AMD- und Google-Nachfrage beflügelt Intel und NVIDIA, doch die KI-Chiprallye verdeckt einen breiteren Wettbewerb

AMD, Google, Intel und NVIDIA gingen am Mittwoch mit einem auffälligen Signal in den Handel: Mehrere KI-Aktien legten gleichzeitig zu, obwohl sie um unterschiedliche Teile desselben Marktes konkurrieren. Auslöser waren Quartalsberichte, die eine weiterhin starke Nachfrage nach Prozessoren, Beschleunigern, Servern und Cloud-Infrastruktur zeigten. Zugleich stellte dies die Annahme infrage, dass jeder in KI-Hardware investierte Dollar nur einen Gewinner hervorbringen müsse.

Die Rallye ging über den Gewinnsprung eines einzelnen Chipherstellers hinaus. AMD hatte in der Vorwoche einen Rekordumsatz für ein Quartal gemeldet, während Intel bei Client- und Rechenzentrumsprodukten schnelleres Wachstum verzeichnet hatte. Die jüngsten Ergebnisse von NVIDIA hatten bereits einen deutlich höheren Maßstab für die Nachfrage nach Beschleunigern gesetzt.

Google lieferte einen weiteren entscheidenden Teil der Geschichte. Seine steigenden Infrastrukturverpflichtungen zeigten, warum Kunden gleichzeitig NVIDIA-GPUs, AMD-Prozessoren, Intel-CPUs und Googles eigene Tensor Processing Units unterstützen können. Die Beziehung zwischen AMD und Google ist daher über die Ankündigung eines einzelnen Cloud-Produkts hinaus relevant. Sie veranschaulicht, wie Hyperscaler gemischte Systeme zusammenstellen, statt für jede Arbeitslast einen einzigen Lieferanten zu wählen.

Das macht die drei Chiphersteller nicht gleichwertig. NVIDIA bleibt der führende Anbieter von Beschleunigern, die zum Trainieren und Ausführen großer KI-Modelle verwendet werden. AMD expandiert von Server-CPUs zu größeren Beschleuniger-Implementierungen, während Intel sich rund um CPUs, Fertigung und Unternehmensinfrastruktur neu aufstellt.

Die eigentliche Frage ist, ob die wachsende KI-Nachfrage alle drei Unternehmen weiter beflügeln kann, sobald ihre Wettbewerbsunterschiede wieder in den Vordergrund rücken.

Die Rallye folgte Nachfrageindikatoren, keinem gemeinsamen Sieg

Die Kursgewinne vom Mittwoch spiegelten neues Vertrauen in den Markt für KI-Infrastruktur wider, nicht den Beweis, dass AMD, Intel und NVIDIA gleichwertige Positionen erreicht hätten.

Der breitere Markt schloss am 12. August nahe einem Rekordhoch. Der S&P 500 stieg um 0,3 %, der Nasdaq Composite gewann 0,5 %, wie die Berichterstattung über die Marktrallye vom Mittwoch zeigt. Unternehmen aus der KI-Infrastruktur führten den Anstieg mit an, nachdem mehrere Zulieferer stärkere Frühjahrszahlen als von Analysten erwartet gemeldet hatten.

Super Micro Computer lieferte den unmittelbarsten Auslöser. Das Unternehmen baut Server, die Prozessoren, Beschleuniger, Speicher, Netzwerke, Kühlung und Storage kombinieren. Seine Aktien sprangen an, nachdem der jüngste Gewinn die Analystenerwartungen übertroffen hatte.

Dieses Ergebnis war für Chipinvestoren relevant, weil Serveranbieter zwischen Siliziumlieferanten und Rechenzentrumsbetreibern stehen. Ein Serverhersteller kann keine starken Umsätze verbuchen, ohne ausreichend Kundennachfrage für komplette Systeme zu erhalten. Bessere Serverergebnisse stützten daher die Ansicht, dass KI-Ausgaben die Implementierungsphase erreichten.

Der Markt hatte auch neue Hinweise von AMD. Das Unternehmen meldete für das zweite Quartal einen Umsatz von 11,5 Milliarden US-Dollar, 50 % mehr als im Vorjahreszeitraum. Sein Rechenzentrumsgeschäft profitierte von einer stärkeren Nachfrage nach EPYC-Serverprozessoren und Instinct-Beschleunigern.

AMDs Quartalswachstum stammte nicht allein von KI-Beschleunigern. Client-Prozessoren und weitere Produkte trugen bei, während sich die Gaming-Umsätze in die entgegengesetzte Richtung bewegten. Diese gemischte Entwicklung ist wichtig, weil ein Rekordumsatz in der Schlagzeile nicht erkennen lässt, welche Produktlinien die besten Margen erzielen.

Intel hatte bereits einen Umsatz von 16,1 Milliarden US-Dollar im zweiten Quartal gemeldet, was einem jährlichen Wachstum von 25 % entsprach. Die Nachfrage nach Client- und Rechenzentrumsprozessoren half dem Unternehmen, obwohl Umstrukturierungen und Investitionen in die Fertigung die ausgewiesene Profitabilität weiter belasteten.

NVIDIA ging mit den stärksten jüngsten Wachstumszahlen in die Rallye. Der Umsatz im ersten Geschäftsquartal erreichte 81,6 Milliarden US-Dollar, 85 % mehr als ein Jahr zuvor. Der Umsatz im Rechenzentrumsgeschäft lag bei 75,2 Milliarden US-Dollar, ein Plus von 92 %, laut den Quartalsergebnissen.

Diese Zahlen zeigten, dass der Zyklus der KI-Infrastruktur nicht ins Stocken geraten war. Sie offenbarten jedoch auch den enormen Abstand zwischen NVIDIA und seinen Wettbewerbern bei den Beschleunigerumsätzen.

Eine gleichzeitige Rallye kann entstehen, weil Investoren die Größe des Marktes neu bewerten. Sie müssen daraus nicht schließen, dass jeder Lieferant denselben Anteil erobern wird. Wenn der erwartete Pool an KI-Infrastrukturausgaben wächst, können mehrere Unternehmen profitieren, auch wenn eines weit vorausbleibt.

Diese Unterscheidung erklärt die Reaktion des Marktes. Investoren beseitigten die Wettbewerbshierarchie nicht. Sie erhöhten vielmehr ihr Vertrauen, dass die Nachfrage mehr als eine Ebene des KI-Computing-Stacks tragen kann.

Warum die Infrastrukturbeziehungen zwischen AMD und Google jetzt wichtig sind

Die Verbindung zwischen AMD und Google zeigt, wie Cloud-Betreiber die Nachfrage auf unterschiedliche Prozessoren, Beschleuniger und intern entwickelte Chips verteilen.

Google Cloud bietet Kunden Zugang zu mehreren Hardwarearchitekturen. Dazu gehören NVIDIA-GPUs, Googles Tensor Processing Units oder TPUs sowie virtuelle Maschinen mit AMD-Server-CPUs. Eine TPU ist ein spezialisierter Beschleuniger für Machine-Learning-Berechnungen.

AMD erklärte in seiner Einreichung zum ersten Quartal, dass Google Cloud H4D-virtuelle Maschinen mit EPYC-Prozessoren der fünften Generation eingeführt habe. AWS, Microsoft Azure und Tencent kündigten im Berichtszeitraum ebenfalls neue oder ausgebaute EPYC-basierte Dienste an.

Diese Implementierungen sind relevant, weil ein KI-Dienst mehr benötigt als den Beschleuniger für seine größten Matrixberechnungen. Er braucht auch CPUs, um Daten vorzubereiten, Aufgaben zu planen, Storage zu steuern, Netzwerke zu verwalten und Teile der Inferenz abzuwickeln.

Inferenz ist der Prozess, bei dem ein trainiertes Modell eine Antwort, Klassifizierung oder Vorhersage erzeugt. Wenn KI-Produkte mehr Nutzer gewinnen, kann Inferenz eine anhaltende Nachfrage sowohl nach Beschleunigern als auch nach Host-Prozessoren schaffen.

AMD meldete für das erste Quartal Rechenzentrumsumsätze von 5,8 Milliarden US-Dollar, 57 % mehr als im Vorjahr. Das Unternehmen führte diesen Anstieg in seiner Finanzeinreichung auf EPYC-Prozessoren und fortlaufende Auslieferungen von Instinct-GPUs zurück.

Diese Kombination eröffnet AMD zwei Wege in ein Cloud-Rechenzentrum. Es kann die CPUs liefern, die an die Beschleuniger eines anderen Unternehmens angeschlossen sind, oder eine vollständigere AMD-Computing-Plattform verkaufen. Der erste Weg generiert Umsatz, ohne dass AMD NVIDIA verdrängen muss.

Google hat ebenfalls Gründe, mehrere Hardwareoptionen beizubehalten. Eigene TPUs können bei ausgewählten Arbeitslasten Kontrolle über Leistung, Versorgung und Betriebskosten bieten. NVIDIA-GPUs bieten breite Softwareunterstützung und Zugang zu einer großen Entwicklerbasis. AMD verschafft Google eine weitere Quelle für CPUs und Beschleuniger.

Alphabets Ergebnisse für das zweite Quartal unterstrichen das Ausmaß dieser Strategie. Der Umsatz stieg im Jahresvergleich um 24 %, während der Umsatz von Google Cloud um 82 % zulegte. Der Cloud-Auftragsbestand erreichte 514 Milliarden US-Dollar, wie aus den Aussagen zu den Ergebnissen des Unternehmens hervorgeht.

Der Auftragsbestand steht für vertraglich vereinbarte Umsätze, die noch nicht erfasst wurden. Er garantiert nicht, dass jede Verpflichtung gemäß ihrem ursprünglichen Zeitplan zu Umsatz wird. Dennoch hilft ein solches Wachstum zu erklären, warum Google seine Computing-Kapazitäten weiter ausbaut.

Alphabet erklärte, sein Infrastrukturportfolio umfasse Google-Beschleuniger und NVIDIA-Systeme. Es hob außerdem die Unterstützung mehrerer Software-Frameworks hervor, wodurch Kunden mehr Arbeitslasten zwischen GPUs und TPUs verschieben können.

Das ist das zentrale Signal der Beziehung zwischen AMD und Google. Google bindet seine Cloud nicht an eine einzige Chiparchitektur. Das Unternehmen versucht, genügend Hardwarevielfalt anzubieten, um Kunden mit unterschiedlichen Modellen, Budgets, Softwareabhängigkeiten und Implementierungszeitplänen zu gewinnen.

Dieser Ansatz erweitert die Chancen für Lieferanten, stärkt aber auch Googles Verhandlungsposition. Ein Cloud-Betreiber mit eigenem Silizium und mehreren externen Anbietern ist weniger von einer einzelnen Roadmap abhängig. Wettbewerb kann die Verfügbarkeit verbessern und das Risiko verringern, dass ein verspätetes Produkt den Aufbau eines Rechenzentrums blockiert.

AMD profitiert, wenn diese Vielfalt zu mehr EPYC-Instanzen oder Instinct-Implementierungen führt. NVIDIA profitiert, wenn Kunden seine vollständige Plattform für beschleunigtes Computing wünschen. Intel profitiert, wenn die Nachfrage nach Allzweckverarbeitung und Unternehmenskompatibilität wichtig bleibt.

Der Cloud-Anbieter profitiert davon, all diese Optionen offenzuhalten.

NVIDIA setzt weiterhin den Maßstab für KI-Beschleuniger

Eine breitere Nachfrage schafft Raum für AMD und Intel, doch NVIDIAs Umsatz- und Softwareposition definiert weiterhin den Wettbewerbsmaßstab.

NVIDIAs Ergebnisse für das erste Geschäftsquartal bewegten sich in einer anderen Größenordnung als jene seiner Wettbewerber. Das Unternehmen erzielte im Quartal bis zum 26. April einen Gesamtumsatz von 81,6 Milliarden US-Dollar. Allein sein Rechenzentrumsgeschäft erwirtschaftete 75,2 Milliarden US-Dollar.

Die Zahlen entsprachen einem jährlichen Umsatzwachstum von 85 % und einem Wachstum im Rechenzentrumsgeschäft von 92 %. NVIDIA meldete zudem eine GAAP-Bruttomarge von 74,9 %. Die Bruttomarge misst den Anteil des Umsatzes, der nach direkten Produktionskosten verbleibt.

Diese Marge ist wichtig, weil der Wettbewerb in der Halbleiterbranche nicht allein durch steigende Auslieferungen entschieden wird. Ein Anbieter muss Nachfrage in ausreichend Gewinn umsetzen, um künftige Chipdesigns, Netzwerkprodukte, Software und Fertigungsverpflichtungen zu finanzieren.

NVIDIA hat eine integrierte Plattform rund um GPUs, Hochgeschwindigkeitsverbindungen, Netzwerke, Systeme auf Rack-Ebene und CUDA-Software aufgebaut. CUDA stellt Entwicklern Werkzeuge zur Verfügung, um Programme zu schreiben, die auf NVIDIA-GPUs laufen. Jahrelange Verbreitung hat diese Softwarebasis schwer reproduzierbar gemacht.

AMDs Instinct-Beschleuniger können bei ausgewählten Arbeitslasten bei Hardwareleistung und Speicherkapazität konkurrieren. Die schwierigere Aufgabe besteht darin, Kunden eine ähnlich verlässliche Erfahrung über Modell-Frameworks, Orchestrierungstools, Bibliotheken, Netzwerke und technischen Support hinweg zu bieten.

AMD investiert in ROCm, seine offene Softwareplattform für GPU-Computing. Zudem baut das Unternehmen Systeme auf Rack-Ebene, die Beschleuniger, CPUs, Netzwerke und Software kombinieren. Die Kundenakzeptanz wird bestimmen, ob diese Investitionen die Betriebskosten eines Wechsels senken.

Intel nimmt eine andere Position ein. Seine Server-CPUs bleiben für allgemeines Computing wichtig, einschließlich der Host-Prozessoren, die Beschleunigersysteme koordinieren. Intel verfolgt auch Ambitionen bei Beschleunigern und Foundry, hat jedoch kein Rechenzentrums-GPU-Geschäft in einer Größenordnung wie NVIDIA etabliert.

Das Umsatzwachstum des Unternehmens im zweiten Quartal lieferte Hinweise darauf, dass die Nachfrage nach CPUs gestiegen war. Intels Ergebnisveröffentlichung stellte zudem seine Fertigungs-Roadmap und externe Foundry-Kunden ins Zentrum seines Erholungsplans.

Eine Foundry fertigt Chips, die von anderen Unternehmen entworfen wurden. Intels Foundry-Strategie schafft daher eine zweite mögliche Rolle in der KI-Infrastruktur. Das Unternehmen kann eigene Prozessoren verkaufen und zugleich versuchen, Chips für externe Designer zu fertigen.

Dieses Modell erfordert hohe Kapitalinvestitionen, bevor das Kundenvolumen vorhersehbar wird. Intel muss potenzielle Foundry-Kunden außerdem davon überzeugen, dass sein Fertigungsprozess, seine Ausbeuten, Werkzeuge und Lieferpläne die kommerziellen Anforderungen erfüllen.

Google verkompliziert das Wettbewerbsbild für alle drei Anbieter. Seine TPUs bieten dem Unternehmen für bestimmte Modelltrainings- und Inferenzaufgaben eine interne Alternative. Auch andere Hyperscaler entwickeln kundenspezifische Beschleuniger, die häufig auf bestimmte Arbeitslasten zielen, bei denen Allzweck-GPUs unnötige Kosten verursachen.

Kundenspezifische Chips machen externe Chipzulieferer nicht automatisch überflüssig. Das Design eines Prozessors ist nur ein Schritt. Ein Cloud-Unternehmen muss Fertigungskapazitäten sichern, den Chip paketieren, ihn in großem Maßstab vernetzen, Software unterstützen und ihn zuverlässig betreiben.

Die Plattform von NVIDIA reduziert viele dieser Integrationshürden. Dieser Vorteil erklärt, warum Cloud-Anbieter in eigene Chips investieren und gleichzeitig weiterhin NVIDIA-Systeme kaufen können.

Die Chance von AMD besteht nicht einfach darin, eine schnellere Komponente zu produzieren. Das Unternehmen muss ausreichend Leistung, Lieferfähigkeit, Softwarekompatibilität und Systemsupport bieten, um den Einsatz einer zweiten Beschleunigerplattform zu rechtfertigen.

Die unmittelbare Chance von Intel ist breiter. Eine steigende KI-Nutzung kann die Nachfrage nach CPUs erhöhen, selbst wenn Intel nicht den primären Beschleuniger liefert. Allerdings muss das Unternehmen diese Position verteidigen, da AMD, Arm-basierte Prozessoren und kundenspezifische Cloud-CPUs um dieselben Host-Workloads konkurrieren.

Die Unternehmen legten gemeinsam zu, weil der adressierbare Markt größer zu sein schien. Ihre Strategien bleiben jedoch deutlich unterschiedlich.

Was die Ergebniszahlen nicht entscheiden

Starkes Quartalswachstum entscheidet nicht darüber, ob Investitionen in KI-Infrastruktur dauerhafte Renditen für Kunden oder Lieferanten erzielen werden.

Die größte Unsicherheit liegt bei den Unternehmen, die für die Rechenzentren zahlen. Google, Microsoft, Amazon, Meta und andere Betreiber binden Kapital, bevor sie die endgültigen Umsätze jeder einzelnen Installation kennen.

Alphabet meldete ein starkes Cloud-Wachstum, erhöhte jedoch zugleich die Ausgaben für Server, Rechenzentren und Netzwerke. Höhere Investitionsausgaben führen letztlich zu Abschreibungsaufwendungen, die die bilanzierten Kosten eines Vermögenswerts über dessen Nutzungsdauer verteilen.

Dieser Bilanzierungseffekt kann künftige operative Margen unter Druck setzen, auch wenn das Geld das Unternehmen bereits früher verlässt. Er bedeutet auch, dass ein starkes Umsatzquartal nicht sofort beantwortet, ob jedes neue Rechenzentrum eine attraktive Rendite erzielt.

Googles Cloud-Wachstum von 82 % und der wachsende Auftragsbestand machen das Investitionsargument glaubwürdiger. Dennoch müssen Anleger beobachten, wie schnell sich der Auftragsbestand in realisierte Umsätze und Cashflow umwandelt.

Für Chiplieferanten besteht ein weiteres Risiko. Kunden könnten KI-Modelle effizienter betreiben. Kleinere Modelle, verbesserte Quantisierung, bessere Planung und stärker spezialisierte Chips können den Rechenaufwand für eine bestimmte Aufgabe senken.

Quantisierung ist eine Methode, die Zahlen mit geringerer Präzision verwendet, um den Speicher- und Rechenbedarf eines Modells zu reduzieren. Dieselbe Arbeitslast kann dadurch günstiger werden, selbst wenn die Nutzung zunimmt.

Effizienz senkt die Gesamtnachfrage nach Hardware nicht immer. Niedrigere Kosten können Unternehmen dazu anregen, KI in mehr Produkten einzusetzen, mehr Nutzer zu bedienen oder komplexere Aufgaben auszuführen. Ökonomen beschreiben dieses Muster häufig als eine Ausweitung der Nachfrage, wenn eine Ressource günstiger wird.

Das Ergebnis hängt davon ab, ob die zusätzliche Nutzung schneller wächst als die Effizienz steigt. Die Prognosen der Chipunternehmen gehen im Allgemeinen davon aus. Diese Annahme bleibt wirtschaftlich plausibel, doch Quartalsergebnisse können sie nicht für den gesamten Investitionszyklus bestätigen.

Die Konzentration der Lieferketten schafft weitere Unsicherheit. Fortschrittliche Beschleuniger hängen von einer begrenzten Zahl an Herstellern, Packaging-Zulieferern, Speicherproduzenten und Netzwerkanbietern ab. Eine Verzögerung bei einer Komponente kann ein ganzes Rack ausbremsen.

AMD steht zudem vor Ausführungsrisiken, da das Unternehmen auf größere Beschleuniger-Deployments zusteuert. Bekannt gegebenes Kundeninteresse ist nicht dasselbe wie realisierter Umsatz. Systeme müssen termingerecht eintreffen, konsistent arbeiten und sich in die Kundensoftware integrieren.

Das Umsatzwachstum des Unternehmens im zweiten Quartal stützt seine Richtung, doch der Markt benötigt weiterhin Belege auf Produktebene. Zu beobachten sind eine breitere Cloud-Verfügbarkeit, Folgeaufträge und produktive Deployments, die über Evaluierungen hinausgehen.

Das Risiko von Intel ist noch struktureller. Die CPU-Nachfrage kann vom KI-Zyklus profitieren, während das Unternehmen zugleich hohe Ausgaben für die Fertigung tätigt. Daraus entsteht ein Spannungsverhältnis zwischen steigenden Produktverkäufen und den Kosten für den Erhalt einer wettbewerbsfähigen Foundry.

Intel hat erklärt, weiterhin an seiner Roadmap für fortschrittliche Fertigung festzuhalten. Anleger müssen diese Aussage an externen Kundenverpflichtungen, Fertigungsausbeuten und dem Zeitpunkt der Produktionshochläufe messen.

NVIDIA steht unter anderem Druck. Seine führende Position verschafft dem Unternehmen Preis- und Plattformvorteile, sie erzeugt jedoch auch hohe Erwartungen. Das Umsatzwachstum muss hoch genug bleiben, um Investitionsannahmen für ein sehr großes Geschäft zu stützen.

Das Unternehmen sieht sich zudem wachsender Konkurrenz durch AMD-Beschleuniger und von Hyperscalern entwickelte Chips gegenüber. Google TPUs müssen NVIDIA nicht überall ersetzen, um den Markt zu beeinflussen. Sie müssen nur für genügend interne oder Cloud-Workloads attraktiv werden, um Kaufentscheidungen zu verändern.

Regulierung und Exportkontrollen schaffen zusätzliche Unsicherheit. Beschränkungen können verändern, welche Prozessoren Anbieter in bestimmten Märkten verkaufen dürfen. Sie können zudem Produktneugestaltungen erfordern oder Kunden dazu bewegen, lokale Alternativen zu entwickeln.

Keines dieser Risiken widerlegt die Rally vom Mittwoch. Sie erklären, warum eine eintägige Bewegung als Nachfragesignal und nicht als endgültiges Urteil über langfristige Gewinner interpretiert werden sollte.

Der eigentliche Wettbewerb dreht sich um vollständige KI-Systeme

Die nächste Wettbewerbsphase wird auf Systemebene entschieden, wo Chips, Speicher, Netzwerke, Software, Stromversorgung und Kühlung zusammenarbeiten müssen.

Ein Beschleuniger schafft für sich genommen nur selten Wert. Große KI-Deployments kombinieren Tausende Komponenten in Clustern, die wie ein Computer funktionieren sollen. Die Leistung hängt davon ab, wie schnell sich Daten zwischen Prozessoren bewegen und wie zuverlässig das gesamte System online bleibt.

Dieser Wandel begünstigt Unternehmen, die mehrere Ebenen koordinieren können. NVIDIA verkauft Beschleuniger, CPUs, Netzwerktechnik, Interconnects und Software. Seine Rack-Scale-Strategie bietet Kunden eine Referenzarchitektur, die Integrationsaufwand reduziert.

AMD verfolgt mit seinen Instinct-Beschleunigern, EPYC-Prozessoren, Netzwerk-Assets und offener Software eine ähnliche Richtung. Die Herausforderung besteht darin, einzelne wettbewerbsfähige Komponenten in ein vorhersehbares System für Großkunden zu überführen.

Google verfolgt einen anderen Weg. Das Unternehmen entwickelt TPUs, betreibt eine globale Cloud, kauft Standardhardware und kontrolliert einen großen Teil der Software über der Infrastruktur. Diese vertikale Integration ermöglicht Google, für interne Dienste und externe Kunden unterschiedliche Rechenwege zu wählen.

Die Beziehung zwischen AMD und Google passt in diesen Markt auf Systemebene. Eine EPYC-betriebene Google-Cloud-Instanz kann Hochleistungsrechnen, Datenverarbeitung oder KI-bezogene Workloads unterstützen, ohne einen AMD-Beschleuniger zu verwenden. Ein anderer Dienst kann unterschiedliche Host-CPUs mit NVIDIA-GPUs kombinieren.

Kunden interessiert oft weniger, welches Logo auf jedem Chip erscheint, als Durchsatz, Verfügbarkeit, Softwarekompatibilität, Sicherheit und Betriebskosten. Deshalb garantiert Benchmark-Führerschaft allein noch keinen Einsatz.

Ein Team für Modelltraining kann die Zeit bis zum Abschluss priorisieren. Ein Online-Dienst achtet möglicherweise stärker auf Inferenzkosten und Antwortlatenz. Ein reguliertes Unternehmen kann Datenstandort, Support und vorhersehbare Updates priorisieren.

Diese Anforderungen schaffen Raum für heterogenes Computing, bei dem unterschiedliche Prozessortypen für unterschiedliche Aufgaben eingesetzt werden. CPUs übernehmen flexible Allzweckaufgaben. GPUs und TPUs beschleunigen stark parallele Berechnungen. Netzwerkkomponenten verbinden das System, während Speicher die Prozessoren mit Daten versorgt.

Intel kann relevant bleiben, wenn heterogene Systeme weiterhin große Mengen leistungsfähiger CPUs benötigen. AMD kann sowohl über EPYC als auch über Instinct gewinnen. NVIDIA kann seine Führung verteidigen, indem es seine Plattform leichter implementierbar macht als gemischte Alternativen.

Der Systemwettbewerb verschafft Cloud-Betreibern jedoch auch mehr Einfluss. Google kann Hardware hinter verwalteten Diensten bündeln, sodass Kunden Rechenleistung nutzen können, ohne jede zugrunde liegende Komponente auswählen zu müssen.

Diese Abstraktion kann die Bedeutung von Chipmarken im Laufe der Zeit schwächen. Entwickler könnten statt eines bestimmten Prozessors ein Leistungsziel oder ein Service-Level anfordern. Der Cloud-Anbieter entscheidet dann, welche Hardware das gewünschte Ergebnis liefert.

NVIDIA hat darauf reagiert, indem es seine Präsenz bei Software und Plattformen ausbaut. AMD verbessert die Softwareportabilität und arbeitet mit Cloud-Unternehmen an neuen Instanzen. Intel betont Unternehmenskompatibilität und Fertigungsoptionen.

Auch die Verfügbarkeit von Strom wird diese Entscheidungen prägen. KI-Rechenzentren benötigen große Stromanschlüsse, Kühlsysteme und Bauzeiten. Ein Chip mit hervorragenden Benchmark-Ergebnissen kann bei einem Deployment dennoch verlieren, wenn sein System nicht in das Strombudget eines Standorts passt.

Kunden werden zunehmend nutzbare Arbeit pro Energieeinheit, die gesamte Bereitstellungszeit und die Auslastung vergleichen. Die Auslastung misst, wie viel Kapazität eines installierten Systems produktive Arbeit verrichtet, statt ungenutzt zu warten.

Die Marktrally erkannte die wachsende Nachfrage entlang dieser gesamten Kette an. Der langfristige Wettbewerb betrifft die Frage, welche Unternehmen den größten Wert abschöpfen, nachdem Kunden sämtliche Systemkosten berücksichtigt haben.

Drei Signale werden die Rally bei KI-Chips auf die Probe stellen

Die Rally wird an Bedeutung gewinnen, wenn Deployments, Cloud-Umsätze und Produkt-Roadmaps bestätigen, dass die Nachfrage sowohl breit als auch dauerhaft ist.

Das erste Signal ist der nächste Ergebnisbericht von NVIDIA. Anleger sollten das Wachstum bei Beschleunigern mit Lieferfähigkeit, Margen und dem Ausblick des Managements vergleichen. Ein weiterer starker Anstieg im Rechenzentrumsgeschäft würde die Ansicht stärken, dass die Nachfrage der Hyperscaler intakt bleibt.

Beobachten Sie die Zusammensetzung von NVIDIAs Wachstum ebenso genau wie die Gesamtsumme. Netzwerktechnik, Rack-Scale-Systeme und Wiederholungskäufe können zeigen, ob Kunden vollständige Deployments ausbauen, statt einzelne Chipbestellungen aufzugeben.

Eine Verlangsamung würde den KI-Infrastrukturzyklus nicht automatisch beenden. Sie würde jedoch Fragen zum Zeitpunkt der Deployments, zur Kundenkonzentration und dazu aufwerfen, ob frühere Bestellungen Nachfrage vorgezogen hatten.

Das zweite Signal ist die Umwandlung angekündigter Plattformen von AMD in realisierte Beschleunigerumsätze. AMD hat ein starkes Kundenengagement gemeldet, doch Anleger benötigen Belege für größere produktive Deployments.

Die Cloud-Verfügbarkeit liefert einen nützlichen Indikator. Mehr Instinct-basierte Dienste großer Anbieter würden die Hardware für Entwickler zugänglich machen, ohne dass diese private Cluster aufbauen müssen. Folgeaufträge wären ein noch stärkeres Signal.

Auch die EPYC-Nachfrage verdient Aufmerksamkeit. AMD kann über Host-Prozessoren an KI-Infrastruktur teilhaben, selbst wenn NVIDIA die Beschleuniger liefert. Anhaltendes Wachstum bei Server-CPUs würde die umfassendere AMD-Google-These stützen, ohne schnelle Marktanteilsgewinne bei GPUs vorauszusetzen.

Das dritte Signal ist, ob Googles Infrastrukturausgaben anhaltendes Cloud-Wachstum und die Umwandlung des Auftragsbestands hervorbringen. Die jüngsten Zahlen von Alphabet waren stark, doch das Ausgabenprogramm des Unternehmens erfordert eine fortgesetzte Kundennachfrage.

Wenn Google Cloud ein hohes Wachstum beibehält, während es die Margen ausweitet und den Auftragsbestand umsetzt, hätte das Unternehmen stärkere Belege dafür, dass seine KI-Infrastruktur kommerzielle Renditen erzielt. Dieses Ergebnis würde Lieferanten von CPUs, GPUs, Netzwerktechnik, Speicher und Serversystemen stützen.

Wenn die Investitionsausgaben schneller steigen als Cloud-Umsatz und Cash-Generierung, wird die Prüfung durch Anleger zunehmen. Der Markt könnte dann aggressiver zwischen Lieferanten unterscheiden, die an produktiven Deployments beteiligt sind, und jenen, die von allgemeinem Optimismus profitieren.

Der Fortschritt von Intel betrifft alle drei Signale. Eine starke Servernachfrage würde dem Produktgeschäft helfen, während externe Fertigungsverpflichtungen einen Teil der Foundry-Strategie bestätigen würden. Verzögerungen würden das Unternehmen weiterhin von einer engeren CPU-Erholung abhängig machen.

Leser sollten diesem Wettbewerb nicht auf die Kursentwicklung eines einzigen Tages reduzieren. AMD, Intel und NVIDIA legten gemeinsam zu, weil jüngste Ergebnisse das Vertrauen in die Menge an Rechenleistung stärkten, die Kunden weiterhin benötigen. Sie beseitigten nicht die Unterschiede bei Umsatz, Software-Reife, Margen, Fertigungsexponierung oder Ausführungsrisiko.

Der sinnvollste nächste Schritt ist, diese Unterschiede Quartal für Quartal zu verfolgen. Beobachten Sie NVIDIAs Wachstum im Rechenzentrumsgeschäft, AMDs Produktionsimplementierungen und die Umwandlung von Infrastrukturausgaben in Umsatz bei Google Cloud. Die Beziehung zwischen AMD und Google ist ein sichtbarer Teil eines viel größeren Systems, in dem mehrere Chips Aufträge gewinnen können, während nur wenige Plattformen dauerhaft die Kontrolle sichern.