6nm mit 53 Milliarden Transistoren. Taalas beansprucht 17.000 Tokens pro Sekunde pro Benutzer, was nach eigenen Angaben fast 10x schneller als der aktuelle Stand der Technik ist, während es 20x weniger kostet zu bauen und 10x weniger Strom in einem 2,5 kW luftgekühlten Server verbraucht. Allerdings verwendet das Modell aggressive kundenspezifische 3-Bit- und 6-Bit-Quantisierung, die Qualitätseinbußen im Vergleich zu GPU-Basiswerten mit sich bringt.¹³⁰
• HC2 (Roadmap-Ziel für Winter 2026, noch kein Produkt): Eine Plattform der zweiten Generation mit höherer Dichte, schnellerer Ausführung und standardmäßigen 4-Bit-Gleitkommaformaten, um die Quantisierungseinschränkungen von HC1 zu adressieren.

Taalas hat insgesamt 219 Millionen Dollar eingeworben, darunter eine 169-Millionen-Dollar-Runde, die am 19. Februar 2026 angekündigt wurde, und berichtet, 30 Millionen Dollar ausgegeben zu haben, um sein erstes Produkt mit einem Team von 24 Personen auf den Markt zu bringen.

19. Extropic

Extropic sammelte Ende 2023 eine 14-Mio.$-Runde ein, um Thermodynamik für Computing zu nutzen. Die Hardware-Seite listet drei Teile auf. 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 im Produktionsmaßstab, ist als Early Access für 2026 gelistet.¹³¹

20. Vaire

Vaire ist ein in Großbritannien ansässiges Startup, das Pionierarbeit im Bereich des reversiblen Computings leistet, einem innovativen Ansatz, der darauf abzielt, Chips mit nahezu null Energieverbrauch zu schaffen. Im Gegensatz zum traditionellen Computing, bei dem Energie als Wärme verloren geht, recycelt reversibles Computing einen erheblichen Teil der Energie für nachfolgende Berechnungen.

Vaire hat einen Testchip demonstriert, der 50 % seiner Energie zurückgewinnen kann und damit das Potenzial der Technologie zeigt, den Energieverbrauch von KI-Workloads zu senken und die physikalischen Grenzen, die sogenannte thermische Wand, zu umgehen, die moderne Halbleiterfertigung herausfordern.¹³²

21. Fractile

Fractile ist ein in Großbritannien ansässiges KI-Inferenzchip-Startup, das im Juli 2024 mit 15 Millionen Dollar Finanzierung aus dem Stealth-Modus trat, um NVIDIA bei der Frontier-Modell-Inferenz herauszufordern.¹³³

Das Unternehmen baut Prozessoren, die Speicher und Rechenleistung physisch auf demselben Die verschränken, was nach eigenen Angaben die gleichzeitige Anforderung an niedrige Latenz und hohen Durchsatz löst, die GPUs für die Frontier-Modell-Inferenz nicht erfüllen können. Fractile behauptet, dass sein Design Frontier-Modelle bis zu 25x schneller und zu 1/10 der Kosten bestehender Lösungen ausführen kann, mit dem Ziel, Tausende von Tokens pro Sekunde an Tausende gleichzeitiger Benutzer zu liefern.

Fractile hat seinen Hauptsitz in London mit Hardware-Entwicklung in Bristol und wurde im März 2025 von der Financial Times als Teil einer Welle von inferenzfokussierten Startups profiliert, die NVIDIAs Dominanz herausfordern.¹³⁴

Fractile kündigte eine 220-Millionen-Dollar-Series-B am 13. Mai 2026 an, gemeinsam geführt von Accel, Factorial Funds und Founders Fund, und verpflichtete sich separat zu 100 Millionen £ für britische Operationen im Februar 2026.¹³⁵ Die Berichterstattung über die Runde bezifferte die Bewertung auf etwa 1 Milliarde Dollar, eine Zahl, die das Unternehmen nicht bestätigt hat.

Welches sind die kommenden KI-Hardware-Produzenten?

Obwohl es sich um überzeugende KI-Hardware-Lösungen handelt, gibt es derzeit nur begrenzte Benchmarks zu ihrer Effektivität, da sie neu auf dem Markt sind.

22. Apple

Apples Project ACDC konzentriert sich Berichten zufolge auf den Bau von Chips für KI-Inferenz in Rechenzentren.¹³⁶ 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 verschoben wurde und dass Apples hauseigene KI-Server immer noch auf M2 Ultra Chips laufen.^{137 138} Apple ist bereits ein bedeutender Chip-Designer, dessen intern entwickelte Halbleiter in iPhones, iPads und MacBooks zum Einsatz kommen. M5 wurde am 15. Oktober 2025 eingeführt, und M5 Pro und M5 Max wurden am 3. März 2026 mit einem Neural Accelerator in jedem GPU-Kern angekündigt. Apple stärkt seine On-Device-KI-Strategie mit dem Core KI Framework, das Modelle vollständig auf Apple-Silizium ohne Serverabhängigkeiten ausführt, unterstützt durch ein quelloffenes Core KI Models Repository auf GitHub.^{139 140}

23. Meta

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

Meta benannte die MTIA-Familie am 11. März 2026 um. Das Teil, das Unternehmen zuvor Next Gen MTIA nannte, heißt jetzt MTIA 200. Es basiert auf TSMC 5nm-Technologie, soll die 3x-fache Leistung von MTIA v1 bieten und wird in Racks mit bis zu 72 Beschleunigern gehostet.¹⁴¹ MTIA 300 befindet sich in Produktion für Ranking- und Empfehlungstraining, und MTIA 400, 450 und 500 folgen in den Jahren 2026 und 2027.¹⁴²

MTIA ist derzeit für den internen Gebrauch von Meta bestimmt. Sollte Meta jedoch in Zukunft ein LLaMa-basiertes generatives KI-Angebot für Unternehmen starten, könnten diese Chips ein solches Angebot betreiben.

Am 14. April 2026 kündigten Meta und Broadcom eine mehrjährige, mehrgenerationale strategische Partnerschaft bis 2029 an, in deren Rahmen Broadcom Technologie zur Unterstützung der MTIA-Chips von Meta liefert. „Die anfängliche Verpflichtung übersteigt 1 GW und ist die erste Phase eines nachhaltigen, Multi-Gigawatt-Rollouts“, und die Pressemitteilung von Broadcom besagt, dass der Rollout „den branchenweit ersten 2nm-KI-Rechenbeschleuniger“ zusammen mit Broadcoms Ethernet-Scale-Up-, Scale-Out- und Scale-Across-Netzwerken umfasst.¹⁴³ Auf seiner Telefonkonferenz zu den Ergebnissen des zweiten Quartals des Geschäftsjahres 2026 beschrieb Broadcom die Partnerschaft als auf 3 GW bis Ende 2028 ausgerichtet, wobei die erste 1-GW-Bestellung ab der zweiten Hälfte 2027 geliefert wird.¹⁴⁴

24. Microsoft Azure

Auf der Hot Chips 2024 stellte Microsoft Maia 100 vor, seinen ersten kundenspezifischen KI-Beschleuniger, der darauf ausgelegt ist, groß angelegte KI-Workloads in Azure durch Hardware-Software-Co-Optimierung zu optimieren. Aufgebaut auf TSMCs N5-Prozess mit fortschrittlicher Speicher- und Interconnect-Technologie, zielt Maia 100 auf hohen Durchsatz und vielfältige Datenformate ab und bietet Entwicklern Flexibilität über sein SDK für die schnelle Bereitstellung von PyTorch- und Triton-Modellen. Microsoft brachte Maia 200 (Codename Braga) am 26. Januar 2026 als inferenzfokussierten KI-Beschleuniger für Azure auf den Markt, der darauf ausgelegt ist, die KI-Token-Kosten zu senken und 30 % bessere Leistung pro Dollar gegenüber bestehenden Systemen zu liefern.¹⁴⁵

Maia 200 ist auf TSMC 3nm mit mehr als 140 Milliarden Transistoren, 216 GB HBM3e mit 7 TB/s, 272 MB On-Chip-SRAM und mehr als 10 PetaFLOPS FP4-Rechenleistung innerhalb eines 750-W-SoC-TDP aufgebaut. Es wird in der US-Central-Region von Azure in der Nähe von Des Moines, Iowa, eingesetzt, als nächstes folgt US West 3 in der Nähe von Phoenix.¹⁴⁶

25. OpenAI

OpenAI hat seinen ersten KI-Chip mit Broadcom entworfen, und die Leitung seines Chip-Teams verfügt über Erfahrung im Design von TPUs bei Google.¹⁴⁷ OpenAI hat TSMC als Foundry bestätigt, aber weder OpenAI noch Broadcom haben einen Prozessknoten bestätigt.¹⁴⁸ Koreanische Lieferkettenberichte haben den Codenamen „Titan“ für den Chip verwendet und ihn auf TSMCs N3-Prozess platziert, obwohl keines der Unternehmen diesen Namen verwendet.¹⁴⁹

Samsung hat eine Vereinbarung zur Lieferung von HBM4-Speicher für den OpenAI-Chip getroffen und soll Berichten zufolge über 50 % seiner Pyeongtaek-Foundry-Kapazität für HBM4-Base-Dies zu diesem Zweck bereitstellen.¹⁵⁰ OpenAI und Broadcom kündigten im Oktober 2025 eine Zusammenarbeit für 10 Gigawatt kundenspezifischer KI-Beschleuniger an, wobei OpenAI die Beschleuniger und Systeme entwirft und Broadcom sie entwickelt und bereitstellt. Die Racks sollen „in der zweiten Hälfte 2026 beginnen und bis Ende 2029 abgeschlossen sein.“ Die Ankündigung besagt, dass die Parteien „ein Term Sheet unterzeichnet haben“ für die Racks, sodass es ein Term Sheet neben bereits bestehenden Co-Development- und Liefervereinbarungen abdeckt und keinen offengelegten definitiven Kaufvertrag, und keines der Unternehmen hat einen finanziellen Wert für die Zusammenarbeit veröffentlicht.¹⁵¹ Am 24. Juni 2026 stellten die beiden Jalapeño vor, beschrieben als „OpenAIs erster Intelligence Processor“, der gemeinsam „vom ersten Design bis zum Manufacturing Tape-Out in nur neun Monaten“ entwickelt wurde. Beide Unternehmen geben an, dass „Engineering-Samples des Jalapeño-Chips ML-Workloads im Labor mit Produktionszielfrequenz und -leistung ausführen, einschließlich GPT-5.3-Codex-Spark“, und dass die Plattform „für den ersten Einsatz bis Ende 2026 konzipiert“ ist, was den Chip in das Post-Tape-Out-Engineering-Sample-Stadium und nicht in die Massenproduktion einordnet. Celestica wird für Board-, Rack- und Systemkompetenz genannt, während Broadcom die Siliziumimplementierung und Tomahawk-Netzwerke liefert.¹⁵² Auf seiner Telefonkonferenz zu den Ergebnissen des zweiten Quartals des Geschäftsjahres 2026 sagte Broadcom, dass Silizium geliefert wurde, die Produktion Ende 2026 erwartet wird und OpenAI für 1,3 GW im Jahr 2027 innerhalb der 10-GW-bis-2029-Vereinbarung unter Vertrag steht.¹⁵³ Broadcoms Seite der Vereinbarung, einschließlich seiner anderen Kunden für kundenspezifische Beschleuniger, wird im folgenden Broadcom-Abschnitt behandelt.

Welches sind weitere KI-Chip-Produzenten?

26. Graphcore

Graphcore ist ein britisches Unternehmen, das 2016 gegründet wurde. Das Unternehmen kündigte seinen Flaggschiff-KI-Chip als IPU-POD256 an. Graphcore wurde bereits mit rund 700 Millionen Dollar finanziert.

Das Unternehmen unterhält strategische Partnerschaften mit Datenspeicherunternehmen wie DDN, Pure Storage und Vast Data. Die KI-Chips von Graphcore bedienen Forschungseinrichtungen wie das Oxford-Man Institute of Quantitative Finance, die University of Bristol und die Berkeley University of California.

Die langfristige Tragfähigkeit des Unternehmens war gefährdet, da es jährlich ~200 Mio. $ verlor.¹⁵⁴ SoftBank kündigte die Übernahme von Graphcore am 11. Juli 2024 an, und keine der Parteien gab den Preis offiziell bekannt, der auf rund 600 Millionen Dollar geschätzt wurde.¹⁵⁵ SoftBank pumpte weitere 457 Millionen Dollar in Graphcore am 10. April 2026.¹⁵⁶

27. Mythic

Mythic wurde 2012 gegründet und konzentriert sich auf Edge-KI. Mythic verfolgt einen unkonventionellen Weg, eine analoge Rechenarchitektur, die darauf abzielt, energieeffizientes Edge-KI-Computing zu liefern.

Es hat Produkte wie den M1076 AMP und die MM1076 Key Card entwickelt und bereits etwa 165 Millionen Dollar an Finanzierung eingeworben.¹⁵⁷

Mythic entließ den Großteil seiner Belegschaft und restrukturierte sein Geschäft mit seiner Finanzierungsrunde im März 2023.¹⁵⁸

Mythic sammelte eine überzeichnete 125-Millionen-Dollar-Runde unter der Führung von DCVC am 17. Dezember 2025 ein, mit Honda Motor und Lockheed Martin unter den strategischen Investoren, und erwarb Videantis im Mai 2026.¹⁵⁹

28. Speedata

Speedata wurde 2019 in Tel Aviv gegründet und entwickelt eine Analytics Processing Unit (APU), die darauf ausgelegt ist, Big-Data-Analysen und KI-Workloads zu beschleunigen. Es handelt sich um eine APU, die auf Apache Spark-Workloads abzielt, mit Plänen, andere wichtige Datenanalyseplattformen zu unterstützen.

Speedata sammelte 44 Mio. $ in einer Series-B-Runde im Juni 2025 unter der Führung von Walden Catalyst Ventures, 83North und anderen ein, womit sich die Gesamtfinanzierung auf 114 Mio. $ erhöhte. Das Unternehmen behauptet, dass seine APU universelle Prozessoren und GPUs übertrifft, indem sie Racks von Servern durch einen einzigen Chip ersetzt und überlegene Leistung und Energieeffizienz für die Datenverarbeitung bietet.¹⁶⁰

29. Axelera KI

Axelera KI wurde im Juli 2021 in Eindhoven, Niederlande, gegründet und ist auf KI-Hardware-Beschleunigungstechnologie für Computer Vision und generative KI spezialisiert. Das Unternehmen entwickelt Titania, ein KI-Inferenz-Chiplet auf Basis seiner Digital In-Memory Computing (D-IMC)-Architektur, das darauf ausgelegt ist, KI-Workloads vom Edge bis zur Cloud zu beschleunigen.

Axelera KI sammelte mehr als 250 Millionen Dollar am 24. Februar 2026 in einer Runde unter der Leitung von Innovation Industries ein, mit BlackRock und SiteGround Capital als neuen Investoren sowie Bitfury, CDP Venture Capital, dem European Innovation Council Fund, SFPIM und Invest-NL unter den bestehenden Investoren. Das Unternehmen beziffert seine Gesamtsumme auf mehr als 450 Millionen Dollar an Eigenkapital, Zuschüssen und Venture Debt seit der Gründung im Juli 2021 und beschreibt die Runde als die größte Investition aller Zeiten in ein EU-KI-Halbleiterunternehmen.^{161 162} Diese frühere Summe umfasste bis zu 61,6 Millionen € vom EuroHPC Joint Undertaking und den Mitgliedstaaten im Rahmen des DARE-Projekts im März 2025 sowie eine 68-Millionen-Dollar-Series-B davor.

Seine Europa AIPU, angekündigt am 21. Oktober 2025, ist mit bis zu 629 TOPS INT8 über 8 KI-Kerne der zweiten Generation und 16 RISC-V-Prozessoren bei etwa 45 W bewertet. Die Pressemitteilung zur Markteinführung besagte, dass die Auslieferungen in der ersten Hälfte 2026 beginnen würden; eine Pressemitteilung von Andes Technology im Juni 2026 beschrieb Europa als im Sampling bei Lead-Kunden. Titania, das D-IMC-Inferenz-Chiplet, bleibt für 2028 anvisiert.

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

Als bevorzugte Quelle hinzufügen

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

Mehrere der oben aufgeführten Beschleuniger werden nicht allein von dem Unternehmen entworfen, dessen Name darauf steht. Broadcom entwickelt kundenspezifische Beschleuniger, die es XPUs nennt, im Co-Design mit dem Kunden, der sie betreiben wird, und liefert das Ethernet-Switching- und Fabric-Silizium, das sie verbindet. Es ist ein Lieferant für mehrere Anbieter, die weiter oben in diesem Artikel behandelt werden, und kein Konkurrent zu ihnen, weshalb es in einer eigenen Kategorie steht.

30. Broadcom

Broadcom verkauft keinen markenrechtlich geschützten KI-Beschleuniger an den allgemeinen Markt. Sein KI-Geschäft besteht aus kundenspezifischem Silizium, das im Co-Design mit einer kleinen Anzahl großer Käufer entwickelt wird, sowie aus kommerzieller Netzwerksilizium, das an dieselben Käufer verkauft wird.

Für das zweite Quartal des Geschäftsjahres 2026 (Quartal endete am 3. Mai 2026, berichtet am 3. Juni 2026) meldete Broadcom einen Rekord-Gesamtumsatz von 22.187 Millionen Dollar, ein Plus von 48 % im Jahresvergleich. Präsident und CEO Hock Tan erklärte: „Der Halbleiterumsatz im zweiten Quartal aus KI in Höhe von 10,8 Milliarden Dollar wuchs um 143 % im Jahresvergleich, über unserer Prognose, angetrieben durch die steigende Nachfrage nach kundenspezifischen KI-Beschleunigern und KI-Netzwerken.“¹⁶³

Auf der Telefonkonferenz am selben Tag nannte Tan Zahlen, die nicht in der Pressemitteilung erscheinen: „Die Auftragseingänge für KI-Halbleiter betrugen über 30 Milliarden Dollar gegenüber den 10,8 Milliarden Dollar, die wir ausgeliefert haben“; der KI-Halbleiterumsatz für das gesamte Geschäftsjahr 2026 „von 56 Milliarden Dollar, ein Plus von etwa 180 % gegenüber dem Geschäftsjahr 2025“; und für das Geschäftsjahr 2027 „bekräftigen wir unsere Prognose für den KI-Halbleiterumsatz von mehr als 100 Milliarden Dollar“, was eine Bekräftigung und keine Anhebung ist. Die Prognose für das dritte Quartal des Geschäftsjahres 2026 liegt bei einem Gesamtumsatz von etwa 29,4 Milliarden Dollar, ein Plus von 84 %, und einem KI-Halbleiterumsatz von 16,0 Milliarden Dollar, ein Plus von mehr als 200 %.¹⁶⁴

Auf dieser Telefonkonferenz ging Broadcom sechs KI-Kernkunden durch, nannte aber vier von ihnen: Google, Anthropic, OpenAI und Meta. Die anderen beiden bleiben ungenannt und wurden nur als zwei Kunden mit Bestellungen in Höhe von 6 Milliarden Dollar beschrieben, die bisher eingegangen sind, wobei die Auslieferungen Ende 2026 beginnen und sich 2027 beschleunigen. Veröffentlichte Listen, die alle sechs nennen, sind Analysten-Schlussfolgerungen und keine Offenlegung von Broadcom.¹⁶⁵

Die Offenlegung von Broadcom variiert je nach Kunde:

• Google hat eine mehrgenerationale TPU- und KI-Netzwerkvereinbarung, die in der Telefonkonferenz nur als eine „sehr, sehr beträchtliche“ Dollarverpflichtung beschrieben wurde, ohne Angabe einer Gigawatt-Zahl. Broadcoms Form 8-K mit einem Ereignisdatum vom 6. April 2026 legt eine langfristige Vereinbarung offen, unter der Broadcom kundenspezifische TPUs für Googles zukünftige Generationen entwickelt und liefert, zuzüglich einer Lieferzusicherungsvereinbarung für Netzwerkkomponenten „bis mindestens 2031“.¹⁶⁶
• Anthropic nimmt laut Telefonkonferenz über 1 GW TPU-basierte Rechenleistung im Jahr 2026 ab, zuzüglich einer Vereinbarung vom April über weitere 5 GW Rechenleistung der nächsten Generation ab 2027. Dasselbe Form 8-K besagt, dass „Broadcom, Google und Anthropic PBC ihre bestehende strategische Zusammenarbeit erweitert haben, unter der Anthropic ab 2027 über Broadcom Zugang zu etwa 3,5 Gigawatt als Teil der mehreren Gigawatt an TPU-basierter KI-Rechenkapazität der nächsten Generation erhalten wird, die von Anthropic zugesagt wurden.“ Die Einreichung fügt hinzu: „Der Verbrauch dieser erweiterten KI-Rechenkapazität durch Anthropic hängt vom anhaltenden kommerziellen Erfolg von Anthropic ab.“ Die 3,5 GW-Zahl stammt aus Broadcoms Einreichung, während Anthropics eigener Beitrag die Verpflichtung als „mehrere Gigawatt“ quantifiziert. Die Einreichung rahmt die Vereinbarung auch als Erweiterung einer bestehenden Zusammenarbeit und nicht als neuen Drei-Parteien-Vertrag ein.¹⁶⁷
• Für OpenAI wurde Silizium geliefert, die Produktion wird Ende 2026 erwartet, und OpenAI ist laut Telefonkonferenz für 1,3 GW im Jahr 2027 innerhalb der größeren 10-GW-bis-2029-Vereinbarung unter Vertrag. Der Chip selbst wird im obigen Abschnitt OpenAI behandelt.¹⁶⁸
• Meta hat eine mehrgenerationale MTIA-XPU-Partnerschaft mit einem Ziel von 3 GW bis Ende 2028, mit einer ersten 1-GW-Bestellung, die ab der zweiten Hälfte 2027 geliefert wird, laut Telefonkonferenz. Die Ankündigung vom 14. April 2026 beschreibt eine mehrjährige, mehrgenerationale strategische Partnerschaft bis 2029, in deren Rahmen Broadcom Technologie zur Unterstützung der MTIA-Chips von Meta liefert: „Die anfängliche Verpflichtung übersteigt 1 GW und ist die erste Phase eines nachhaltigen, Multi-Gigawatt-Rollouts.“ Die Pressemitteilung von Broadcom besagt, dass der Rollout „den branchenweit ersten 2nm-KI-Rechenbeschleuniger“ umfasst und auf Broadcoms XPU-Plattform zusammen mit seinen Ethernet-Scale-Up-, Scale-Out- und Scale-Across-Netzwerken aufbaut. Mark Zuckerberg wird in der Pressemitteilung zitiert: „Während wir mehr als 1 GW unseres kundenspezifischen Siliziums zu Beginn und dann im Laufe der Zeit mehrere Gigawatt ausrollen…“ Hock Tan wechselt aus dem Vorstand von Meta in eine Beraterrolle.¹⁶⁹

Am 26. Februar 2026 gab Broadcom bekannt, „mit der Auslieferung des branchenweit ersten 2nm-Custom-Compute-SoC begonnen zu haben, der auf seiner 3.5D eXtreme Dimension System in Package (XDSiP)-Plattform aufbaut“. Dieses erste SoC ist für Fujitsu bestimmt und unterstützt das FUJITSU-MONAKA-Prozessorprogramm und ist kein Hyperscaler-XPU, und Broadcom sagt, dass XPUs für seinen breiteren Kundenstamm ab der zweiten Hälfte 2026 ausgeliefert werden.¹⁷⁰ Im Netzwerkbereich beschrieb Broadcom Tomahawk 6 in seiner OFC-Pressemitteilung vom 12. März 2026 als „den ersten und einzigen ausgelieferten 102.4T Tomahawk 6, der jetzt in Produktionsvolumen ausgeliefert wird“, und Jericho 4, ein 51,2-Tbps-Fabric-Router, der im August 2025 eingeführt wurde, wird ausgeliefert und wurde auf der Telefonkonferenz zum zweiten Quartal des Geschäftsjahres 2026 als Ermöglicher der größten Bereitstellungen bei mehreren Hyperscalern genannt.

Am 9. Juni 2026 kündigte Broadcom die KI XPV Platform mit Apollo (NYSE: APO) und Blackstones (NYSE: BX) Credit & Insurance Business als ersten Ankerinvestoren an. Die Pressemitteilung von Broadcom besagt, dass die Plattform „darauf ausgelegt ist, mehr als 20 Gigawatt an Rechenkapazität unter Verwendung von Broadcoms XPUs und Netzwerklösungen zu ermöglichen, die für führende Frontier-KI-Labore, darunter Anthropic und OpenAI, bis 2028 kundenspezifisch angepasst sind“, und dass sie „heute mit einer ersten Tranche von 35 Milliarden Dollar unter der Führung von Apollo in Partnerschaft mit Blackstone startet, um die zuvor angekündigte Kapazitätserweiterung von Anthropic um mehr als 1 Gigawatt Recheninfrastruktur zu ermöglichen, die voraussichtlich ab Mitte 2026 in Fluidstack-basierten Standorten eingesetzt wird“. Die 35 Milliarden Dollar sind die Starttranche und sind an mehr als 1 GW für Anthropic gebunden, während die mehr als 20 Gigawatt das Designziel der Plattform bis 2028 sind und nicht durch diese Tranche finanziert werden.¹⁷¹

Schätzungen Dritter zum Anteil kundenspezifischer ASICs am KI-Prozessormarkt hängen davon ab, was gezählt wird. Bloomberg Intelligence teilt in einer Notiz vom 14. Januar 2026 den Markt für kundenspezifische ASICs zwischen Broadcom mit 60 % bis 80 % und Marvell mit 20 % bis 25 % auf. Morgan Stanley-Analyst Joseph Moore beziffert in einer Notiz vom 2. März 2026 kundenspezifische ASICs auf über 10 % des KI-Prozessorumsatzes, mit NVIDIA bei rund 85 % und AMD unter 5 %. TrendForce setzt ASIC-basierte KI-Server bei etwa 27 % der KI-Server-Stückzahlen im Jahr 2026 an, nach unten korrigiert von 27,8 % am 15. April 2026, unter Berufung auf Chip-Validierungs- und Tuning-Verzögerungen bei Meta und AWS.

31. Marvell

Marvell entwirft kundenspezifisches KI-Silizium, das es XPUs nennt, für Hyperscaler, zusammen mit dem Interconnect-, Optik- und Netzwerksilizium, das diese Chips verbindet. Bloomberg Intelligence schätzte im Januar 2026, dass Broadcom 60-80 % des Marktes für kundenspezifische KI-ASICs hält und Marvell 20-25 %.

Marvell meldete einen Rekord-Nettoumsatz von 8,195 Milliarden Dollar für das Geschäftsjahr 2026, das am 31. Januar 2026 endete, ein Plus von 42 % im Jahresvergleich, mit einem GAAP-EPS von 3,07 $ und einem Non-GAAP-EPS von 2,84 $. Der Umsatz im vierten Quartal betrug 2,219 Milliarden Dollar.¹⁷² Für das folgende Quartal, berichtet am 27. Mai 2026, verzeichnete Marvell einen Rekordumsatz von 2,418 Milliarden Dollar, ein Plus von 28 % im Jahresvergleich und 9 % sequenziell, einen Rekordumsatz im Rechenzentrum von 1,83 Milliarden Dollar, ein Plus von 27 % im Jahresvergleich, und einen Rekord-Cashflow aus laufender Geschäftstätigkeit von 639 Millionen Dollar.

Auf dieser Telefonkonferenz hob CEO Matt Murphy den Ausblick des Unternehmens an. Dies sind Management-Prognosen und keine berichteten Ergebnisse. Marvell prognostizierte etwa 11,5 Milliarden Dollar für das Geschäftsjahr 2027, rund 40 % Wachstum und mehr als 500 Millionen Dollar über der vorherigen Schätzung, und etwa 16,5 Milliarden Dollar für das Geschäftsjahr 2028, etwa 1,5 Milliarden Dollar über der vorherigen Schätzung von rund 15 Milliarden Dollar. Marvell bekräftigte außerdem ein Ziel von mehr als 10 Milliarden Dollar Umsatz im kundenspezifischen Geschäft im Geschäftsjahr 2029.

Am 31. März 2026 kündigten NVIDIA und Marvell eine strategische Partnerschaft an, die Marvell über NVLink Fusion mit dem NVIDIA KI-Fabrik- und KI-RAN-Ökosystem verbindet, zusammen mit einer Zusammenarbeit im Bereich Silizium-Photonik. Die Ankündigung besagt, dass „NVIDIA 2 Milliarden Dollar in Marvell investiert hat.“ Im Rahmen der Partnerschaft liefert Marvell kundenspezifische XPUs und NVLink Fusion-kompatible Scale-Up-Netzwerke, während NVIDIA die Vera CPU, ConnectX-NICs, BlueField-DPUs, NVLink-Interconnect, Spectrum-X-Switches und Rack-Scale-Computing bereitstellt.¹⁷³

Marvell schloss zwischen Februar und April 2026 drei Akquisitionen ab, alle auf der optischen und Interconnect-Ebene:

• Celestial KI, angekündigt am 2. Dezember 2025 zu 3,25 Milliarden Dollar, zahlbar bei Abschluss, 1,0 Milliarden Dollar in bar zuzüglich etwa 27,2 Millionen Marvell-Aktien. Die Übernahme wurde am 2. Februar 2026 abgeschlossen und reduzierte die Barmittel von Marvell um 1 Milliarde Dollar. Marvell erwartet erste Celestial-KI-Umsätze in der zweiten Hälfte des Geschäftsjahres 2028, eine annualisierte Rate von 500 Millionen Dollar im vierten Quartal des Geschäftsjahres 2028 und 1 Milliarde Dollar annualisiert bis zum vierten Quartal des Geschäftsjahres 2029.¹⁷⁴
• XConn Technologies, angekündigt am 6. Januar 2026 zu etwa 540 Millionen Dollar, etwa 60 % in bar und 40 % in Aktien. Die Übernahme wurde am 10. Februar 2026 abgeschlossen und reduzierte die Barmittel von Marvell um 325 Millionen Dollar.
• 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 Position bei Amazon ist umstritten. Analysten und Lieferkettenberichte besagen, dass Marvell Trainium2 entworfen hat, aber das Trainium3-Design an Alchip verloren hat. SemiAnalysis schrieb im Dezember 2025, dass „Marvell am Ende der große Verlierer davon ist. Während sie Trainium2 entworfen haben, haben sie den Design-Bakeoff mit Alchip für diese Generation verloren“, und führte den Verlust auf Ausführungsprobleme bei Trainium2 zurück, darunter Zeitplanverzögerungen und RDL-Interposer-Probleme, die Alchip beheben musste, und beschrieb Trainium3 als ein Annapurna-Front-End-Design, bei dem Alchip das Back-End-Physical- und Package-Design übernimmt.¹⁷⁵ Am 8. Dezember 2025 stufte Benchmark Marvell auf Halten herab, mit Analystenkommentaren, dass Marvell sowohl Trainium 3 als auch Trainium 4 an Alchip verloren habe, und die Aktie fiel um etwa 7 %. Für diese Berichterstattung gelten zwei Einschränkungen. Der technische Bericht aus Quellen deckt nur Trainium3 ab, und der Verlust von Trainium 4 ist die Behauptung des Sell-Side-Analysten. Marvell, Amazons Annapurna Labs und Alchip haben nichts davon bestätigt, und andere Analysten, einschließlich JPMorgan, widersprachen.

Die Größe des betreffenden Kontos erklärt die Marktreaktion. AWS Trainium3 erreichte die allgemeine Verfügbarkeit am 2. Dezember 2025 mit 2,52 PFLOPS FP8, 144 GB HBM3e und 4,9 TB/s pro Chip, und Amazon gab auf seiner Telefonkonferenz zu den Ergebnissen des ersten Quartals 2026 am 29. April 2026 bekannt, dass es über 225 Milliarden Dollar an Umsatzverpflichtungen für Trainium hält und dass sein Chip-Geschäft eine jährliche Umsatzrate von über 20 Milliarden Dollar aufweist.

Welche CPUs laufen neben KI-Beschleunigern?

Beschleuniger laufen nicht von allein. Jedes KI-Rack paart sie mit Host-CPUs, und im Laufe des Jahres 2026 wurde diese Paarung zu einer bewussten Designentscheidung und nicht mehr zu einer Standardvorgabe. NVIDIAs Vera CPU verfügt über 88 kundenspezifische Olympus-Kerne, die Arm-kompatibel sind, mit 176 Threads durch Spatial Multithreading und 1,5 TB LPDDR5X. Googles Axion ist die Host-CPU für beide TPUs der achten Generation, das erste Mal, dass Google x86 in dieser Rolle ersetzt hat, und seine N4A VMs wurden Ende Januar 2026 allgemein verfügbar. AMDs Helios-Racks paaren Instinct GPUs mit 6. Gen EPYC „Venice“ x86 CPUs. Qualcomm kündigte die Dragonfly C1000 Rechenzentrums-CPU am 24. Juni 2026 mit Meta als Kunden an, mit kommerzieller Verfügbarkeit voraussichtlich 2028.

Arm

Arm kündigte am 24. März 2026 an, dass es „zum ersten Mal in der Unternehmensgeschichte auf Produktionssiliziumprodukte ausweitet“, beginnend mit der Arm AGI CPU, einer Rechenzentrums-CPU für agentische KI-Infrastruktur. Meta „fungiert als Lead-Partner und Co-Entwickler“, und die beiden Unternehmen sagen, dass sie sich verpflichtet haben, über mehrere Generationen der AGI-CPU-Roadmap hinweg zusammenzuarbeiten.^{176 177}

Arm gibt an, dass die CPU über bis zu 136 Arm Neoverse V3-Kerne, 6 GB/s Speicherbandbreite pro Kern bei einer Latenz von unter 100 ns und einer TDP von 300 W verfügt und auf 8.160 Kerne pro luftgekühltem Rack und mehr als 45.000 Kerne pro flüssigkeitsgekühltem Rack skaliert. Arm beansprucht mehr als die 2-fache Leistung pro Rack gegenüber x86 und bis zu 10 Milliarden Dollar an Capex-Einsparungen pro Gigawatt. Dies sind Arms eigene Zahlen und wurden nicht unabhängig gemessen.¹⁷⁸

ASRock Rack, Lenovo, Quanta und Supermicro sind die angekündigten OEM/ODM-Partner, wobei erste Systeme jetzt verfügbar sind und eine breitere Verfügbarkeit in der zweiten Hälfte 2026 erwartet wird. Neben Meta nennt Arm Cerebras, Cloudflare, F5, OpenAI, Positron, Rebellions, SAP und SK Telecom als zugesagte Kunden, von denen vier an anderer Stelle in diesem Artikel als Anbieter erscheinen.¹⁷⁹

Arm lizenziert weiterhin IP und Compute Subsystems (CSS). Die AGI-CPU fügt eine Siliziumproduktlinie hinzu, anstatt das Lizenzgeschäft zu ersetzen, was bedeutet, dass mehrere hier behandelte Unternehmen jetzt sowohl Arm-Lizenznehmer als auch Arm-Kunden sind. Meta ist der klarste Fall derselben Vermischung auf der Käuferseite. Es entwirft sein eigenes MTIA-Silizium, ist Arms AGI-CPU-Lead-Partner und Co-Entwickler, ist ein angekündigter Qualcomm-Rechenzentrums-CPU-Kunde und kauft von AMD und Broadcom.

Foundry-Partner und die Rolle von TSMC

Als weltweit führende reine Foundry fertigt TSMC Halbleiter auf der Grundlage von Kundendesigns und stellt keine eigenen Chips her, was es von Unternehmen wie NVIDIA und AMD unterscheidet. Während Samsung Foundry und Intel Foundry Services in diesem Bereich konkurrieren, behält TSMC einen technologischen Vorsprung.

N2, TSMCs 2nm-Knoten, ging im vierten Quartal 2025 in die Volumenproduktion und machte 3 % des Wafer-Umsatzes im zweiten Quartal 2026 aus, gegenüber 33 % für 5nm, 30 % für 3nm und 11 % für 7nm.¹⁸⁰ Die Roadmap von TSMC platziert A16 im Jahr 2027, A14 in der zweiten Hälfte 2028 und A13 und A12 im Jahr 2029, wie auf dem North America Technology Symposium am 22. April 2026 vorgestellt.¹⁸¹ TSMC fertigt KI-Beschleuniger für die folgenden Designer:

Der Hanguang 800-Inferenzchip von Alibaba, der 2019 bei TSMC produziert wurde, ist nicht enthalten. US-Exportkontrollen verbieten es TSMC nun, fortschrittliche KI-Chips für chinesische Designer zu produzieren, und Foundries müssen jede Lieferung bei 7nm und darunter an chinesische Designer überprüfen.¹⁸² Alibabas KI-Silizium von 2026 wird im Inland gefertigt, wobei die Kapazität bei SMIC die angegebene Einschränkung darstellt.¹⁸³

SemiAnalysis berichtete am 12. März 2026, dass die Front-End-N3-Wafer-Kapazität CoWoS-Packaging als dominierenden Engpass in der KI-Chip-Versorgung abgelöst hat, wobei CoWoS angespannt, aber sich entspannend ist. TrendForce erwartet, dass sich die CoWoS-Angebots-Nachfrage-Lücke bis Ende 2026 von etwa 20 % auf etwa 10 % verringert.¹⁸⁴ Micron erreichte die Hochvolumenproduktion von HBM4 36GB 12H für die Vera Rubin-Plattform von NVIDIA am 16. März 2026 mit Pin-Geschwindigkeiten über 11 Gb/s.¹⁸⁵

Expansionspläne

Die angekündigten US-Investitionen von TSMC belaufen sich auf insgesamt 265 Milliarden Dollar für 12 hochmoderne Fertigungs- und Packaging-Anlagen, nach einer zusätzlichen 100-Milliarden-Dollar-Verpflichtung für Arizona, die am 16. Juli 2026 angekündigt wurde, gegenüber den 165 Milliarden Dollar, die im März 2025 angekündigt wurden.¹⁸⁶

Die Berichte vom März 2025 über ein von TSMC geführtes Joint Venture zum Betrieb der Foundry-Sparte von Intel führten zu keinem Deal. TSMC dementierte aktive Gespräche am 17. April 2025 und erklärte am 26. September 2025, dass es „niemals Gespräche mit irgendeinem Unternehmen über die Gründung eines Joint Ventures oder die Lizenzierung oder den Transfer von Technologie geführt hat.“¹⁸⁷ Intel wurde stattdessen rekapitalisiert. SoftBank erklärte sich bereit, im August 2025 2 Milliarden Dollar in Intel zu investieren, die US-Regierung übernahm später in diesem Monat eine 9,9%ige Beteiligung für 8,9 Milliarden Dollar, und NVIDIA kündigte im September 2025 eine Investition von 5 Milliarden Dollar an.¹⁸⁸

Welches sind die 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 Einkäufe bei lokalen Produzenten erhöht.

Neben dem oben behandelten Huawei und Alibaba sind dies die führenden KI-Chip-Produzenten in China:

• Cambricon (SHA: 688256) meldete für das Geschäftsjahr 2025 einen Umsatz von RMB 6,4972 Mrd., ein Plus von 453,21 % im Jahresvergleich, und einen den Aktionären zurechenbaren Nettogewinn von RMB 2,0592 Mrd., den ersten vollständigen Jahresgewinn, gegenüber einem Verlust von RMB 452 Mio. im Jahr 2024. Der Non-GAAP-Nettogewinn betrug RMB 1,770 Mrd., und der Jahresbericht wurde am 12. März 2026 eingereicht. Der Umsatz im ersten Quartal 2026, berichtet am 29. April 2026, erreichte RMB 2,885 Mrd., ein Plus von 159,56 % im Jahresvergleich und 52,65 % gegenüber dem Vorquartal, mit einem zurechenbaren Nettogewinn von RMB 1,013 Mrd. (plus 185,04 %) und einem Non-GAAP-Nettogewinn von RMB 934 Mio. (plus 238,56 %). Am 30. Juni 2026 schlossen die Aktien 7,66 % höher bei CNY 1.595,55, womit die Marktkapitalisierung RMB 1 Billion überschritt (etwa RMB 1,013 Bio. oder US$139-147 Mrd.), das erste STAR-Market-Unternehmen, das dieses Niveau erreichte.
• Baidu Kunlunxin stellte zwei Chips auf der Baidu World in Peking am 13. November 2025 vor. Der Kunlun M100 ist für groß angelegte Inferenz optimiert und sollte Anfang 2026 auf den Markt kommen, und der Kunlun M300, der für Training und Inferenz ultra-großer multimodaler Modelle ausgelegt ist, zielt auf 2027 ab. Baidu präsentierte außerdem zwei Supernode-Systeme, Tianchi 256 (verfügbar im ersten Halbjahr 2026) und Tianchi 512 (verfügbar im zweiten Halbjahr 2026), die beide auf Baidus bestehenden Kunlun P800-Chips und nicht auf dem M100 oder M300 aufbauen. Baidu kündigte Supernodes im Tausend-Karten-Maßstab für 2028 an.
• Biren, gegründet von NVIDIA-Alumni, wurde am 2. Januar 2026 an der Hauptbörse der Hong Kong Stock Exchange notiert, nach einem Prospekt vom 22. Dezember 2025. Es verkaufte 284,8 Millionen H-Aktien zu HK$19,60, dem oberen Ende der vermarkteten Spanne, und nahm HK$5,58 Mrd. (etwa US$717 Mio.) ein. Die Aktie eröffnete bei HK$35,70 und schloss bei HK$34,46, ein Plus von etwa 76 %. Es ist das erste Festland-chinesische GPU-Unternehmen, das in Hongkong notiert ist.
• Moore Threads (SHA: 688795) wurde am 5. Dezember 2025 an der STAR Market zu einem IPO-Preis von CNY 114,28 notiert und nahm etwa RMB 8 Mrd. brutto und RMB 7,58 Mrd. netto ein, etwa US$1,1-1,13 Mrd.. Die Aktie eröffnete mit einem Plus von etwa 469 % bei CNY 650 und schloss ihren ersten Tag mit einem Plus von etwa 425 % bei CNY 600,5. Der Umsatz im Geschäftsjahr 2025 betrug RMB 1,505 Mrd., ein Plus von 243,37 % im Jahresvergleich, mit einem Bruttogewinn von RMB 987 Mio., laut dem am 27. April 2026 eingereichten Jahresbericht. Das Unternehmen bleibt unrentabel und steht seit 2023 auf der US Entity List.
• MetaX wurde am 17. Dezember 2025 zu CNY 104,66 pro Aktie an der STAR Market notiert, nahm etwa RMB 4,2 Mrd. (US$586-596 Mio.) ein und stieg bei seinem Debüt um etwa 693-755 %. Es hat seitdem vertraulich einen sekundären Börsengang in Hongkong beantragt.
• Iluvatar CoreX (HKEX: 9903) wurde am 8. Januar 2026 zu HK$144,60 pro H-Aktie an der Hauptbörse Hongkongs notiert und nahm etwa HK$3,68 Mrd. durch 25,43 Millionen H-Aktien ein.
• Enflame ist nicht notiert. Sein STAR-Market-Antrag wurde am 15. Juni 2026 vom Listing Review Committee genehmigt und seine IPO-Registrierung wurde am 9.-10. Juli 2026 von der CSRC genehmigt, wodurch es RMB 6 Mrd. (etwa US$883 Mio.) einnehmen kann, aber die Aktien haben Stand Juli 2026 noch nicht mit dem Handel begonnen.¹⁸⁹ Die offengelegten Finanzdaten zeigen einen Umsatz von 2025 von RMB 990 Mio. bei einem Nettoverlust von RMB 1,2 Mrd., mit kumulierten Verlusten von RMB 4,4 Mrd.. Tencent hält 20,3 % des Unternehmens und war für 83,8 % des Umsatzes von 2025 verantwortlich.
• SMIC, die Foundry, von der die meisten dieser Designer abhängen, hatte N+3 (5nm-Klasse) Stand Juni 2026 in Volumenproduktion, 7nm-Kapazität von etwa 45.000 bis 60.000 Wafern pro Monat und 9,3 Mrd. $ Umsatz im Jahr 2025.

Inländischer Anteil am chinesischen KI-Beschleunigermarkt

Ein von Reuters eingesehener IDC-Bericht beziffert die gesamten Auslieferungen von NVIDIA, AMD und chinesischen Anbietern im Jahr 2025 auf etwa 4 Millionen KI-Beschleunigerkarten in China.¹⁹⁰ Die Metrik sind Stückzahlen ausgelieferter Beschleunigerkarten, nicht Server und nicht Umsatz.

Innerhalb der chinesischen 41 % führte Huawei mit etwa 812.000 Chips, etwa die Hälfte aller im Inland markierten Lieferungen. Alibabas T-Head war Zweiter mit etwa 265.000, und Baidu Kunlunxin und Cambricon lagen gleichauf auf Platz drei mit jeweils etwa 116.000. Hygon, MetaX und Iluvatar CoreX machten 5 %, 4 % bzw. 3 % der Lieferungen chinesischer Anbieter aus.¹⁹¹

Die 41 % sind ein Anteil an den Stückzahlen, nicht am Umsatz.

FAQs

Weiterführende Lektüre

Für praktische Leistungsvergleiche der in diesem Artikel behandelten Chips sehen Sie sich unsere Benchmarks an:

• Multi-GPU-Benchmark: Wie NVIDIAs B200, H200, H100 und AMDs MI300X mit 1, 2, 4 und 8-GPU-Konfigurationen für LLM-Inferenz skalieren, mit Analyse von Durchsatz, Latenz und Kosten pro Token.
• GPU-Nebenläufigkeits-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 Nebenläufigkeitsebene.
• CUDA vs ROCm: Wie AMDs ROCm im Vergleich zu NVIDIAs CUDA bei Framework-Unterstützung und Portabilität abschneidet, die Software-Frage hinter AMDs Position in diesem Artikel.
• Edge-KI-Chip-Hersteller: Die Anbieter in der obigen Edge-Tabelle, einzeln behandelt, mit den Anwendungsfällen, auf die jedes Teil abzielt.
• Cloud-GPU-Anbieter: 60+ Anbieter, die hier behandelten Beschleuniger stundenweise vermieten, für Teams, die keine Hardware kaufen.

Referenzen

Diese Forschung zitieren

Wählen Sie das Format, das zu Ihrem Veröffentlichungsort passt. Wenn Sie die Link-Version in Ihr CMS einfügen, bleibt der Backlink erhalten.

@misc{dilmegani2026,
  author = {Dilmegani, Cem and Sarı, Ekrem},
  title  = {{Top 30+ KI-Chip-Hersteller: NVIDIA & seine Konkurrenten}},
  year   = {2026},
  month  = jul,
  howpublished    = {\url{https://aimultiple.com/ai-chip-makers}},
  note   = {AIMultiple. Abgerufen am 28. Juli 2026}
}

Referenzlinks

1.

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

2.

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

Arm Limited

3.

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

4.

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

Intel Corporation

5.

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

6.

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

7.

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

TrendForce

8.

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

TrendForce

9.

Personal AI Supercomputer Powered by Blackwell | NVIDIA DGX Spark

10.

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

11.

Introducing a powerful new chapter for Windows PCs, accelerated by NVIDIA RTX Spark | Windows Experience Blog

12.

NVIDIA Corporation - Financial Reports

13.

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

14.

https://uk.investing.com/news/stock-market-news/nvidia-reclaims-the-top-chip-stock-spot-at-morgan-stanley-4533620

15.

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

16.

Nvidia Pushes Further Into Cloud With GPU Marketplace - WSJ

The Wall Street Journal

17.

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

NVIDIA Developer

18.

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

NVIDIA Developer

19.

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

20.

NVIDIA Vera Rubin Opens Agentic AI Frontier | NVIDIA Newsroom

21.

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

22.

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

ServeTheHome

23.

Rack-Scale Agentic AI Supercomputer | NVIDIA Vera Rubin NVL72

24.

Groq and Nvidia Enter Non-Exclusive Inference Technology Licensing Agreement to Accelerate AI Inference at Global Scale | Groq is fast, low cost inference.

25.

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

CNBC

26.

AI Inference Accelerator | NVIDIA Groq 3 LPX

27.

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

28.

AI Inference Accelerator | NVIDIA Groq 3 LPX

29.

Jevons paradox - Wikipedia

Contributors to Wikimedia projects

30.

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

31.

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

32.

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

The Guardian

33.

Nvidia CEO to defend AI dominance as competition intensifies | Reuters

Reuters

34.

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

Ai2 Blog

35.

Training LLMs at Scale with AMD MI250 GPUs | Databricks Blog

36.

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

37.

AMD Acquires MEXT to Advance Memory Optimization

Advanced Micro Devices (AMD)

38.

Exclusive: AMD Acquires Team Behind AI Chip Startup Untether AI

39.

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

40.

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

41.

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

42.

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

43.

Meta and AMD Partner for Longterm AI Infrastructure Agreement

Meta

44.

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

Advanced Micro Devices, Inc.

45.

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

46.

AMD + : Large Language Models Out-of-the-Box Acceleration with AMD GPU

Hugging Face

47.

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

NVIDIA Developer

48.

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

49.

AMD Instinct™ MI455X GPUs

50.

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

51.

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

Advanced Micro Devices, Inc.

52.

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

53.

AMD Instinct™ MI430X GPUs

54.

AMD Instinct™ MI430X GPUs

55.

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

SemiAnalysis

56.

Can AMD break the CUDA Moat? AMD Advancing AI 2026

SemiAnalysis

57.

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

58.

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

The Wall Street Journal

59.

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

60.

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

61.

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

Intel Corporation

62.

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

63.

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

64.

Intel Appoints Lip-Bu Tan as Chief Executive Officer - Intel Newsroom

Intel Corporation

65.

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

66.

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

67.

Intel Computex 2026 Keynote Live Coverage - ServeTheHome

ServeTheHome

68.

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

Intel Corporation

69.

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

70.

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

71.

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

72.

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

73.

Qualcomm - Qualcomm to Acquire Modular

74.

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

75.

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

Amazon Web Services

76.

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

US About Amazon

77.

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

Google Cloud

78.

Introducing Trillium, sixth-generation TPUs | Google Cloud Blog

Google Cloud

79.

Ironwood: The first Google TPU for the age of inference

Google

80.

Cloud TPU release notes  |  Google Cloud Documentation

81.

TPU7x (Ironwood)  |  Google Cloud Documentation

82.

Two chips for the agentic era

Google

83.

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

84.

IBM’s new AIU artificial intelligence chip - IBM Research

IBM

85.

Can an in-house AI chip save IBM's cost of operating WatsonX?

TechHQ

86.

Telum Processor: IBM’s newest chip - IBM Research

IBM

87.

‘Mind-blowing’ IBM chip speeds up AI

Nature Publishing Group UK

88.

IBM Introduces the Spyre Accelerator for Commercial Availability

89.

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

South China Morning Post

90.

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

Tom's Hardware

91.

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

92.

Groq and Nvidia Enter Non-Exclusive Inference Technology Licensing Agreement to Accelerate AI Inference at Global Scale | Groq is fast, low cost inference.

93.

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

CNBC

94.

AI Inference Accelerator | NVIDIA Groq 3 LPX

95.

Groq Raises $650M to Scale Its AI Inference Cloud Business | Groq is fast, low cost inference.

96.

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

97.

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

98.

Groq Sets New Large Language Model Performance Record of 300 Tokens per Second per User on Meta AI Foundational LLM, Llama-2 70B

Cision PR Newswire

99.

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

Reuters

100.

Real-time AI Inference Demand Accelerates on GroqCloud | Groq is fast, low cost inference.

101.

Groq Raises $650M to Scale Its AI Inference Cloud Business | Groq is fast, low cost inference.

102.

Groq Acquires Dataflow Systems Pioneer Maxeler Technologies

Cision PR Newswire

103.

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

SambaNova

104.

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

General Atlantic

105.

Introducing the SN50 RDU: Purpose-Built for Agentic Inference

SambaNova

106.

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

107.

Cerebras Systems - Wikipedia

Contributors to Wikimedia projects

108.

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

109.

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

110.

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

111.

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

112.

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

d-Matrix

113.

Bullhound Capital leads $275m investment into AI inference leader d-Matrix - Bullhound Capital

Bullhound Capital

114.

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

d-Matrix

115.

Korean AI chipmaker Rebellions Closes $124M Series B Fundraise - Rebellions

Rebellions

116.

Rebellions and SAPEON Korea Sign Definitive Merger Agreement - Rebellions

Rebellions

117.

Samsung backs AI chip startup Rebellions ahead of IPO

CNBC

118.

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

Rebellions

119.

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

CNBC

120.

https://tenstorrent.com/hardware/cards

121.

Rate limit · GitHub

122.

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

Bloomberg

123.

Positron | Atlas

124.

Positron | Titan

125.

Positron | About

126.

Etched Emerges From Stealth With Working Chip, $800M

Etched

127.

reuters.com

128.

Etched Emerges From Stealth With Working Chip, $800M

Etched

129.

The path to ubiquitous AI | Taalas

130.

Products | Taalas

131.

Hardware | Extropic

132.

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

Fortune

133.

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

134.

https://www.fractile.ai/news/how-inference-is-driving-competition-to-nvidias-ai-chip-dominance

135.

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

136.

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

AppleInsider

137.

reuters.com

138.

Apple considers acquiring server chip companies - Techzine Global

Techzine

139.

Core AI - Apple Developer

140.

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

141.

Our next generation Meta Training and Inference Accelerator

142.

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

143.

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

144.

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

The Motley Fool

145.

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

146.

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

147.

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

148.

OpenAI and Broadcom unveil LLM-optimized inference chip | OpenAI

149.

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

TrendForce

150.

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

TrendForce

151.

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

152.

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

153.

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

The Motley Fool

154.

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

155.

Graphcore joins SoftBank Group to build next generation of AI compute

Graphcore

156.

SoftBank invests $457M in Graphcore AI chips

CNBC

157.

Mythic company information, funding & investors | Dealroom.co

158.

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

TechCrunch

159.

Mythic to Challenge AI’s GPU Pantheon with 100x Energy Advantage and Oversubscribed $125M Raise - Mythic

Mythic

160.

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

TechCrunch

161.

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

Axelera AI

162.

reuters.com

163.

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

164.

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

The Motley Fool

165.

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

The Motley Fool

166.

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

167.

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

168.

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

The Motley Fool

169.

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

170.

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

Broadcom Inc.

171.

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

172.

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

173.

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

174.

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

175.

AWS Trainium3 Deep Dive | A Potential Challenger Approaching

SemiAnalysis

176.

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

Arm Limited

177.

Arm launches its own CPU, with Meta as first customer

CNBC

178.

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

Arm Limited

179.

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

Arm Limited

180.

TSMC Reports Second Quarter EPS of NT$27.25

Taiwan Semiconductor Manufacturing Company

181.

TSMC Reports Second Quarter EPS of NT$27.25

Taiwan Semiconductor Manufacturing Company

182.

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

183.

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

184.

The Great AI Silicon Shortage

SemiAnalysis

185.

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

186.

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

187.

TSMC denies investment or partnership discussions - Taipei Times

台北時報

188.

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

189.

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

190.

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

191.

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

Cem Dilmegani

Hauptanalyst

Folgen auf

Cem ist seit 2017 Hauptanalyst bei AIMultiple. AIMultiple informiert monatlich Hunderttausende von Unternehmen (laut similarWeb), darunter 55 % der Fortune 500. Cems Arbeit wurde von führenden globalen Publikationen zitiert, darunter Business Insider, Forbes, Washington Post, globale Unternehmen wie Deloitte, HPE und NGOs wie das World Economic Forum und supranationale Organisationen wie die Europäische Kommission. Sie können weitere renommierte Unternehmen und Ressourcen sehen, die AIMultiple referenziert haben. Im Laufe seiner Karriere war Cem als Tech-Berater, Tech-Einkäufer und Tech-Unternehmer tätig. Er beriet Unternehmen mehr als ein Jahrzehnt lang bei McKinsey & Company und Altman Solon zu ihren Technologieentscheidungen. Er veröffentlichte auch einen McKinsey-Bericht zur Digitalisierung. Er leitete die Technologiestrategie und -beschaffung eines Telekommunikationsunternehmens und berichtete dabei direkt an den CEO. Er leitete auch das kommerzielle Wachstum des Deep-Tech-Unternehmens Hypatos, das innerhalb von 2 Jahren einen siebenstelligen jährlich wiederkehrenden Umsatz und eine neunstellige Bewertung von 0 aus erreichte. Cems Arbeit bei Hypatos wurde von führenden Technologiepublikationen wie TechCrunch und Business Insider behandelt. Cem spricht regelmäßig auf internationalen Technologiekonferenzen. Er absolvierte die Boğaziçi-Universität als Computeringenieur und hat einen MBA von der Columbia Business School.

Vollständiges Profil anzeigen

Technisch geprüft von

Ekrem Sarı

KI-Forscher

Folgen auf

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

Vollständiges Profil anzeigen

Kommentare 2

Teilen Sie Ihre Gedanken

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

Name

E-Mail-Adresse

Kommentar

0/450

Kommentar posten

Dave

Aug 29, 2022 at 05:49

You forgot to include Tesla with their DOJO supercomputer. From the ground-up, the supercomputer was specifically designed for machine learning and image recognition - which means that every component was designed for it including, but not limited to, PCI board design, CPU, RAM, cooling, power, scalable hardware design and software. If I'm not mistaken, the AI is also the second most widely tested and used in the "wild", just below that of Google due to Google using it in their Search.

Antworten

Cem Dilmegani

Sep 06, 2022 at 13:52

Thank you for your feedback, Dave! Here we are only covering companies that sell the chips that they produce. Therefore, companies like Tesla that build supercomputers for their own use or companies that embed chips in their products are out of our scope.

Antworten

thayyil

Mar 19, 2022 at 11:48

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

Antworten

Cem Dilmegani

Nov 18, 2022 at 07:36

All included companies here raised $100+M. Last time we collected the data, that wasn't the case for akida. Why don't you reach out to us at info@aimultiple.com and let's discuss why it should be included. Thank you!

Antworten