Nvidias KI-Dominanz: Der wachsende Wettbewerb im Chip-Markt

Nvidia behauptet weiterhin seine technische Dominanz und verzeichnet steigende Umsätze im Bereich der künstlichen Intelligenz. Gleichzeitig führen explodierende Investitionsausgaben und technische Verschiebungen zu einem wachsenden Druck auf die Marktkonzentration des Unternehmens. Da Nvidias Grafikprozessoren (GPUs) nicht günstig sind, suchen Kunden nach Alternativen, was eine Welle neuer Wettbewerber auf den Plan ruft.

Der Fokus der KI-Hardware entwickelt sich weiter. Während GPUs das Training von KI-Modellen dominieren, gewinnt die Inferenz – das Ausführen von KI-Modellen und deren Aufgabenbewältigung – an Bedeutung, da sie kontinuierlich und kostensensitiv ist. Eine Vielzahl von Startups entwickelt Inferenz-Chips, die als günstiger und effizienter als GPUs positioniert werden. Unternehmen in der KI-Hardwarekette agieren oft sowohl als Wettbewerber als auch als Partner, wie das Beispiel von Broadcom zeigt, das sowohl konkurrierende Chips als auch Netzwerktechnologie für Nvidias GPUs liefert. Das Ergebnis ist kein direkter Konkurrenzkampf, sondern ein sich schnell erweiterndes und zunehmend komplexes Feld, in dem Nvidia jedoch weiterhin einen deutlichen Vorsprung hat.

Kunden werden zu Wettbewerbern

Einige der größten Herausforderer für Nvidias Dominanz sind ehemalige Kunden, die eigene Chip-Lösungen entwickeln:

• Google hat über ein Jahrzehnt an seinen Tensor Processing Units (TPUs) gearbeitet. Diese waren hauptsächlich auf Googles Cloud und interne Workloads beschränkt, doch im Februar schloss Google einen Deal zur Vermietung an Meta ab und kooperiert zudem mit Fluidstack, um TPUs zu verleasen.
• Amazon entwirft ebenfalls Chips als kostengünstigere Alternativen zu Nvidia: Trainium für das Training und Inferentia für die Inferenz.
• Microsoft und Meta befinden sich in früheren Phasen ihrer Entwicklung. Meta kündigte an, in den nächsten zwei Jahren vier neue Silizium-Generationen voranzutreiben, und Microsoft stellte kürzlich einen KI-Inferenz-Chip namens Maia 200 vor.

Chip-Startups erobern die Inferenz-Welle

Investoren pumpen Milliarden in Chip-Startups, die sich auf die Inferenz-Welle konzentrieren. Auch Nvidia selbst ist aktiv und investiert 20 Milliarden US-Dollar, um Technologie zu lizenzieren und Top-Talente von Groq zu gewinnen. Groq, gegründet von einem ehemaligen TPU-Ingenieur, gilt als einer der größten Inferenz-Herausforderer und ist bekannt für seine Language Processing Unit (LPU)-Architektur, die beeindruckende Inferenzgeschwindigkeiten liefert. Die 20 Milliarden US-Dollar stellen Nvidias Gesamtinvestition in diese Technologierichtung dar, einschließlich Forschung und Entwicklung, Fertigungsverpflichtungen und dem Aufbau neuer Produktionslinien. Nvidia plant, Groqs Kerninnovationen in seine nächste Chip-Generation zu integrieren, um sowohl beim Training als auch bei der schnellen Ausführung von Modellen zu glänzen.

Das Feld hat mehrere Einhörner hervorgebracht, die, obwohl viele vor ChatGPT gegründet wurden, nun im Zuge des Infrastruktur-Booms und der steigenden Nachfrage florieren:

• Cerebras, 2015 gegründet und mit 23 Milliarden US-Dollar bewertet, baut "Wafer-Scale"-Chips für Training und Inferenz und schloss im Januar einen 10-Milliarden-Dollar-Deal mit OpenAI ab.
• SambaNova entwickelte nach gescheiterten Übernahmegesprächen mit Intel KI-Hardware- und Softwaresysteme für Geschäftskunden und sammelte 350 Millionen US-Dollar ein. Intel plant eine mehrjährige Zusammenarbeit mit SambaNova und investierte in dessen Series E.
• Tenstorrent, zuletzt mit 2 Milliarden US-Dollar bewertet, bietet ebenfalls eine GPU-Alternative an.

Der China-Faktor

China stellt für Nvidia eine erhebliche geopolitische Herausforderung dar. Die USA haben die Exportkontrollen für KI-Chips verschärft, und US-Regulierungsbehörden haben Berichten zufolge festgestellt, dass einige chinesische Labore ihre Modelle dennoch mit eingeschränkter Hardware trainieren. Nvidia CEO Jensen Huang hat wiederholt gewarnt, dass ein Verkaufsstopp nach China den lokalen Fortschritt nur beschleunigen wird.

• Huawei steht im Zentrum dieser Bemühungen. Der fast 40 Jahre alte Telekommunikationsriese wird als Nvidias engster Konkurrent angesehen, da er Chips, Server, Netzwerkgeräte baut und eine eigene Cloud betreibt.
• Chinesische Chip-Startups wie Cambricon sind ebenfalls als Alternativen zu Nvidia aufgetaucht.
• Weitere Wettbewerber sind Alibaba und Baidu – Chinas Äquivalente zu Amazon und Google –, die Chips für ihre jeweiligen Cloud-Geschäfte entwickeln.

Die alte Garde

Etablierte Chiphersteller mit tiefen Taschen wie AMD, Intel und Broadcom kämpfen ebenfalls um einen Anteil an Nvidias KI-Dominanz, während Nvidia gleichzeitig in deren Territorium vordringt.

• AMD, das GPU-Konkurrenten herstellt und dessen CEO Lisa Su eine entfernte Cousine von Jensen Huang ist, hat Deals mit großen Cloud- und Geschäftskunden, darunter Meta, abgeschlossen.
• Intel verfügt über eine starke Präsenz bei großen Geschäftskunden und plant eine mehrjährige Zusammenarbeit mit SambaNova.
• Broadcom ist auf Netzwerk- und kundenspezifische Chips spezialisiert, was bedeutet, dass das Unternehmen auch dann profitieren kann, wenn Nvidia weiterhin bei GPUs führend bleibt. Broadcom entwirft Chips, die mit Nvidias konkurrieren, und liefert auch die Netzwerktechnologie zur Verbindung von Nvidias GPUs.

Trotz des wachsenden Wettbewerbs und der sich wandelnden Landschaft wird Nvidias Führungsposition in der KI-Datenzentren-Infrastruktur von Analysten als Quelle für "kraftvolles, dauerhaftes Wachstum bei Umsatz, Cashflow, Rentabilität und weiteren Gewinnen im Shareholder Value" angesehen. Nvidia Corporation ist ein Full-Stack-Computing-Infrastrukturunternehmen, das sich auf beschleunigtes Computing konzentriert, um anspruchsvolle Rechenprobleme zu lösen. Die Segmente umfassen Compute & Networking (mit Data Center-Plattformen, KI-Lösungen, Software, Networking, Automotive-Plattformen und DGX Cloud) sowie Graphics (mit GeForce GPUs für Gaming, Quadro/NVIDIA RTX GPUs für Workstations und Omniverse Enterprise Software).