TSMC und SK hynix kontrollieren die Lieferkette hinter NVIDIAs KI-GPUs

NVIDIA dominiert die Google-News-Berichterstattung über KI-Chips, obwohl das Unternehmen auf zwei asiatische Zulieferer angewiesen ist, um seine Entwürfe in funktionsfähige Beschleuniger zu verwandeln. TSMC fertigt und verpackt die Prozessoren, während SK hynix Hochgeschwindigkeitsspeicher für Systeme liefert, die enorme Mengen an Modelldaten bewegen.

Diese Abhängigkeit verkompliziert die vertraute Erzählung von NVIDIA als unangefochtenem König der künstlichen Intelligenz. NVIDIA besitzt die Architektur, die Softwareplattform und die Kundenbeziehungen. Die hochmodernen Fabriken, die seine führenden Prozessoren herstellen, besitzt das Unternehmen jedoch nicht.

Das Unternehmen beschreibt seine Strategie als fabless Fertigungsmodell. Es entwirft Chips und beauftragt externe Partner mit Waferfertigung, Montage, Tests, Speicher und Packaging. Diese Struktur hält NVIDIA auf Design fokussiert, verlagert aber zugleich kritische Produktionsbeschränkungen auf Zulieferer.

Der zentrale Konflikt besteht daher nicht zwischen NVIDIA und TSMC oder SK hynix. Es geht um NVIDIAs Designführerschaft gegenüber den physischen Grenzen der Lieferkette, die diese Führungsrolle stützt.

Ein Blackwell-Beschleuniger benötigt mehr als einen fertigen Grafikprozessor. Er erfordert modernste Logik, mehrere Stapel spezialisierten Speichers und fortschrittliches Packaging, das diese Komponenten mit extrem hohen Geschwindigkeiten verbindet. Ein Engpass auf jeder dieser Ebenen kann die Auslieferung des Endprodukts begrenzen.

Damit sind TSMC und SK hynix mehr als unterstützende Zulieferer. Sie kontrollieren Fertigungskapazitäten, die NVIDIA nicht schnell nachbilden, ersetzen oder in die eigenen Abläufe integrieren kann.

Google-News-Schlagzeilen verbergen ein Produkt von drei Unternehmen

Ein NVIDIA-KI-Beschleuniger ist kein Produkt eines einzelnen Unternehmens, selbst wenn das fertige System NVIDIAs Namen trägt.

NVIDIA stellte seine Blackwell-Plattform im März 2024 vor. Nach Angaben des Unternehmens enthält sein Flaggschiffprozessor 208 Milliarden Transistoren auf zwei großen Dies. Ein Die ist das funktionale Siliziumstück, das aus einem bearbeiteten Wafer herausgetrennt wird.

Diese Dies verwenden einen kundenspezifischen TSMC-4NP-Fertigungsprozess. NVIDIA verbindet sie über eine Chip-zu-Chip-Verbindung mit einer Bandbreite von 10 Terabyte pro Sekunde, laut den ursprünglichen Blackwell specifications.

Die Herstellung dieser Dies ist nur der Anfang. Der Prozessor muss neben Hochgeschwindigkeitsspeicher sitzen, der üblicherweise HBM genannt wird. HBM stapelt mehrere Speicher-Dies vertikal und platziert sie nahe am Prozessor, wodurch sich die Wegstrecke für Daten verkürzt.

Das ist wichtig, weil KI-Prozessoren Modellparameter und Zwischenergebnisse wiederholt zwischen Speicher und Rechenkernen bewegen. Ein Prozessor kann über enorme Rechenkapazität verfügen und dennoch untätig bleiben, wenn sein Speicher Daten nicht schnell genug bereitstellen kann.

Die Komponenten werden durch fortschrittliches Packaging zusammengeführt. TSMCs Chip-on-Wafer-on-Substrate-Technologie, bekannt als CoWoS, verbindet große Prozessoren und HBM-Stacks über eine dichte Zwischenschicht.

Diese Packaging-Phase ähnelt eher dem Bau eines kompakten elektronischen Systems als dem bloßen Einschließen eines fertigen Chips. Sie muss Tausende Verbindungen, hohe elektrische Lasten, Wärme und extrem enge physische Toleranzen bewältigen.

NVIDIA erkennt diese Abhängigkeit in seinen regulatorischen Angaben an. Der Geschäftsbericht für das Fiskaljahr 2025 beschreibt ein Auftragsfertigungsmodell und nennt TSMC sowie Samsung als Waferlieferanten. Zudem wird CoWoS als eine für die Produkte verwendete Packaging-Technologie aufgeführt.

Dieselbe annual filing warnt davor, dass Dritte NVIDIAs Halbleiter fertigen, montieren, testen und verpacken. Diese Struktur setzt das Unternehmen Risiken bei Lieferantenkapazitäten, Komponentenverfügbarkeit, Qualität und geografischen Faktoren aus.

Praktisch gesehen liefert NVIDIA die Bauanweisungen für eine außerordentlich komplexe Maschine. TSMC stellt die Fabriken und Prozesskontrolle bereit, die nötig sind, um sie zuverlässig im großen Maßstab zu erzeugen.

SK hynix liefert einen weiteren unverzichtbaren Teil dieser Maschine. Das Speicherunternehmen nahm im September 2024 die Massenproduktion von 12-Layer-HBM3E auf. HBM3E ist eine verbesserte Generation von Hochgeschwindigkeitsspeicher für datenintensive Rechenaufgaben.

Das Produkt stapelt 12 Speicher-Dies und bietet 36 Gigabyte Kapazität. SK hynix erklärte, jedes Die sei 40 Prozent dünner als bei der vorherigen Generation. Dadurch sei eine Kapazitätssteigerung von 50 Prozent möglich geworden, ohne den fertigen Stack dicker zu machen.

Das Ergebnis zeigt, warum sich die Produktion von KI-GPUs nicht auf Transistordesign reduzieren lässt. NVIDIA muss Logik, Speicher, Packaging, Platinen, Netzwerke, Kühlung, Stromversorgung und Software koordinieren, bevor Kunden ein nutzbares System erhalten.

Google News verdichtet diese Kette häufig zu einer einfacheren Schlagzeile über die Nachfrage nach NVIDIA. Die zugrunde liegende Hardware erzählt eine stärker verteilte Geschichte.

TSMC verwandelt NVIDIAs Entwürfe in produzierbares Silizium

NVIDIA kann eine schnellere GPU entwerfen, doch nur eine qualifizierte Foundry kann Millionen dieser Entwürfe mit akzeptablen Ausbeuten fertigen.

Eine Foundry stellt Chips her, die von anderen Unternehmen entworfen wurden. TSMC baute seine Position auf, indem es Kunden bedient, ohne mit ihnen durch ein großes Portfolio eigener Verbraucherprozessoren zu konkurrieren.

Dieses Modell ermöglicht NVIDIA den Zugang zu Fertigungstechnologie, ohne selbst Chipfabriken zu betreiben. Halbleiterfabriken erfordern spezialisierte Ausrüstung, Prozesswissen, geschultes Personal und kontinuierliche Kapitalinvestitionen.

Der finanzielle Aufwand ist nur eine Hürde. Ein Unternehmen benötigt zudem jahrelange Fertigungsdaten, um Defekte über Milliarden mikroskopisch kleiner Strukturen hinweg zu kontrollieren. Designkompetenz lässt sich nicht automatisch in dieses Produktionswissen übertragen.

Blackwell zeigt, wie eng die Technologien der beiden Unternehmen miteinander verbunden sind. NVIDIA entwickelte die Architektur für eine kundenspezifische Version von TSMCs Prozess, statt einen fertigen Bauplan an eine austauschbare Fabrik zu schicken.

Der Prozessor kombiniert zwei Dies an der Grenze dessen, was Fertigungsanlagen auf einem Wafer belichten können. Damit sie wie eine einzige GPU funktionieren, ist gemeinsames Design über Silizium, Verbindungen, Stromversorgung und Packaging hinweg erforderlich.

TSMC berichtete, dass fortschrittliche Technologien bei sieben Nanometern und darunter 69 Prozent seines Waferumsatzes 2024 ausmachten. Dieser Anteil stieg laut dem 2024 annual report von 58 Prozent im Jahr 2023.

Das Unternehmen erzielte in diesem Jahr einen konsolidierten Umsatz von 90,08 Milliarden US-Dollar, ein Anstieg um 30 Prozent gegenüber dem Vorjahr. Der Nettogewinn erreichte 36,52 Milliarden US-Dollar und stieg um 35,9 Prozent.

Diese Zahlen umfassen viele Kunden und Produktkategorien. Sie messen nicht allein die NVIDIA-Produktion. Sie zeigen jedoch den wirtschaftlichen Wert, der sich rund um die für fortschrittliches Computing erforderlichen Fertigungstechnologien ansammelt.

TSMCs Bedeutung reicht über die Transistordichte hinaus. KI-Beschleuniger rücken Packaging ins Zentrum der Systemleistung.

Traditionelles Packaging schützte in erster Linie einen Chip und verband ihn mit einer Leiterplatte. CoWoS platziert Prozessoren und Speicher um einen Interposer, der dichte elektrische Verbindungen zwischen ihnen ermöglicht.

Diese Struktur liefert die Bandbreite, die moderne Beschleuniger benötigen. Sie schafft zugleich eine weitere Produktionsbeschränkung, weil sich Kapazitäten für fortschrittliches Packaging nicht sofort erweitern lassen.

Neue Packaging-Linien benötigen Ausrüstung, saubere Fertigungsumgebungen, Materialien, Tests und qualifizierte Prozesse. Eine Steigerung des Waferausstoßes ohne entsprechende Packaging-Kapazität kann dazu führen, dass nutzbare Dies auf die endgültige Integration warten.

TSMC teilte Investoren im April 2025 mit, dass das Unternehmen daran arbeite, die CoWoS-Kapazität in diesem Jahr zu verdoppeln. Zudem erwartete das Unternehmen eine Verdoppelung der Umsätze mit KI-Beschleunigern, was die starke Kundennachfrage widerspiegelt.

Dieser Plan offenbart den tatsächlichen Druck, den NVIDIAs Produktzyklus erzeugt. Jede neue Beschleunigergeneration kann mehr Siliziumfläche, mehr HBM und komplexeres Packaging erfordern.

NVIDIA benötigt daher von TSMC die gleichzeitige Erweiterung mehrerer Kapazitäten. Mehr Wafer der neuesten Generation haben nur begrenzten Wert, wenn Packaging zum nächsten Engpass wird.

Alternative Foundries existieren, darunter Samsung und Intel Foundry. Ein Produktionswechsel ist jedoch nicht vergleichbar mit der Bestellung desselben Bauteils bei einem anderen Distributor.

Ein Prozessor muss an die Designregeln, Bibliotheken, elektrischen Eigenschaften und Packaging-Optionen der neuen Foundry angepasst werden. Anschließend müssen Ingenieure Leistung und Produktionsausbeute validieren.

Diese Arbeit kostet Zeit, während NVIDIAs Wettbewerber ihre eigenen Produkte weiterentwickeln. Ein Ersatzlieferant kann die Widerstandsfähigkeit erhöhen, bietet aber selten einen unmittelbaren Ersatz für eine etablierte Fertigungspartnerschaft.

Auch die geografische Lage ist ein Thema. Ein großer Teil von TSMCs modernster Fertigungskapazität wurde historisch in Taiwan betrieben, während NVIDIA Kunden weltweit bedient.

TSMC hat seine Präsenz außerhalb Taiwans ausgebaut, unter anderem in Arizona. Geografische Diversifizierung muss jedoch Fertigung, Packaging, Tests und unterstützende Materialien umfassen, bevor der gesamte Produktionsweg lokal wird.

Die Verlagerung eines einzelnen Fertigungsschritts verlegt nicht die Lieferkette. Ein in einem Land produzierter Wafer kann weiterhin Packaging an einem anderen Ort benötigen, bevor er zu einem fertigen Beschleuniger wird.

Deshalb verfügt TSMC über Einfluss, ohne direkt um NVIDIAs Softwarekunden zu konkurrieren. Das Unternehmen kontrolliert die Produktionsbrücke zwischen einer Architektur und einem auslieferbaren Produkt.

SK hynix löst den Speicherengpass der KI

Die schnellsten Rechenkerne können ihre beworbene Leistung nicht liefern, wenn die Speicherbandbreite nicht Schritt hält.

KI-Modelle schaffen ein ungewöhnliches Speicherproblem. Training und Inferenz erfordern, dass Prozessoren große Mengen an Parametern, Aktivierungen und zwischengespeicherten Daten wiederholt abrufen.

Herkömmlicher Speicher, der weiter vom Prozessor entfernt ist, kann nicht immer ausreichend Bandbreite innerhalb akzeptabler Leistungsgrenzen bereitstellen. HBM begegnet dieser Einschränkung durch vertikales Stapeln und eine breite Schnittstelle.

SK hynix stieg lange vor der breiten Bekanntheit generativer KI in den HBM-Markt ein. Das frühe Engagement des Unternehmens wurde wertvoll, als beschleunigtes Computing Speicherbandbreite auf den kritischen Pfad rückte.

Das Unternehmen erklärt, es habe Produkte für jede HBM-Generation von HBM1 bis HBM3E entwickelt und geliefert. Im März 2024 begann es mit der Lieferung von HBM3E-Produkten mit acht Lagen und nahm im September die Massenproduktion seiner 12-Layer-Version auf.

Sein 12-layer HBM3E arbeitet nach Unternehmensangaben mit 9,6 Gigabit pro Sekunde je Pin. Das Unternehmen erklärte, vier an eine GPU angeschlossene Stacks könnten alle 70 Milliarden Llama-3-Parameter 35-mal pro Sekunde lesen.

Dieser Vergleich ist eine vom Unternehmen bereitgestellte Veranschaulichung, kein unabhängiger Workload-Benchmark. Die tatsächliche Anwendungsleistung hängt auch vom Prozessor, der Software, dem Netzwerk, dem Zahlenformat und dem Modellverhalten ab.

Dennoch verdeutlicht das Beispiel die Rolle von HBM. Speicher bewahrt ein Modell nicht bloß auf, während der Prozessor die wichtige Arbeit erledigt. Seine Bandbreite trägt dazu bei, wie viel der Rechenkapazität des Prozessors aktiv bleibt.

Die Herstellung von HBM bringt Schwierigkeiten mit sich, die über gewöhnlichen DRAM hinausgehen. Mehrere Dies müssen dünn gefertigt, präzise gestapelt und über vertikale Verbindungen miteinander verbunden werden.

Diese Verbindungen werden Through-Silicon Vias genannt. Sie führen Signale und Strom durch die einzelnen Speicher-Dies und ermöglichen es dem Stack, wie eine einzelne Hochgeschwindigkeitskomponente zu funktionieren.

Dünnere Dies verursachen mechanische Probleme. Sie können sich während der Fertigung verbiegen oder verformen, während dicht gestapelte Schichten Wärme konzentrieren.

SK hynix nutzt ein fortschrittliches Molded-Underfill-Verfahren, um die Verbindungen zwischen den Schichten zu stützen und zu schützen. Nach Angaben des Unternehmens verbessert die Methode die Wärmeableitung gegenüber der vorherigen Generation um 10 Prozent.

Diese Fertigungsdetails beeinflussen die Zahl der nutzbaren Stacks, die Kunden erreichen. Das HBM-Angebot hängt von der Kapazität für Speicherwafer, dem Stapeldurchsatz, der Packaging-Ausbeute, Tests und der thermischen Leistung ab.

Die Nachfrage kann auch den breiteren Speichermarkt beeinflussen. Hersteller müssen entscheiden, wie viel Ausrüstung und Waferkapazität sie HBM, konventionellem DRAM und anderen Produkten zuweisen.

Samsung und Micron üben wichtigen Wettbewerbsdruck aus. Beide haben in fortschrittliches HBM investiert, wodurch Beschleunigerentwickler zusätzliche Lieferanten erhalten und ihre Abhängigkeit von einem einzelnen Unternehmen sinkt.

Allerdings schafft die Qualifizierung Reibung. Ein Speicherprodukt muss strenge Anforderungen an Geschwindigkeit, Thermik, Energieverbrauch, Zuverlässigkeit und Kompatibilität mit dem umgebenden Package erfüllen.

Die Ankündigung eines HBM-Produkts durch einen Lieferanten bedeutet nicht, dass dieser sofort unbegrenzt qualifizierte Einheiten für jeden Beschleuniger liefern kann. Das Produkt muss Kundentests bestehen und anschließend bei gleichbleibenden Ausbeuten skaliert werden.

NVIDIA kann mit mehreren Speicherlieferanten zusammenarbeiten, doch diese Lieferanten bleiben eine konzentrierte Gruppe. Nur wenige Unternehmen verfügen über die Fabriken, das geistige Eigentum und die Packaging-Erfahrung, die für führendes HBM erforderlich sind.

Diese Konzentration verleiht SK hynix strategisches Gewicht, das weit über die Sichtbarkeit seiner Verbrauchermarke hinausgeht. Die meisten KI-Nutzer sehen den Namen nicht, wenn sie über eine Cloud-Plattform einen Beschleuniger mieten.

Sie erleben seinen Beitrag indirekt durch Modellgeschwindigkeit, Kapazität, Systemverfügbarkeit und Infrastrukturkosten.

Die Beziehung des Unternehmens zu TSMC zeigt auch, wie stärker integriert die Lieferkette wird. Im April 2024 kündigte SK hynix eine Zusammenarbeit mit TSMC bei der HBM4-Entwicklung und fortschrittlichem Packaging an.

HBM4 stellt eine neue Generation mit einer breiteren Schnittstelle zwischen Speicher und Prozessor dar. Die Unternehmen erklärten, bei der Fertigung des Base-Dies und der Optimierung des Packaging zusammenzuarbeiten.

Ein Base-Die verwaltet die Verbindungen zwischen dem Speicher-Stack und dem umgebenden System. Die Herstellung dieser Schicht mit einem fortschrittlichen Logikprozess schafft einen weiteren Berührungspunkt zwischen Speicherdesign und Foundry-Fertigung.

Diese Zusammenarbeit schwächt die Vorstellung, NVIDIA könne jeden Lieferanten als isolierten Anbieter steuern. Die Komponenten erfordern zunehmend gemeinsame technische Entscheidungen, die Jahre vor der Auslieferung eines fertigen Systems getroffen werden.

Das eigentliche Produkt ist das Package

Blackwells prägende Fertigungsherausforderung ist die Integration, nicht bloß die Produktion eines großen GPU-Dies.

Ein moderner KI-Beschleuniger ähnelt einem eng integrierten Computersystem. Seine Logik-Dies, Speicher-Stacks, Interposer, Substrat, Stromversorgungskomponenten und Kühlhardware müssen zusammenarbeiten.

NVIDIAs Architekturentscheidungen steigern den Wert dieser Integration. Blackwell verbindet zwei große GPU-Dies über eine Verbindung mit 10 Terabyte pro Sekunde.

Das Unternehmen verbindet außerdem viele Beschleuniger über NVLink, seine Hochgeschwindigkeitsverbindung für den Datentransfer zwischen Prozessoren. NVLink der fünften Generation liefert laut NVIDIA 1,8 Terabyte pro Sekunde bidirektionale Bandbreite je GPU.

Auf Rack-Ebene kombiniert das GB200 NVL72 72 Blackwell-GPUs mit Grace-Zentralprozessoren und Netzwerktechnik. Ein solches System macht die Koordination der Fertigung zu einem Teil der Produktarchitektur.

Ein Defekt oder eine Verzögerung bei einer Komponente kann die Fertigstellung eines weitaus wertvolleren Systems verhindern. Die Kosten eines fehlenden Speicher-Stacks beschränken sich daher nicht auf den Speicher selbst.

Dadurch können Prozessoren, Boards, Kühlausrüstung und Rechenzentrumskapazität des Kunden ungenutzt warten. Dieser Multiplikatoreffekt macht die Planbarkeit der Versorgung fast so wichtig wie die theoretische Leistung.

Dies ist der Mechanismus, der hinter vielen Google-News-Berichten über Beschleunigerengpässe verborgen bleibt. Die Nachfrage konkurriert nicht um eine einzelne Produktionslinie. Sie konkurriert um abgestimmte Kapazitäten in mehreren spezialisierten Branchen.

Die Prozessor-Dies benötigen ausreichende Ausbeuten, also müssen aus jedem Wafer genügend funktionsfähige Chips hervorgehen. HBM-Stacks benötigen über mehrere verbundene Schichten hinweg ebenfalls akzeptable Ausbeuten.

Der Packaging-Prozess muss diese teuren Komponenten verbinden, ohne sie zu beschädigen. Anschließend müssen Tests Fehler erkennen, bevor das Modul in einen Server gelangt.

Das Ausbeuterisiko verstärkt sich, wenn Hersteller mehr Komponenten kombinieren. Ein Problem bei einem Teil kann den erzielbaren Wert mehrerer ansonsten funktionsfähiger Teile verringern.

Unternehmen begegnen dem mit Tests, redundanten Designs, Prozessverbesserungen und engerer Lieferantenkoordination. Doch keine dieser Methoden beseitigt physische Grenzen.

Das thermische Verhalten fügt eine weitere Einschränkung hinzu. Eng gepackte Prozessoren und Speicher erzeugen Wärme, die durch das Package und in das Kühlsystem des Servers abgeführt werden muss.

Höhere Speicherkapazität und Bandbreite können die Leistungsdichte steigern. Größere Beschleunigersysteme erfordern dann anspruchsvollere Flüssigkühlung, Stromversorgung und Rack-Designs.

NVIDIA kann seine Architektur und Software auf diese Einschränkungen optimieren. Allein durch Software kann das Unternehmen sie nicht lösen.

Das erklärt, warum fortschrittliches Packaging von einem wenig beachteten Fertigungsschritt zu einem genau beobachteten Kapazitätsindikator geworden ist. Die Verfügbarkeit von CoWoS beeinflusst, wie viele High-End-Beschleuniger NVIDIA liefern kann.

Es erklärt auch, warum TSMC und SK hynix für NVIDIAs Produkt-Roadmap zentral geworden sind. Ihre Prozessentscheidungen beeinflussen die realisierbare Größe, Bandbreite, das thermische Profil und den Lieferzeitplan künftiger Beschleuniger.

NVIDIA trägt weiterhin die koordinierende Architektur bei. CUDA, seine Programmierplattform, bietet Entwicklern eine ausgereifte Umgebung, um Workloads auf NVIDIA-Hardware bereitzustellen.

Diese Softwareposition ermutigt Cloud-Anbieter und KI-Unternehmen, NVIDIA-Systeme zu bestellen. Die starke Nachfrage erhöht dann den Druck auf TSMC und Speicherlieferanten, ihre Kapazitäten auszubauen.

Die Beziehung funktioniert in beide Richtungen. Bessere Fertigung und Speicher ermöglichen leistungsfähigere NVIDIA-Systeme, während NVIDIAs Kundenreichweite enorme Nachfrage zu seinen Lieferanten lenkt.

Diese gegenseitige Abhängigkeit ist treffender, als ein Unternehmen als bloßen Dienstleister eines anderen zu beschreiben. NVIDIA besitzt kommerziellen Einfluss, doch TSMC und SK hynix verfügen über knappe Fertigungskapazitäten.

Wettbewerber stehen vor denselben grundlegenden Einschränkungen. Auch AMD benötigt für seine Instinct-Beschleuniger modernste Foundry-Kapazitäten, HBM, fortschrittliches Packaging, Boards und Systempartner.

Maßgeschneiderte Chips von Google, Amazon, Microsoft und anderen Cloud-Betreibern stützen sich auf verwandte Lieferketten. Ihre Architekturen unterscheiden sich, doch sie konkurrieren weiterhin um fortschrittliche Fertigungsressourcen.

NVIDIAs Größe kann dem Unternehmen helfen, vorteilhafte Zusagen zu sichern. Es kann größere Bestellungen aufgeben, längerfristige Nachfrageprognosen liefern und die Entwicklung früher koordinieren.

Größe schafft keine unbegrenzte Kapazität. Sie kann die Konzentration stattdessen verschärfen, indem sie einen größeren Anteil der begrenzten Produktion für den größten Käufer reserviert.

Dieses Ergebnis setzt kleinere Beschleunigerunternehmen unter Druck. Ein technisch glaubwürdiges Design besitzt nur begrenzten kommerziellen Wert, wenn sein Entwickler nicht genügend Wafer, Speicher oder Packaging-Kapazitäten beschaffen kann.

Die Wettbewerbsgrenze der Branche hat sich daher erweitert. Chipunternehmen konkurrieren heute neben Architektur und Software auch über Lieferzusagen und Fertigungspartnerschaften.

Diversifizierung hilft, beseitigt das Risiko jedoch nicht

NVIDIA kann die Lieferantenkonzentration verringern, doch ein schneller Ersatz von TSMC oder SK hynix bleibt technisch und wirtschaftlich schwierig.

NVIDIAs Einreichungen besagen, dass das Unternehmen seine Lieferantenbeziehungen ausgebaut hat, um Redundanz und Widerstandsfähigkeit zu verbessern. Das ist eine sinnvolle Reaktion auf steigende Nachfrage und geografische Konzentration.

Die Formulierung „mehrere Lieferanten“ kann dennoch einen irreführenden Eindruck erzeugen. Zwei Komponenten mit ähnlichen Spezifikationen sind innerhalb eines qualifizierten Beschleuniger-Packages nicht zwangsläufig austauschbar.

Ein neuer Lieferant muss Teile herstellen, die elektrische, physische, thermische und Zuverlässigkeitsanforderungen erfüllen. NVIDIA benötigt möglicherweise auch Designänderungen, aktualisierte Firmware, neue Tests oder eine erneute Kundenqualifizierung.

Dieselben Einschränkungen gelten für die Diversifizierung von Foundries. Samsung kann fortschrittliche Prozessoren fertigen, während Intel ein Auftragsfertigungsgeschäft aufbaut.

Die Verlagerung eines führenden Beschleunigers zwischen Foundries würde umfangreiche Entwicklungsarbeit erfordern. Jeder Fertigungsprozess bietet unterschiedliche Transistoreigenschaften, Dichte, Bibliotheken und Designregeln.

Die Packaging-Verfügbarkeit kann selbst nach Änderungen in der Waferproduktion ein Engpass bleiben. Ein diversifizierter Fertigungsplan kann weiterhin von einer kleinen Gruppe von Packaging-Anbietern abhängen.

Die HBM-Beschaffung bietet etwas mehr Flexibilität, weil Samsung und Micron mit SK hynix konkurrieren. Doch beschleunigte Qualifizierung und Volumenausbau können neue Ausbeute- oder Zuverlässigkeitsrisiken schaffen.

Auch die Lieferanten stehen vor finanzieller Unsicherheit. Der Aufbau von Kapazitäten für einen außergewöhnlichen Nachfragezyklus erfordert Kapital, bevor Hersteller wissen, wie lange diese Nachfrage anhalten wird.

Käufer von KI-Infrastruktur geben derzeit viel Geld aus, doch ihr künftiger Bedarf hängt von der Modellökonomie, Kundenakzeptanz, Energieverfügbarkeit und Softwareeffizienz ab.

Effizientere Modelle könnten den Rechenbedarf für manche Aufgaben senken. Umgekehrt könnten niedrigere Inferenzkosten die Nutzung so stark erhöhen, dass die Gesamtnachfrage steigt.

Exportkontrollen schaffen zusätzliche Unsicherheit. Regierungen können einschränken, wo fortschrittliche Beschleuniger, Fertigungsausrüstung oder verwandte Technologien verkauft werden dürfen.

NVIDIA kann Produkte für bestimmte Märkte anpassen, doch regulatorische Änderungen können Nachfrageprognosen verändern, nachdem Lieferzusagen bereits gemacht wurden. Lieferanten müssen Fabriken über längere Zeithorizonte planen.

Geografische Diversifizierung bringt ebenfalls Zielkonflikte mit sich. Neue Fabs können die Widerstandsfähigkeit verbessern und die Produktion näher zu den Kunden bringen.

Führende Halbleitercluster hängen jedoch von Netzwerken aus Materiallieferanten, Ausrüstungsspezialisten, Ingenieuren, Packaging-Anbietern und Logistikbetreibern ab. Diese Netzwerke benötigen Jahre, um nachgebildet zu werden.

Ein in den USA hergestellter Wafer ist ein wichtiger Meilenstein. Er bedeutet nicht automatisch, dass jeder nachfolgende Fertigungsschritt im selben Land stattfindet.

Das größte Risiko besteht nicht darin, dass NVIDIA im normalen Betrieb plötzlich den Zugang zu beiden wichtigen Partnern verliert. Das beständigere Risiko ist, dass die Nachfrage schneller wächst als die qualifizierte Kapazität.

In diesem Fall kann NVIDIA über eine erfolgreiche Architektur, verpflichtete Kunden und dennoch über zu wenige fertige Systeme verfügen. Der Zeitpunkt der Umsatzerfassung würde dann von Produktionsverbesserungen außerhalb von NVIDIAs direkter Kontrolle abhängen.

Qualitätsprobleme können ein ähnliches Ergebnis verursachen. Ein komplexes Package muss Fertigung, Versand, Installation und den dauerhaften Betrieb unter hoher Last überstehen.

Die Behebung eines Problems kann Änderungen über Design und Fertigung hinweg erfordern. Dieser Prozess wird schwieriger, wenn mehrere Unternehmen unterschiedliche Schichten des technischen Stacks besitzen.

All dies macht NVIDIA nicht machtlos. Sein Bestellvolumen, seine Entwicklungsressourcen und seine Marktposition verschaffen dem Unternehmen erheblichen Einfluss auf Investitionen seiner Lieferanten.

Das Unternehmen kann Zusagen finanzieren, Alternativen qualifizieren, Komponenten neu entwerfen und Roadmaps koordinieren. Seine Softwareplattform gibt Lieferanten zudem einen starken Anreiz, die Kompatibilität mit NVIDIA-Produkten zu priorisieren.

Dennoch unterscheidet sich Einfluss von Eigentum. TSMC kontrolliert seine Fertigungsprozesse, Kapazitätszuweisung und Fabrikausführung. SK hynix kontrolliert seine Speicherentwicklung, Ausbeuten und Produktionsausweitung.

Investoren und Unternehmenskäufer sollten daher zwei gegensätzlichen Schlussfolgerungen widerstehen. NVIDIA ist weder eine leere Marke, die auf der Technologie anderer Unternehmen sitzt, noch ein vollständig unabhängiger Hersteller.

Es ist der Architekt und kommerzielle Koordinator einer Lieferkette, die auf knappen Fähigkeiten beruht. Seine Stärke hängt teilweise davon ab, diese Abhängigkeiten besser zu steuern als Wettbewerber die ihren.

Drei Signale werden zeigen, wer die KI-Lieferkette wirklich kontrolliert

Die nächste Phase des Wettlaufs um KI-Hardware wird an Packaging-Ausstoß, qualifizierter HBM-Versorgung und ausgelieferten Systemen gemessen werden.

Das erste Signal ist die Erweiterung von TSMCs Advanced-Packaging-Kapazitäten. Anleger sollten beobachten, ob die CoWoS-Kapazität parallel zur Nachfrage nach Blackwell und künftigen Accelerator-Generationen wächst.

Ankündigungen allein reichen nicht aus. Aussagekräftige Belege werden sich in Produktionsmengen, Kundenauslieferungen und Management-Kommentaren zu Kapazitätsengpässen zeigen.

Verbessert sich die Verfügbarkeit von Packaging, ohne dass die Nachfrage nachlässt, erhält NVIDIA mehr Spielraum, Bestellungen in fertige Systeme umzuwandeln. Anhaltende Engpässe würden TSMCs Rolle als Produktionswächter stärken.

Das zweite Signal sind Qualifizierung und Volumenproduktion neuerer HBM-Generationen. SK hynix, Samsung und Micron konkurrieren darum, Bandbreite, Kapazität und Fertigungsausbeute zu erhöhen.

Die HBM-Partnerschaft von SK hynix und TSMC verdient besondere Aufmerksamkeit, weil sie die Speicherentwicklung mit Logik- und Packaging-Prozessen verbindet.

Mehr qualifizierte Lieferanten würden NVIDIA größere Flexibilität verschaffen. Verzögerungen bei der Qualifizierung oder uneinheitliche Ausbeuten würden jedoch den Vorsprung des frühesten verlässlichen Produzenten bewahren.

Das dritte Signal ist die Lücke zwischen der von NVIDIA gemeldeten Nachfrage und der tatsächlichen Systemauslieferung. Cloud-Anbieter benötigen installierte, betriebsbereite Cluster statt nicht montierter Komponenten.

Zum NVIDIA-Ökosystem gehören Serverhersteller, Netzwerkausrüster, Kühlungsunternehmen und Infrastrukturbetreiber. Die Liste der Systempartnerschaften des Unternehmens veranschaulicht, wie viele Organisationen nach dem Design des Kernsiliziums beteiligt sind.

Auslieferungspläne werden zeigen, ob die Lieferkette als Gesamtsystem skalieren kann. Kürzere Lieferzeiten würden darauf hindeuten, dass Fertigung, HBM, Packaging und Servermontage besser aufeinander abgestimmt werden.

Lange Verzögerungen würden zeigen, dass sich der Engpass verlagert hat, statt verschwunden zu sein. Mehr Wafer könnten einen Speichermangel offenlegen, während mehr HBM Packaging- oder Stromversorgungsgrenzen sichtbar machen könnte.

AMD und kundenspezifische Cloud-Accelerators liefern einen wichtigen Vergleich. Das Wachstum ihrer Auslieferungen wird zeigen, ob Wettbewerber dieselben knappen Ressourcen sichern können, während NVIDIA expandiert.

Ein Rivale muss NVIDIAs Architektur nicht übertreffen, um den Markt zu beeinflussen. Er kann Marktanteile gewinnen, indem er verfügbare Systeme anbietet, wenn Kunden nicht genügend NVIDIA-Hardware erhalten können.

Diese Möglichkeit gibt Unternehmenskäufern einen praktischen Grund, die Halbleiterversorgung zu verfolgen. Die Verfügbarkeit von Infrastruktur beeinflusst Projektzeitpläne, Cloud-Kapazität und die Kosten für die Bereitstellung von KI-Diensten.

Entwickler sollten auch das Verhältnis zwischen Hardwareversorgung und Software-Portabilität beobachten. Teams, die eng an eine Accelerator-Plattform gebunden sind, haben weniger Optionen, wenn Kapazitäten knapp werden.

Organisationen können sich vorbereiten, indem sie Workload-Anforderungen dokumentieren, alternative Instanzen testen und verlässliche technische Informationen von Anbietern und Cloud-Providern bewahren. Eine durchsuchbare Wissensdatenbank kann Engineering-Teams dabei helfen, diese sich verändernden Anforderungen zu vergleichen.

Die übergeordnete Erkenntnis reicht über eine einzelne Google-News-Schlagzeile hinaus. NVIDIAs Vorteil vereint Architektur, Software, Marktzugang und Koordination der Lieferkette.

TSMC verwandelt Designs in fortschrittliches Silizium und integriert sie über knappe Packaging-Kapazitäten. SK hynix liefert Speicher, der teure Rechenkerne kontinuierlich mit Daten versorgt.

Jedes Unternehmen kontrolliert eine andere Ebene, und keines kann das fertige Ergebnis allein liefern. Deshalb verschleiert die Metapher vom „König der KI“ mehr, als sie erklärt.

Die bessere Frage ist, ob diese drei Unternehmen synchron expandieren können. Beobachten Sie ausgelieferte Accelerators, nicht nur angekündigte Leistung.

Beobachten Sie qualifizierten Speicher, nicht nur Prototyp-Spezifikationen. Beobachten Sie den Packaging-Ausstoß, nicht nur fertiggestellte Wafer.

Steigen diese Indikatoren gemeinsam, kann NVIDIA sein Tempo halten. Fällt einer zurück, wird der Engpass offenlegen, welcher oft übersehene Zulieferer den unmittelbarsten Einfluss besitzt.

Wenn die nächste Welle der Google-News-Berichterstattung eintrifft, sollten Sie unter das NVIDIA-Label blicken. Die entscheidende Entwicklung könnte von einer TSMC-Packaging-Linie oder einem SK-hynix-Speicherstack kommen.