Google vs. Nvidia: TPU-Chips für 13.000 Euro statt 35.000 Euro
22.06.2026 - 19:34:01 | boerse-global.de
Google und Amazon Web Services (AWS) investieren Milliarden in eigene Halbleiter und öffnen ihre Technologie nun auch für Drittanbieter. Das könnte den gesamten Markt für KI-Beschleuniger grundlegend verändern.
Google investiert 3,2 Milliarden in TPU-Infrastruktur
Google hat sich mit finanziellen Garantien von rund 3,2 Milliarden Euro an das Lake Mariner TPU-Rechenzentrum in New York gebunden. Die Anlage ist speziell darauf ausgelegt, Rechenkapazität an die KI-Forschungsfirma Anthropic zu vermieten. Damit machen die Amerikaner ihre hauseigenen Tensor Processing Units (TPUs) erstmals als kommerzielles Cloud-Angebot zugänglich.
Anzeige: Wer die GPU-Kosten von 35.000 Euro pro Chip drücken will, findet im neuen Report konkrete Alternativen: Google TPUs für 13.000 Euro, Leistungsbenchmarks und eine Migrations-Checkliste. Kostenvergleich TPU vs. GPU jetzt anfordern
Das Modell erinnert an Nvidias Strategie, das eigene Ökosystem durch Finanzierungs- und Hosting-Pakete zu sichern. Analysten schätzen Googles Anteil am Markt für kundenspezifische Cloud-KI-Beschleuniger auf rund 58 Prozent. Um die Expansion weiter voranzutreiben, plant der Konzern Berichten zufolge eine Kapitalerhöhung über 85 Milliarden Euro.
Technisch kann Googles TPU v7 (Codename Ironwood) mit Nvidias B200- und B300-Chips mithalten – zu einem Bruchteil der Kosten. Während Nvidias Hardware mit 35.000 Euro und mehr zu Buche schlägt, liegt Googles Chip bei etwa 13.000 Euro. Der Finanzdienstleister Citadel Securities berichtet von 30 Prozent niedrigeren Kosten und einer vierfachen Geschwindigkeitssteigerung beim Einsatz der TPUs.
Partnerschaft mit MediaTek für nächste Chip-Generation
Gemeinsam mit dem taiwanesischen Halbleiterhersteller MediaTek entwickelt Google eine spezialisierte Variante des TPU v9 mit dem Codenamen Triggerfish. Der Chip soll über die zwei- bis dreifache SRAM-Kapazität seiner Vorgänger verfügen und auf HBM4E-Speicher setzen. Die Produktion ist für Ende 2027 geplant, die Hochskalierung soll bis 2028 laufen.
Googles Beschaffungsstrategie setzt inzwischen auf vier Hauptlieferanten: Broadcom, MediaTek, Marvell und Intel.
Amazon erwägt Direktverkauf von Trainium-Chips
Auch AWS verfolgt ehrgeizige Pläne für seine Chip-Sparte. Wie aus Branchenkreisen zu hören ist, führt der Konzern erste Gespräche über den Direktverkauf seiner Trainium-KI-Chips an Rechenzentrumsbetreiber. Bislang waren die Chips ausschließlich über die AWS-Cloud verfügbar.
Das Geschäft mit kundenspezifischen Halbleitern erreichte bei Amazon im ersten Quartal 2026 einen internen Jahresumsatz von rund 20 Milliarden Euro. Die Konzernführung schätzt das Potenzial eines eigenständigen Chipgeschäfts auf bis zu 50 Milliarden Euro jährlich.
Die aktuelle Trainium3-Architektur liefert mit etwa 362 Petaflops pro Rack vergleichbare Leistung wie Nvidias Blackwell-Systeme. Große KI-Unternehmen wie OpenAI und Anthropic nutzen bereits erhebliche Trainium-Kapazitäten – OpenAI allein soll rund zwei Gigawatt der Hardware beziehen.
Der Abschied von der GPU
Der Trend zu kundenspezifischen ASICs (Application-Specific Integrated Circuits) erfasst den gesamten Hyperscaler-Markt. Meta testet seit Jahresbeginn eigene KI-Trainingschips und plant den Einsatz seiner MTIA-Prozessoren bis 2027. Auch Microsoft setzt zunehmend auf Eigenentwicklungen.
Die Marktforscher von JPMorgan prognostizieren einen grundlegenden Wandel: Bis 2027 sollen die Auslieferungen von KI-ASICs mit 12,5 Millionen Einheiten die der GPUs (10,9 Millionen) übertreffen.
Broadcom dominiert diesen Wandel mit einem Marktanteil von 80 bis 85 Prozent im High-End-ASIC-Segment. Der Konzern meldete für das zweite Geschäftsquartal KI-Halbleiterumsätze von 10,8 Milliarden Euro – ein Plus von 143 Prozent im Jahresvergleich.
Doch Nvidia gibt sich nicht geschlagen. Der Chipriese platzierte kürzlich eine Rekordanleihe über 25 Milliarden Euro, um den weiteren Ausbau der Rechenzentren zu finanzieren.
Anzeige: Die Abhängigkeit von Nvidias GPU-Ökosystem treibt die KI-Infrastrukturkosten in die Höhe. Der Report zeigt, wie Sie mit Google TPUs und einer klaren Migrationsstrategie bis zu 60 % sparen – inklusive Leistungsbenchmark. TPU-Migrationsleitfaden kostenlos sichern
Engpässe bei Speicher und Netzwerken
Das rasante Wachstum der KI-Hardware führt zu erheblichen Engpässen in der Lieferkette – besonders bei High Bandwidth Memory (HBM). Die Aktien von Speicher- und Chipherstellern legten im vergangenen Monat um 41 Prozent zu. SK Hynix kontrolliert rund 60 Prozent des HBM-Marktes, gefolgt von Samsung und Micron mit jeweils etwa 20 Prozent.
Mit steigender Rechenleistung rückt auch die Netzwerkinfrastruktur in den Fokus. Das Startup Upscale AI sammelte kürzlich 190 Millionen Euro ein, um Netzwerksysteme speziell für die hohen Dichteanforderungen von KI-Clustern zu entwickeln. Die Hyperscaler modernisieren ihre Infrastruktur weit über traditionelle Cloud-Architekturen hinaus.
