Halbleiter-Wende: 16 Architekturen brechen NVIDIAs Vendor-Lock-in auf

Angleichung der Befehlssätze und neue Chip-Architekturen bedrohen NVIDIAs Vormachtstellung. Kundenspezifische Lösungen gewinnen an Bedeutung.

Die Halbleiterbranche steht vor einer Zeitenwende: Erste technische Durchbrüche deuten darauf hin, dass die Dominanz einzelner Chip-Hersteller wie NVIDIA bröckeln könnte. Denn die grundlegenden Befehlssätze der großen GPU-Anbieter gleichen sich immer stärker an – eine Entwicklung, die den jahrelangen Software-Kniff namens Vendor-Lock-in infrage stellt.

Bereits 16 verschiedene Mikroarchitekturen von NVIDIA, AMD, Intel und Apple folgen denselben grundlegenden Mustern. Das ermöglicht eine herstellerunabhängige Abstraktionsschicht für Software. Konkret: Entwickler könnten bald Programme schreiben, die auf jedem beliebigen Chip laufen – ohne an ein proprietäres Ökosystem wie CUDA von NVIDIA gebunden zu sein. Erste Benchmarks zeigen, dass die Leistung über verschiedene Hersteller hinweg zunehmend wettbewerbsfähig wird.

Anzeige

Der technologische Wandel durch KI-Chips bringt nicht nur Leistungssprünge, sondern auch neue regulatorische Anforderungen wie den EU AI Act mit sich. Dieser kostenlose Leitfaden hilft Unternehmen, die neuen Pflichten und Risikoklassen der EU-KI-Verordnung rechtssicher umzusetzen. EU AI Act in 5 Schritten verstehen

NVIDIA rüstet auf – doch die Konkurrenz schläft nicht

Während die Software-Seite auf Öffnung zusteuert, konsolidiert sich die Hardware-Welt rasant. Erst Anfang der Woche sicherte sich NVIDIA durch die Übernahme des LPU-Startups Groq und die Einführung eigener Vera-Klasse-CPUs seine Position in der KI-Lieferkette ab. In Tests am heutigen Dienstag sollen diese hauseigenen Prozessoren bestehende x86- und ARM-Alternativen übertroffen haben.

Doch Analysten warnen: Das Zeitfenster für NVIDIA beträgt maximal 18 bis 24 Monate. Dann werden kundenspezifische Chips großer Cloud-Anbieter und Wettbewerber strukturellen Druck auf das GPU-Kerngeschäft ausüben.

Tau Scaling: Huawei umgeht physikalische Grenzen

Da die klassische Miniaturisierung immer schwieriger wird, gehen führende Halbleiterfirmen neue Wege. Auf der IEEE-ISCAS-Konferenz in Shanghai stellte Huaweis Chip-Sparte am Montag ein neuartiges Framework namens Tau Scaling vor. Statt immer kleinere Transistoren zu bauen, setzt die „LogicFolding"-Architektur auf Zeit-Skalierung.

Die Ergebnisse sind beeindruckend: 55 Prozent mehr Transistordichte und 41 Prozent mehr Energieeffizienz. Der erste chip dieser Technologie soll im Herbst in der Mate-90-Serie mit einem Kirin-Prozessor erscheinen. Trotz älterer Lithografie-Geräte erreicht Huawei damit eine Dichte von 238 Millionen Transistoren pro Quadratmillimeter – vergleichbar mit aktuellen 3-Nanometer-Fertigungen. Das Unternehmen hat einen Fahrplan bis zur 1,4-Nanometer-Äquivalenz im Jahr 2031.

Maßgeschneiderte KI-Chips statt Standard-GPUs

Goldman Sachs prognostiziert einen fundamentalen Wandel: Bis 2027 wird die Nachfrage nach anwendungsspezifischen Schaltkreisen (ASICs) die nach universellen GPUs einholen. Das ist eine gute Nachricht für Unternehmen wie Broadcom, das schätzungsweise 60 Prozent des ASIC-Marktes kontrolliert. Im ersten Quartal erzielte Broadcom KI-bezogene Einnahmen von 8,4 Milliarden Euro – ein Plus von 106 Prozent im Jahresvergleich.

Um diese komplexen Designs zu ermöglichen, bauen Cadence und TSMC ihre Zusammenarbeit aus. Sie bieten zertifizierte Design-Workflows für die Fertigungsprozesse N3, N2, A16 und A14. Dazu gehört spezielles geistiges Eigentum für Technologien wie HBM4E-Speicher und PCIe 6.0.

Anzeige

Mit der rasanten Entwicklung neuer KI-Systeme steigen auch die rechtlichen Risiken für Unternehmen, die diese Technologien entwickeln oder einsetzen. Erfahren Sie in diesem praxisnahen E-Book, welche Dokumentationspflichten und Fristen Sie gemäß der neuen EU-Verordnung jetzt beachten müssen. Kostenlosen KI-Umsetzungsleitfaden herunterladen

Neue Spieler im GPU-Markt: Intel Nova Lake und chinesische Chips

Auch abseits der Rechenzentren tut sich etwas. Intels Nova Lake Edge-Prozessoren verzichten komplett auf klassische Performance-Kerne und setzen stattdessen auf acht Effizienzkerne sowie 12 Xe-Grafikkerne für lokale KI-Aufgaben. Der Start ist für 2027 geplant.

In China meldet Loongson den Abschluss der Entwicklung seiner ersten GPGPU, der 9A1000. Der Tape-Out ist für das dritte Quartal 2026 vorgesehen. Die Leistung entspricht zwar nur einer Einstiegskarte wie der AMD RX 550, doch mit 40 TOPS KI-Rechenleistung und einem um 70 Prozent reduzierten Stromverbrauch im Leerlauf zeigt der Chip, wohin die Reise geht.

Ebenfalls aus China kommt die Lisuan LX 7G100 – die erste GPU des Landes mit Microsoft-WHQL-Zertifizierung. Der 6-nm-Chip mit 12 GB VRAM zielt auf das Mid-Range-Segment der RTX 5060 Ti ab. In Cyberpunk 2077 bei 1080p und mittleren Einstellungen erreicht er 88 Bilder pro Sekunde. Hardware-beschleunigtes Raytracing fehlt allerdings noch.

Speicher-Revolution: Optische Verbindungen statt Kupfer

Da die physikalischen Grenzen aktueller Verpackungstechniken erreicht sind, denken Chip-Designer über eine radikale Lösung nach: Hochbandbreitenspeicher (HBM) soll künftig nicht mehr direkt auf dem Chip sitzen, sondern über optische Verbindungen angebunden werden. Das würde die sogenannte „Küstenlinien"-Beschränkung überwinden, bei der die physische Chipkante die Anzahl der Speicheranschlüsse begrenzt.

Unternehmen wie Celestial AI haben bereits photonische Verbindungen demonstriert. Die Herausforderung bleibt die Miniaturisierung der Photonik auf Chip-Ebene.

Ausblick: Fragmentierung statt Monokultur

Die Konvergenz der Software-Standards und der Aufstieg kundenspezifischer Silizium-Lösungen deuten auf einen fragmentierten, aber spezialisierten Hardware-Markt bis 2027 hin. Während NVIDIA durch Zukäufe und vertikale Integration weiterhin dominiert, zeigen portable ISA-Schichten und alternative Skalierungsgesetze wie Tau Scaling, dass Wettbewerber Wege finden, traditionelle Hürden zu umgehen.

Ein Leak aus der Vulkan-API-Registry vom Montag enthüllte zudem einen neuen Gerätebezeichner: STEAM_MACHINE_VK1. Das deutet darauf hin, dass Hardware-Plattformen zunehmend dedizierte NPUs für spezialisierte Aufgaben wie Multiplayer-Synchronisation und Treiber-Integritätsprüfungen integrieren. Die Ära der teuren Allzweck-GPUs könnte damit allmählich zu Ende gehen – zugunsten maßgeschneiderter Lösungen für KI und Edge-Computing.