Nvidia führt, doch die Strategien von AMD und Broadcom spalten den Markt für KI-Chips

Nvidia meldete Quartalsumsätze im Rechenzentrumsgeschäft von 89 Milliarden US-Dollar, obwohl Produkte von AMD und Broadcom im Bereich Beschleuniger, Netzwerke und kundenspezifisches Silizium zunehmend Konkurrenz machen. Der Vergleich ist längst kein einfacher Wettlauf zwischen austauschbaren Chipanbietern mehr. Jedes Unternehmen verfolgt eine andere Position innerhalb des KI-Rechenzentrums.

Nvidia verkauft eine eng integrierte Computing-Plattform, die auf GPUs, Netzwerken, Systemen und CUDA-Software basiert. AMD baut die nächstliegende breit aufgestellte Alternative auf und kombiniert Instinct-Beschleuniger, EPYC-Prozessoren, Rack-Scale-Systeme und seinen ROCm-Software-Stack. Broadcom zielt auf eine weitere Ebene und entwickelt kundenspezifische Beschleuniger sowie Netzwerktechnik für große Cloud-Kunden.

Diese Aufteilung verändert, wie Investoren Ergebnisse von KI-Chipunternehmen im Jahr 2026 einordnen sollten. Nvidia bleibt bei den Rechenzentrumsumsätzen deutlich größer, während AMD von einer kleineren Basis aus wächst. Broadcom bietet einen konzentrierten Zugang zu kundenspezifischen Chips und Netzwerken, doch sein Infrastruktursoftwaregeschäft verändert das gesamte Finanzprofil des Konzerns.

Die zentrale Frage lautet daher nicht, welcher Ticker am stärksten mit künstlicher Intelligenz verbunden klingt. Entscheidend ist, wo Kunden standardisierte Plattformen wünschen, wo sie kundenspezifische Designs wollen und welcher Anbieter die Wirtschaftlichkeit jeder Entscheidung abschöpft. Die jüngsten Ergebnisse liefern klarere Hinweise, entscheiden diesen Wettbewerb jedoch nicht.

Nvidias jüngstes Quartal hebt die Messlatte für die Performance

Die Ergebnisse von Nvidia im zweiten Quartal zeigen, dass Herausforderer gegen eine wachsende Plattform antreten – nicht gegen einen unbeweglichen Marktführer.

Nvidia meldete für sein am 26. Juli 2026 endendes fiskalisches zweites Quartal einen Umsatz von 96,2 Milliarden US-Dollar. Das entsprach einem Wachstum von 106 Prozent gegenüber dem Vorjahr und einem sequenziellen Anstieg von 18 Prozent. Der Umsatz im Rechenzentrumsgeschäft erreichte 89 Milliarden US-Dollar und stieg gegenüber dem Vorjahreszeitraum um 117 Prozent.

Diese Zahlen stammen direkt aus den Quartalsergebnissen von Nvidia. Sie verdeutlichen den Größenunterschied zwischen Nvidia, AMD und Broadcom, auch wenn die Unternehmen unterschiedliche Geschäftssegmente und Fiskalperioden berichten.

Nvidias Rechenzentrumsgeschäft erzielte fast das Achtfache des gesamten Quartalsumsatzes von AMD. Zudem übertraf es den Rechenzentrumsumsatz von AMD um mehr als das Dreizehnfache. Der von Broadcom gemeldete Umsatz mit KI-Halbleitern lag im jüngsten verfügbaren Quartal über dem Rechenzentrumssegment von AMD, blieb jedoch deutlich unter Nvidias Rechenzentrumsumsatz.

Direkte Vergleiche erfordern Vorsicht. Nvidias Kategorie für Rechenzentren umfasst Computing- und Netzwerkprodukte, während AMD CPUs und Beschleuniger gemeinsam in seinem Rechenzentrumssegment ausweist. Broadcom bezeichnet Umsätze mit KI-Halbleitern, die kundenspezifische Beschleuniger und KI-Netzwerke umfassen, anstatt ein vergleichbares Rechenzentrumssegment zu berichten.

Die Bilanzierungskategorien zeigen dennoch, wo jeder Anbieter Wertschöpfung erzielt. Nvidia generiert Umsätze mit Beschleunigern, Interconnects, Switches, Systemen und unterstützenden Komponenten. Seine Kunden kaufen zunehmend vollständige Rack-Scale-Infrastruktur statt einzelner GPUs.

Ein Rack-Scale-System behandelt Server, Netzwerk, Kühlung und Stromversorgung als eine koordinierte Computing-Einheit. Dieser Ansatz steigert den Wert der Integration, weil die Leistung von der Kommunikation zwischen Tausenden Beschleunigern abhängt. Ein schneller Einzelchip kann Engpässe in einem gesamten Cluster nicht ausgleichen.

Nvidias Quartals-Bruttomarge von 75 Prozent spiegelt ebenfalls die Fähigkeit des Unternehmens wider, diese integrierte Architektur mit hoher Profitabilität zu verkaufen. Die Bruttomarge misst die Umsätze, die nach direkten Produkt- und Produktionskosten verbleiben. Sie umfasst nicht sämtliche Betriebsausgaben, bietet aber einen nützlichen Blick auf die Produktökonomie.

Das jüngste Wachstum des Unternehmens beschränkte sich nicht auf eine Kundenkategorie. Nvidia erklärte, dass Hyperscale-Cloud-Anbieter, neuere Cloud-Betreiber, Industriekunden und Unternehmen zur Nachfrage beitrugen. Diese Breite verringert die Abhängigkeit von einem einzelnen Beschaffungskanal, auch wenn sich die Ausgaben weiterhin auf große Infrastrukturbetreiber konzentrieren.

Nvidia meldete zudem für das Geschäftsjahr 2026 einen Umsatz von 215,9 Milliarden US-Dollar, ein Plus von 65 Prozent. In seinem Jahresbericht führte das Unternehmen die Expansion vor allem auf beschleunigtes Computing und KI zurück. Der jährliche Rechenzentrumsumsatz stieg um 68 Prozent.

Diese Ergebnisse machen Nvidia zum Maßstab für jede Analyse von KI-Chipaktien. Das Unternehmen verteidigt kein altes Produkt, während Wettbewerber aufholen. Es nutzt den aktuellen Cashflow, Kundenbeziehungen und die Softwareakzeptanz, um jeden folgenden Plattformwechsel zu finanzieren.

Größe beseitigt den Druck jedoch nicht. Da KI-Workloads sich vom Training hin zu kontinuierlicher Inferenz verlagern, achten Kunden stärker auf Betriebskosten und spezialisierte Leistung. Inferenz bezeichnet die Ausführung eines trainierten Modells, um Antworten, Vorhersagen, Bilder oder Aktionen zu erzeugen.

Dieser Wandel schafft Chancen sowohl für AMD als auch für Broadcom. AMD kann Kunden eine weitere Allzweck-Beschleunigerplattform anbieten. Broadcom kann den größten Käufern helfen, Chips zu entwickeln, die für engere Workloads und Einsatzmuster optimiert sind.

Das Ergebnis ist eine ungewöhnliche Wettbewerbsstruktur. Nvidia führt den Gesamtmarkt für Plattformen an, doch seine Herausforderer greifen unterschiedliche Teile des Gewinnpools an. Ihr Erfolg sollte nicht allein anhand eines gemeinsamen Umsatzvergleichs gemessen werden.

Das Wachstum von AMD und Broadcom folgt zwei unterschiedlichen Strategien

Die Dynamik von AMD und Broadcom spiegelt zwei unterschiedliche Kundenentscheidungen wider: die Einführung einer alternativen Standardplattform oder die Beauftragung spezialisierter Infrastruktur.

Ein Standardchip ist ein breit verfügbares Produkt, das an mehrere Kunden verkauft wird. Nvidia und AMD konkurrieren vor allem mit Standardbeschleunigern, auch wenn ihre Systeme für unterschiedliche Workloads konfiguriert werden können. Die kundenspezifischen Beschleuniger von Broadcom werden gemeinsam mit bestimmten Hyperscale-Kunden entwickelt und nicht nach demselben Modell verkauft.

AMD meldete für das zweite Quartal einen Umsatz von 11,5 Milliarden US-Dollar, ein Plus von 50 Prozent gegenüber dem Vorjahr. Sein Rechenzentrumssegment erwirtschaftete 6,7 Milliarden US-Dollar und wuchs um 107 Prozent. Das operative Segmentergebnis erreichte 2,1 Milliarden US-Dollar, verglichen mit einem Verlust im Vorjahreszeitraum.

Das Unternehmen führte diesen Anstieg auf die Nachfrage nach EPYC-Serverprozessoren und den fortgesetzten Hochlauf von Instinct-Beschleunigern zurück. Laut der Mitteilung zum zweiten Quartal von AMD entfielen 58 Prozent des Unternehmensumsatzes auf Rechenzentrumsprodukte.

Diese Zusammensetzung ist wichtig, weil AMD für sein Wachstum nicht mehr nur auf PC-Prozessoren oder Chips für Spielkonsolen angewiesen ist. Rechenzentrumsprodukte sind zum wichtigsten strategischen Wachstumsmotor geworden. Das Segment vereint zudem ein etabliertes CPU-Geschäft mit einem sich entwickelnden Beschleunigergeschäft.

Die Herausforderung für AMD besteht darin, einzelne Produkterfolge in eine wiederholbare Plattform zu überführen. Das Helios-Rack-Scale-Design kombiniert Instinct-GPUs, EPYC-CPUs, Pensando-Netzwerke und unterstützende Software. ROCm, die offene Softwareplattform von AMD für GPU-Computing, gibt Entwicklern Werkzeuge für Training und Inferenz außerhalb der CUDA-Umgebung von Nvidia.

Software bleibt zentral, weil Entwickler Anwendungen um Bibliotheken, Compiler, Debugging-Tools und Bereitstellungsabläufe herum aufbauen. Der Austausch einer GPU kann daher mehr erfordern als einen Hardwarewechsel. Teams müssen das Modellverhalten testen, Kernel optimieren und Betreiber für andere Management-Tools schulen.

AMD erklärt, dass seine neueren Software- und Rack-Designs diese Reibung verringern. In seiner jüngsten Earnings-Präsentation nennt das Unternehmen zudem Bereitstellungen mit Anthropic und Microsoft. Diese Ankündigungen liefern eine Bestätigung durch Kunden, doch die Umsetzung hängt von Bereitstellungsplänen und einer dauerhaft hohen Auslastung ab.

Broadcom bedient ein anderes Nachfragemuster. Das Unternehmen arbeitet mit großen Cloud-Betreibern zusammen, die die Entwicklung kundenspezifischer Beschleuniger für interne Workloads rechtfertigen können. Solche Chips werden häufig ASICs genannt – anwendungsspezifische integrierte Schaltkreise für definierte Aufgaben.

Broadcom meldete im zweiten Quartal einen Umsatz mit KI-Halbleitern von 10,8 Milliarden US-Dollar, ein Anstieg um 143 Prozent gegenüber dem Vorjahr. Das Unternehmen erklärte, kundenspezifische Beschleuniger und KI-Netzwerke hätten das Ergebnis angetrieben. Für das dritte Quartal prognostizierte es einen Umsatz mit KI-Halbleitern von 16 Milliarden US-Dollar, was einem Wachstum von über 200 Prozent entspräche.

Diese Zahlen stammen aus den Ergebnissen für das fiskalische Q2 von Broadcom. Das Fiskalquartal endete am 3. Mai, weshalb der Zeitraum nicht mit dem jüngsten Berichtsfenster von AMD oder Nvidia übereinstimmt.

Der kundenspezifische Ansatz von Broadcom wird attraktiv, wenn ein Kunde Modelle in enormem und vorhersehbarem Umfang betreibt. Ein spezialisiertes Design kann unnötige Funktionen entfernen, Datenbewegungen im Speicher abstimmen und die Leistung pro Watt verbessern. Diese Vorteile können die Betriebskosten über Millionen wiederholter Workloads hinweg senken.

Kundenspezifisches Silizium erfordert jedoch große Verpflichtungen. Kunden benötigen Engineering-Ressourcen, stabile Annahmen über Workloads, Fertigungskapazitäten und ausreichend Bereitstellungsvolumen, um die Entwicklung zu rechtfertigen. Dadurch konzentriert sich die Chance für Broadcom auf eine kleine Gruppe von Hyperscale-Käufern.

AMD bedient Kunden, die mehr Flexibilität suchen. Seine Produkte können unterschiedliche Modelle, Frameworks und Veränderungen bei Workloads unterstützen, ohne ein einzigartiges Chipdesign zu erfordern. Diese breitere Einsetzbarkeit kann wertvoll sein, solange sich Modellarchitekturen weiterhin schnell verändern.

Der Kontrast erklärt, warum AMD und Broadcom nicht als einheitliche Anti-Nvidia-Position betrachtet werden sollten. AMD muss den Vorteil von Nvidia bei Standardplattformen schwächen. Broadcom profitiert, wenn Großkunden ausgewählte Workloads von Allzweck-GPUs auf interne Designs verlagern.

Beide Wege können gleichzeitig wachsen. Ein Cloud-Anbieter kann Nvidia-Cluster für Spitzenforschung beim Training einsetzen, AMD-Systeme für Preiswettbewerb und kundenspezifische Beschleuniger für stabile Inferenz. Die Entscheidung kann je nach Modell, Region und Kundendienst variieren.

Dieses gemischte Umfeld setzt Nvidia unter Druck, ohne dass Kunden das Unternehmen aufgeben müssen. Es bedeutet auch, dass AMD nicht jede Nvidia-Installation verdrängen muss, um ein größeres Geschäft aufzubauen. Broadcom benötigt lediglich ausgewählte Kunden, die kundenspezifische Programme über sehr große Rechenzentren hinweg skalieren.

Der eigentliche Wettbewerb dreht sich um Plattformkontrolle

Die wichtigste Wettbewerbslinie verläuft bei der Frage, wer die vollständige KI-Computing-Plattform kontrolliert – einschließlich Software, Netzwerken und Bereitstellungsentscheidungen.

Nvidias Vorteil beginnt mit CUDA, seiner Programmierplattform für GPU-beschleunigtes Computing. Jahrelange Akzeptanz durch Entwickler hat umfangreiche Bibliotheken, optimierte Modelle, Trainingsressourcen und institutionelles Wissen hervorgebracht. Dieses Ökosystem verkürzt die Zeit, die nötig ist, um einen KI-Workload von der Erprobung in die Produktion zu überführen.

CUDA unterstützt zudem eine breitere Hardwarestrategie. Nvidia verbindet GPUs über NVLink und NVSwitch, verknüpft Systeme über InfiniBand- oder Ethernet-Produkte und liefert vollständige Rack-Architekturen. Kunden können ein abgestimmtes Design mit weniger Integrationsentscheidungen erwerben.

Diese Integration beschleunigt Bereitstellungen, kann jedoch die Abhängigkeit von einem Anbieter erhöhen. Kunden, die ihre Modelle, Netzwerke und Betriebsabläufe auf Nvidia standardisieren, haben höhere Wechselkosten. Dazu zählen Engineering-Zeit, Leistungstests und operative Risiken.

AMD versucht, diese Wechselbarrieren durch ROCm und offene Industriestandards zu senken. Das Unternehmen kann seine CPUs und Beschleuniger zudem in vollständigen Systemen kombinieren. Seine Chance hängt davon ab, die Alternative für Produktionsteams zuverlässig genug zu machen – nicht nur konkurrenzfähig in Labor-Benchmarks.

Benchmarks messen Leistung unter kontrollierten Bedingungen. Produktionscluster müssen jedoch auch Ausfälle, Scheduling, Softwareupdates, Datenbewegungen, Sicherheit und unvorhersehbare Nachfrage bewältigen. Käufer bewerten daher die Gesamtleistung und den Betriebsaufwand eines Systems statt allein die Spitzenspezifikationen von Chips.

AMDs CPU-Position verschafft dem Unternehmen einen wichtigen Einstiegspunkt. Kunden, die bereits EPYC-Prozessoren einsetzen, haben etablierte Beschaffungs-, Validierungs- und Engineering-Beziehungen mit dem Unternehmen. AMD kann diese Beziehungen nutzen, um Instinct-Beschleuniger und Rack-Scale-Designs einzuführen.

Dennoch führt Erfolg bei CPUs nicht automatisch zu einer breiten GPU-Nutzung. KI-Teams wählen Beschleuniger nach Modellkompatibilität, Trainingsgeschwindigkeit, Wirtschaftlichkeit der Inferenz und verfügbarer Engineering-Unterstützung aus. AMD muss bei diesen Anforderungen konsistente Ergebnisse nachweisen.

Broadcom verfolgt Plattformkontrolle über das Netzwerk und den Prozess kundenspezifischer Entwicklung. Große KI-Cluster benötigen Switches, optische Verbindungen, Schnittstellenchips und Hochgeschwindigkeits-Interconnects. Die Netzwerktechnik bestimmt, wie effizient Beschleuniger während verteilter Berechnungen Daten austauschen.

Eine schlechte Netzwerkauslastung kann dazu führen, dass teure Chips auf Daten warten. Mit zunehmender Clustergröße wird diese verlorene Zeit zu einem finanziellen Problem. Broadcom kann selbst dann Wert abschöpfen, wenn ein anderes Unternehmen den primären Beschleuniger liefert.

Projekte für kundenspezifische Beschleuniger vertiefen diese Beziehung. Broadcom steuert geistiges Eigentum und Designkompetenz bei, während der Cloud-Kunde die Architektur an seine Workloads anpasst. Diese Struktur gibt dem Käufer mehr Kontrolle über seine Hardware-Roadmap.

Sie verlagert jedoch auch Risiken auf den Kunden. Eine Modellarchitektur kann sich zwischen Chipdesign und großflächiger Bereitstellung ändern. Eine spezialisierte Funktion, die während der Planung wertvoll erschien, kann weniger nützlich werden, wenn neue Inferenzmethoden entstehen.

Nvidia begegnet dieser Unsicherheit mit schnelleren Plattformzyklen und allgemeiner Programmierbarkeit. Kunden können GPUs umwidmen, wenn sich Workloads ändern. Der Kompromiss besteht darin, dass allgemeine Flexibilität höhere Anschaffungs- oder Betriebskosten verursachen kann als ein erfolgreiches kundenspezifisches Design.

Das ist der Mechanismus, der den Markt 2026 prägt. Nvidia verkauft Integration und Flexibilität, AMD eine zunehmend vollständige Alternative, und Broadcom ermöglicht Spezialisierung. Ihre adressierbaren Chancen überschneiden sich, sind aber nicht identisch.

Die Herausforderung durch AMD und Broadcom wird stärker, wenn Kunden ihre Verhandlungsmacht priorisieren. Die Unterstützung mehrerer Lieferanten kann die Abhängigkeit von Nvidia verringern und mehr Verhandlungsoptionen schaffen. Sie kann zudem Kapazitäten absichern, wenn die Nachfrage das Angebot eines einzelnen Lieferanten übersteigt.

Multi-Sourcing bringt eigene Kosten mit sich. Engineering-Teams müssen unterschiedliche Softwareumgebungen, Observability-Systeme und Leistungsprofile pflegen. Einsparungen in der Beschaffung können verschwinden, wenn die operative Komplexität zu schnell wächst.

Unternehmen stehen vor einer besonders schwierigen Rechnung. Sie arbeiten selten in dem Umfang, der für kundenspezifische Chips erforderlich ist, und vielen fehlen Teams, die sich der Optimierung von Beschleunigern widmen. Sie bevorzugen möglicherweise Cloud-Dienste, die die zugrunde liegende Hardwareauswahl verbergen.

Cloud-Anbieter können dann entscheiden, welcher Beschleuniger welchem Workload dient. Diese Position stärkt das Argument für kundenspezifische Chips, weil Endnutzer möglicherweise nie direkt mit der Hardware interagieren. Sie erlaubt es Anbietern auch, AMD-Kapazitäten einzuführen, ohne jeden Kunden mit der Verwaltung physischer Systeme zu belasten.

Nvidia hat darauf reagiert, indem es seine Plattform stärker in Software und Dienste hinein erweitert hat. Wenn Nutzer Nvidia-kompatible Frameworks und Bereitstellungstools wählen, kann das Unternehmen seinen Einfluss bewahren, selbst wenn die Infrastruktur stärker verteilt wird. Damit wird die Softwareadoption neben Chipauslieferungen zu einem Wettbewerbssignal.

Was die Umsatzzahlen nicht beweisen

Schnelles Wachstum bestätigt die starke Nachfrage nach KI-Infrastruktur, belegt jedoch nicht, welche Architektur langfristig die besten Renditen liefern wird.

Nvidias Quartalsumsatz von 89 Milliarden US-Dollar im Rechenzentrumsgeschäft zeigt eine derzeit unerreichte Größenordnung. AMDs Segmentwachstum von 107 Prozent zeigt, dass eine kleinere Alternative schnell expandieren kann. Broadcoms Wachstum bei KI-Halbleitern von 143 Prozent zeigt die steigende Nachfrage nach kundenspezifischen Beschleunigern und Netzwerktechnik.

Diese Prozentwerte sind nicht direkt vergleichbar. AMDs Wachstum startet von einer deutlich kleineren Basis, während Broadcoms Kategorie einen anderen Produktmix umfasst. Nvidias Berichterstattung zum Rechenzentrum enthält Komponenten, die über Beschleunigerverkäufe hinausgehen.

Auch unterschiedliche Geschäftskalender erschweren den Vergleich. Broadcoms zuletzt gemeldetes Quartal endete Anfang Mai, AMDs Ende Juni und Nvidias Ende Juli. Nachfrage, Produktanläufe und der Zeitpunkt von Auslieferungen können sich über diese Monate hinweg erheblich verändern.

Investoren müssen zudem Umsatzwachstum von wirtschaftlicher Qualität trennen. Bruttomarge, Betriebsausgaben, Kundenkonzentration, Fertigungsverpflichtungen und Betriebskapital beeinflussen allesamt die Renditen. Eine schnell wachsende Produktlinie kann dennoch schwächere Cashflow-Ökonomie erzeugen als erwartet.

Nvidia meldete in seinem jüngsten Quartal eine Bruttomarge von 75 Prozent. AMD meldete eine GAAP-Bruttomarge auf Konzernebene von 54 Prozent und eine operative Marge im Rechenzentrumsgeschäft von 31 Prozent. Broadcom meldete konsolidierte Ergebnisse über Halbleiter und Infrastruktursoftware hinweg, was einen einfachen Vergleich auf Produktebene einschränkt.

Der Kundenkonzentration kommt besondere Aufmerksamkeit zu. Die größten Cloud-Unternehmen stehen für einen erheblichen Anteil der Ausgaben für KI-Infrastruktur. Ihre Beschaffungsentscheidungen können innerhalb weniger Bereitstellungszyklen Milliarden US-Dollar zwischen Lieferanten verschieben.

Broadcoms kundenspezifisches Geschäft ist besonders eng mit einer begrenzten Zahl sehr großer Kunden verbunden. Der Gewinn eines weiteren Programms kann den Wachstumsausblick schnell verändern. Eine Verzögerung, Neuentwicklung oder geringere Bereitstellung kann den gegenteiligen Effekt haben.

Nvidia ist trotz seiner breiteren Kundenbasis einem Konzentrationsrisiko ausgesetzt. Hyperscaler kaufen große Mengen seiner Systeme, und mehrere entwickeln gleichzeitig interne Chips. Nvidia profitiert von ihren aktuellen Ausgaben, konkurriert jedoch mit ihren langfristigen Bemühungen, die Abhängigkeit zu verringern.

AMD muss während eines schnellen Produktanlaufs Ausführungsrisiken steuern. Angekündigte Bereitstellungen werden nicht sofort zu Umsatz, und installierte Kapazität garantiert keine hohe Auslastung. Kunden müssen reale Produktions-Workloads auf Instinct-Systeme verlagern.

Software bleibt eine weitere Lücke bei der Verifikation. AMD hat ROCm verbessert und die Framework-Unterstützung ausgeweitet, doch Nvidias installierte Entwicklerbasis bleibt umfangreich. Die entscheidenden Belege werden aus wiederholten Bereitstellungen und einer breiteren Nutzung in der Produktion kommen, nicht aus isolierten Leistungsbehauptungen.

Exportkontrollen erhöhen die Unsicherheit in der gesamten Gruppe. Regierungen können den Verkauf fortschrittlicher Beschleuniger, Speicherbandbreite oder vollständiger Systeme an bestimmte Märkte beschränken. Diese Regeln können Produktänderungen erzwingen und Bestandsbelastungen verursachen.

AMDs Vergleich mit dem Vorjahr veranschaulicht dieses Problem. Die Rechenzentrumsergebnisse des zweiten Quartals 2025 enthielten eine Belastung von 800 Millionen US-Dollar im Zusammenhang mit Beschränkungen für MI308-Produkte. Das Ausbleiben dieser Belastung verbesserte den Vergleich für 2026.

Nvidia war bei Produkten für China mit ähnlichen Einschränkungen konfrontiert. Seine Einreichungen warnen, dass zusätzliche Beschränkungen Umsatz, Lieferverpflichtungen und Wettbewerbsposition beeinträchtigen können. Lokale Anbieter können eine Chance erhalten, wenn amerikanische Produkte nicht verfügbar werden.

Die Verfügbarkeit von Strom stellt eine physischere Beschränkung dar. KI-Cluster benötigen Strom, Kühlsysteme, Grundstücke und Netzanschlüsse, bevor Beschleunigerlieferungen nutzbare Rechenkapazität erzeugen können. Verzögerte Bauprojekte können Bestellungen verschieben oder installierte Ausrüstung unzureichend auslasten.

Nvidias jüngste regulatorische Einreichung nennt Grundstücke, Strom, Kapital und fertiggestellte Rechenzentrumsgebäude als wichtige Voraussetzungen. Das Unternehmen hat zudem Vereinbarungen zur Unterstützung großer Infrastrukturentwicklungen geschlossen. Solche Verpflichtungen zeigen, wie weit der Wettbewerb über das Chipdesign hinausgegangen ist.

Investitionsausgaben können zu einem weiteren Druckpunkt werden. Cloud-Anbieter erwarten derzeit, dass KI-Dienste eine fortgesetzte Erweiterung der Infrastruktur rechtfertigen. Falls die Umsätze aus diesen Diensten enttäuschen, können Kunden neue Cluster verzögern, selbst wenn sie langfristige KI-Strategien beibehalten.

Es besteht zudem ein Risiko von Überkapazitäten in bestimmten Hardware-Generationen. Schnelle Produktzyklen können die wirtschaftlich nutzbare Lebensdauer von Beschleunigern verkürzen. Käufer könnten vor einer großen Markteinführung pausieren oder Budgets auf neuere Systeme umleiten.

Kundenspezifische Designs stehen vor einem ähnlichen Timing-Risiko. Ein ASIC, der für eine Modellgeneration gebaut wurde, kann Effizienzvorteile verlieren, wenn sich Workloads ändern. Broadcom und seine Kunden müssen Spezialisierung gegen das Tempo der Algorithmenentwicklung abwägen.

Keines dieser Risiken widerlegt die aktuelle Nachfrage. Sie zeigen, warum Umsatzdynamik nicht in garantierte Marktergebnisse umgewandelt werden sollte. Die Belege sprechen für mehrere wachsende Lieferanten, nicht für eine bereits feststehende Verteilung künftiger Gewinne.

Für Leser, die KI-Chip-Aktien vergleichen, spielt auch die Bewertung eine Rolle, obwohl diese Analyse vorübergehende Marktpreise vermeidet. Ein starkes Unternehmen kann schwache Anlagerenditen erzielen, wenn die Erwartungen bereits außergewöhnliches Wachstum voraussetzen. Ein kleinerer Herausforderer kann enttäuschen, wenn die Umsetzung hinter einer optimistischen Prognose zurückbleibt.

Dieser Artikel ordnet Nvidia, AMD oder Broadcom daher nicht als Investments ein. Ihre Ergebnisse offenbaren unterschiedliche Kombinationen aus Größe, Optionalität, Konzentration und Ausführungsrisiko. Diese Kombinationen müssen anhand aktueller Einreichungen, Portfolioanforderungen und individueller Risikogrenzen bewertet werden.

Drei Signale werden die KI-Chip-These für 2026 prüfen

Die nächsten Belege sollten aus Broadcoms Erfüllung seiner Prognose, AMDs Bereitstellungsanlauf und Nvidias Fähigkeit kommen, die Plattformökonomie aufrechtzuerhalten.

Das erste Signal ist Broadcoms Bericht zum dritten Geschäftsquartal. Das Management prognostizierte 16 Milliarden US-Dollar Umsatz mit KI-Halbleitern bei einem Wachstum gegenüber dem Vorjahr von mehr als 200 Prozent. Das Erreichen dieser Prognose würde die These stärken, dass kundenspezifische Beschleuniger in größere Produktionsbereitstellungen übergehen.

Die Zusammensetzung von Broadcoms Wachstum wird ebenso wichtig sein wie die Gesamtsumme. Investoren sollten Umsätze mit Beschleunigern von der Nachfrage nach Netzwerktechnik unterscheiden und feststellen, ob etablierte Kunden oder neue Programme den Anstieg antreiben. Eine breitere Kundenbeteiligung würde Bedenken hinsichtlich der Konzentration verringern.

Ein Verfehlen würde kundenspezifisches Silizium nicht entkräften. Es würde darauf hindeuten, dass Projektzeitpläne, Fertigungsanläufe oder Einsatzpläne der Kunden weiterhin weniger vorhersehbar sind, als die Schlagzeilenprognose nahelegt. Es könnte auch die erwartete Verschiebung hin zu spezialisierter Inferenzinfrastruktur verzögern.

Das zweite Signal ist AMDs Beschleunigung im Rechenzentrumsgeschäft in der zweiten Jahreshälfte. AMD erwartet stärkere Verkäufe, da Instinct-Bereitstellungen skalieren und Helios mit dem Anlauf beginnt. Die nützlichsten Belege werden anhaltende Segmentumsätze, operative Erträge und zusätzliche Produktionskunden sein.

Namentlich genannte Zusagen liefern eine erste Orientierung, doch Folgeaufträge bieten eine stärkere Bestätigung. Kunden, die nach ersten Bereitstellungen expandieren, würden darauf hinweisen, dass Software, Zuverlässigkeit und Workload-Ökonomie die Produktionsanforderungen erfüllen. Langsamere Folgeaktivitäten würden verbleibende Plattformreibung offenlegen.

AMD muss zudem zeigen, dass das Wachstum bei Beschleunigern sein EPYC-Geschäft ergänzt. Die Umsätze im Rechenzentrumssegment können durch CPUs steigen, selbst wenn sich die GPU-Akzeptanz langsamer entwickelt. Künftige Angaben sollten Lesern helfen, diese Beiträge nach Möglichkeit zu trennen.

Das dritte Signal sind Nvidias Bruttomarge und das sequenzielle Wachstum im Rechenzentrumsgeschäft. Seine derzeitige Größe ist bereits klar. Die offene Frage ist, ob schnelle Systemübergänge, Lieferverpflichtungen, Wettbewerb und Infrastrukturfinanzierung die Ökonomie hinter dieser Größe schwächen.

Stabile Margen würden Nvidias Argument stützen, dass eine integrierte Plattform Preis- und Produktvorteile bewahrt. Anhaltendes sequenzielles Wachstum würde zeigen, dass Custom Chips und kommerzielle Alternativen den Markt stärker erweitern, als sie Nvidia verdrängen.

Sinkende Margen müssen eingeordnet werden. Ein moderater Rückgang kann mit der Einführung komplexer Systeme im Rack-Maßstab einhergehen und dennoch erhebliche Gewinne ermöglichen. Ein anhaltender Rückgang bei zugleich langsamerem Wachstum würde auf stärkeren Preisdruck oder höhere Bereitstellungskosten hindeuten.

Netzwerkdaten werden alle drei Signale miteinander verbinden. Broadcom profitiert, wenn Cluster mehr Konnektivität benötigen – unabhängig davon, welcher Beschleuniger Marktanteile gewinnt. Nvidia profitiert, wenn Kunden seinen integrierten Netzwerk-Stack wählen, während AMD leistungsfähige Partner und sein Pensando-Portfolio benötigt.

Die Softwareakzeptanz wird einen langsameren, aber ebenso wichtigen Test liefern. Entwickler wechseln Plattformen nicht aufgrund eines einzelnen Quartalsrelease. Sie reagieren auf Zuverlässigkeit, verfügbare Kapazität, Modellunterstützung, Dokumentation und messbare Betriebseinsparungen.

Beobachten Sie, wo neue Modelle zuerst erstklassig optimiert werden. Nvidia profitiert weiterhin, wenn Entwickler zuerst auf CUDA abzielen. AMD gewinnt, wenn wichtige Frameworks und Modellanbieter ROCm-Bereitstellungen als Standardweg für die Produktion behandeln.

Die Service-Menüs der Cloud-Anbieter bieten einen weiteren sichtbaren Indikator. Breiter verfügbare AMD-Instanzen würden den Zugang für Entwickler und Unternehmen verbessern. Wachsende Custom-Chip-Dienste würden zeigen, dass Hyperscaler darauf vertrauen, spezialisierte Infrastruktur externen Kunden anzubieten.

Diese Signale sollten gemeinsam bewertet werden. Broadcom kann seine Prognose übertreffen, ohne AMD zu schwächen, wenn die Gesamtnachfrage weiter steigt. AMD kann Marktanteile gewinnen, während Nvidia in absoluten Dollar weiter wächst.

Der Markt braucht nicht einen Gewinner und zwei Verlierer. Er verlangt von Investoren, zu erkennen, welche Ebene der KI-Infrastruktur nach dem heutigen Ausbau-Schub nachhaltigen Wert abschöpft. Die nächsten Ergebniszyklen werden bessere Belege liefern als pauschale Behauptungen über einen unbegrenzten Computing-Markt.

Die Entscheidung bei KI-Chips wird zu einem Portfolio von Architekturen

Der Markt für KI-Chips im Jahr 2026 teilt sich nach Workload, Kundengröße und gewünschtem Kontrollgrad auf, statt auf einem universellen Prozessor zusammenzulaufen.

Nvidia tritt mit der größten installierten Plattform, den stärksten ausgewiesenen Rechenzentrumsumsätzen und einem umfassenden Software-Umfeld in diese Phase ein. Das jüngste Quartal zeigt, dass die Nachfrage stark bleibt, selbst während Kunden Alternativen entwickeln.

AMD bietet die deutlichste breit angelegte Herausforderung im kommerziellen Markt. Die Rechenzentrumsumsätze haben sich mehr als verdoppelt, und das Portfolio umfasst inzwischen CPUs, Beschleuniger, Netzwerke, Systeme und Software. Die nächste Aufgabe besteht darin, angekündigte Deployments in wiederkehrende Produktionsnachfrage zu überführen.

Broadcom eröffnet Hyperscalern einen weiteren Weg. Custom-Beschleuniger können die Wirtschaftlichkeit bei vorhersehbaren Workloads verbessern, während Netzwerkprodukte über verschiedene Computing-Architekturen hinweg Wert abschöpfen. Diese Chance geht mit Kundenkonzentration und Risiken durch Entwicklungszyklen einher.

Der Vergleich zwischen AMD und Broadcom zeigt daher mehr als zwei Herausforderer, die Nvidia verfolgen. Er legt zwei Methoden offen, Nvidias Plattformkontrolle zu lockern. Die eine schafft eine flexible Alternative, die andere hilft großen Käufern, einen größeren Teil ihrer Hardware-Roadmap selbst zu kontrollieren.

Für Entwickler kann dieser Wettbewerb den Zugang zu Beschleunigern erweitern und bessere Softwarekompatibilität fördern. Er kann jedoch auch mehr Umgebungen schaffen, die getestet und gepflegt werden müssen. Portabilität wird wichtiger, wenn Teams Modelle über Clouds und Hardwaretypen hinweg bereitstellen.

Unternehmenskäufer sollten sich auf die Wirtschaftlichkeit von Workloads und den operativen Support konzentrieren. Niedrigere Hardwarekosten bedeuten wenig, wenn die Softwaremigration die Bereitstellung verzögert oder Zuverlässigkeitsprobleme verursacht. Umgekehrt sollte Plattformvertrautheit nicht davon abhalten, glaubwürdige Alternativen zu testen.

Investoren sollten neben den Schlagzeilen zu KI-Umsätzen auch verifizierte Deployments, Kundenkonzentration, Margen und Cash-Verpflichtungen verfolgen. Sie sollten außerdem zwischen einem kommerziellen Produktzyklus und einem Custom-Design-Zyklus unterscheiden. Dieselbe vierteljährliche Wachstumsrate kann sehr unterschiedliche Risiken bergen.

Kein einzelner Ergebnisbericht entscheidet über den Ausgang. Nvidias Größe, AMDs wachsende Alternative und Broadcoms Custom-Strategie können während eines wachsenden Infrastrukturzyklus nebeneinander bestehen. Der schwierigere Test beginnt, wenn Kunden für jeden zusätzlichen Cluster messbare Renditen verlangen.

Welche Belege würden Ihre Einschätzung im nächsten Quartal verändern: Broadcom, das seine Prognose für Custom Chips erfüllt, AMD, das wiederholte Instinct-Deployments sichert, oder Nvidia, das seine Margen bei größerem Maßstab hält? Beobachten Sie diese operativen Signale, bevor Sie sich auf eine einfache Winner-takes-all-Erzählung verlassen. Sie bieten einen klareren Rahmen zur Bewertung des Nvidia- und AMD-Broadcom-Engagements, während sich der Markt für KI-Infrastruktur zwischen integrierten Plattformen, kommerziellen Alternativen und spezialisiertem Silizium aufteilt.