Kurzzusammenfassung des Kerninhalts
Der Chip-Gigant Broadcom hat kürzlich seine beste Jahresbilanz aller Zeiten veröffentlicht: Der Gesamtumsatz im dritten Quartal belief sich auf fast 30 Milliarden US-Dollar, was einem Anstieg von 86% gegenüber dem Vorjahr entspricht. Der Umsatz mit maßgeschneiderten AI-Chips hat sich sogar mehr als verdoppelt. Hinter dieser Erfolgsgeschichte steckt nicht etwa ein plötzlicher „Zufall“, sondern die Tatsache, dass alle führenden AI-Unternehmen weltweit – von Google, Meta, OpenAI über Amazon bis hin zu chinesischen Unternehmen wie Huawei, Alibaba und Baidu – aktiv maßgeschneiderte oder eigene AI-Chips entwickeln. Sie wollen sich nicht mehr vollständig auf Nvidia’s fertige Chips verlassen. Im Grunde genommen geht es allen darum, Kosten zu sparen, Marktanteile zu gewinnen und ihre eigenen Positionen zu sichern. Das Monopol von Nvidia auf dem AI-Chip-Markt wird somit gemeinsam gebrochen.
---
Detaillierte Analyse
1. Warum verdient Broadcom plötzlich so viel Geld?
Bislang galt Broadcom als „Hintergrundspieler“, der hauptsächlich Netzwerkwechselchips für Rechenzentren herstellt. Der enorme Erfolg ist darauf zurückzuführen, dass das Unternehmen genau die Bedürfnisse aller großen AI-Unternehmen erfüllt: Die meisten dieser Unternehmen verfügen schlichtweg nicht über die Kapazitäten, selbst Chips zu entwickeln – das Einstellen von Hunderten von Chip-Entwicklern, die Koordination mit Herstellern wie TSMC sowie die Abwicklung aller Designprozesse sind nicht nur teuer, sondern auch zeitaufwendig. In der Zwischenzeit haben die Konkurrenten bereits mehrere Generationen ihrer Modelle weiterentwickelt. Broadcom hingegen bietet einen „Schlüssel-zu-Schloss“-Service: Man teilt Broadcom mit, welche Leistungsanforderungen das eigene Modell hat und welche Bereiche optimiert werden sollen, und Broadcom übernimmt den gesamten Prozess – von der Chip-Entwicklung über die Validierung bis hin zur Produktion in der Fertigung. Der Entwicklung des „Little Pepper“-Rechenchips für OpenAI dauerte nur neun Monate. Heute halten Google, Meta, OpenAI und andere führende Unternehmen fast alle ihre Bestellungen bei Broadcom; wer würde sonst Geld verdienen, wenn Broadcom diese nicht erfüllen würde?
2. Die Entwicklung eigener Chips ist keine leere Drohung – viele Unternehmen verdienen bereits mehr damit
Die Entwicklung eigener Chips ist längst keine theoretische Überlegung mehr, sondern eine praktische Realität:
- Google entwickelte bereits 2016 seinen eigenen TPU-Chip; die achte Generation steht kurz vor der Massenproduktion. Zudem hat Google einen 20-Milliarden-US-Dollar-Vertrag für Rechenleistung abgeschlossen, der ausschließlich seine eigenen TPU-Chips betrifft – ohne dass Nvidia dabei einen Cent verdient.
- Meta nutzt bereits den ersten mit Broadcom entwickelten Chip für die Inhaltsempfehlungen auf Facebook und Instagram. Der neue Chip, der bald veröffentlicht wird, ist speziell für generative AI-Modelle optimiert.
- Amazon hat seinen eigenen AI-Trainingschip „Trainium“ bereits in die dritte Generation entwickelt; die Produktion der vierten Generation ist bereits ausverkauft. Die zukünftigen Einnahmen aus diesem Geschäft übersteigen bereits 22,5 Milliarden US-Dollar.
- Auch in China haben Unternehmen wie Huawei (Shengteng), Alibaba (Zhenwu) und Baidu (Kunlun Chip) begonnen, eigene Chips einzusetzen. Nur Tencent hat bisher noch nicht offiziell angekündigt, in diese Entwicklung einzusteigen.
3. Kostenersparnis durch eigene Chips
Die Entwicklung eigener Chips führt zu erheblichen Kosteneinsparungen:
Nvidia’s Chips können zwar direkt eingesetzt werden, aber selbst herzustellen ist deutlich vorteilhafter. Stellen Sie sich vor, Sie betreiben 100.000 Filialen eines Supermarktes – es wäre viel günstiger, fertige Regale bei Händlern zu kaufen. Wenn Sie jedoch für jede Filiale spezielle Regale anfertigen lassen, die auf die Größe Ihrer Produkte abgestimmt sind, schneller scannen und weniger Strom verbrauchen, sparen Sie jährlich enorme Summen. Der „Little Pepper“-Chip von OpenAI ist beispielsweise speziell für die Rechenanforderungen großer AI-Modelle optimiert; die Testergebnisse zeigen, dass die Rechenkosten um 50% niedriger sind als bei Nvidia-Chips. Bei der täglichen Bearbeitung von Milliarden von Anfragen spart OpenAI jährlich mehrere Milliarden US-Dollar. Die Investitionen in die Chip-Entwicklung werden somit schnell amortisiert.
4. Unabhängigkeit von Nvidia
Indem Unternehmen eigene Chips entwickeln, werden sie unabhängiger von Nvidia. Früher waren sie auf Nvidia angewiesen; heute können sie die Hardware selbst steuern und die Entwicklung ihrer Produkte selbst bestimmen. Zudem haben sie mehr Einfluss auf die Preise und die Lieferbedingungen. Wenn Nvidia beispielsweise die Preise erhöht oder die Lieferung einstellt, sind die Unternehmen nicht mehr wehrlos.
5. Sicherheit gegen Ausfälle und Abhängigkeiten
Eigene Chips bieten zusätzliche Sicherheit: Wenn man 100% auf Nvidia angewiesen ist, hat man keine Möglichkeit, Preise zu verhandeln oder bei Ausfällen zu reagieren. Mit eigenen Chips hat man zumindest eine Alternative. Selbst wenn man nicht zu 100% auf Nvidia verzichten kann, hat man immer noch die Möglichkeit, mit Nvidia zu verhandeln oder auf eigene Chips umzusteigen. Insbesondere für chinesische Unternehmen ist dies von großer Bedeutung, da die Exporte von hochwertigen Nvidia-Chips eingeschränkt sind. Die Entwicklung eigener Chips ist keine Frage des Gewinns, sondern eine Frage der Überlebensfähigkeit.