Nvidia-Aktie: Mega-Angriff!

Der Technologiegigant Google (Alphabet) greift den bisherigen KI-Chip-Monopolisten Nvidia frontal an. Das Beben an der Börse wurde durch Berichte ausgelöst, wonach der Facebook-Mutterkonzern Meta in Erwägung zieht, in großem Umfang KI-Chips von Google zu kaufen. Ein solcher Deal könnte ein Milliarden-Volumen erreichen und die jahrelange, nahezu uneingeschränkte Dominanz von Nvidias Grafikkarten (GPUs) im Bereich des Trainings und der Bereitstellung (Inferenz) Künstlicher Intelligenz beenden. Die Nachricht ließ die Nvidia-Aktie prompt fallen, während die Alphabet-Aktie zulegte. Es ist ein Symbol für eine sich wandelnde Machtbalance.

Die TPU als ernsthafte Alternative

Der Kern von Googles Offensive sind die selbst entwickelten Tensor Processing Units (TPUs), anwendungsspezifische Chips (ASICs), die Google bisher fast ausschließlich intern für Dienste wie die Google-Suche oder das Training seiner Gemini-KI-Modelle genutzt hat. Mit dem potenziellen Meta-Deal und einem bereits abgeschlossenen Vertrag mit dem KI-Start-up Anthropic positioniert Google seine TPUs erstmals als ernstzunehmendes, extern verfügbares Produkt für große Cloud-Anbieter und Unternehmen. Der Vorteil: Googles TPUs gelten oft als kostengünstiger und sind besser auf die spezifischen Anforderungen moderner KI-Anwendungen zugeschnitten. Dies bietet eine willkommene Alternative zu den teuren und schwer verfügbaren Nvidia-Chips.

Nvidia kontert und die Konkurrenz wächst

Nvidia wehrte sich umgehend gegen die Schreckensmeldung, indem das Unternehmen klarstellte, dass es der Konkurrenz immer noch „eine Generation voraus“ sei. Die Vielseitigkeit und breite Einsatzfähigkeit der Nvidia-GPUs in jedem KI-Modell und an jedem Ort sei ungeschlagen. Dennoch ist Google nicht der einzige Akteur, der Nvidia unter Druck setzt: Auch andere Hyperscaler wie Amazon (mit Trainium und Inferentia) und Microsoft sowie Meta selbst (mit ihren MTIA-Chips) entwickeln eigene, spezialisierte KI-Chips. Dieser verstärkte Wettbewerb zielt darauf ab, die Abhängigkeit von Nvidia zu verringern und die enormen Kosten für KI-Infrastruktur zu senken.