Im Frühjahr 2026 wurde die KI-Branche von einer wichtigen Neuigkeit erschüttert: Laut Reuters prüft Anthropic die Möglichkeit, eigene Chips zu entwickeln.Dieses KI-Labor mit einem Jahresumsatz von über 30 Milliarden US-Dollar und einer wachsenden Nutzerbasis für sein Claude-Modell erwägt ernsthaft, sich von einem Verbraucher von Rechenleistung zu einem Definierer dieser zu entwickeln.
Quellen geben zu, dass sich die Pläne noch im Anfangsstadium befinden;Das Unternehmen hat noch keine konkreten Pläne finalisiert oder ein eigenes Team gebildet.Anthropic könnte sich letztendlich dafür entscheiden, Chips nur zu kaufen, anstatt sie selbst zu entwickeln.Aber selbst die Möglichkeit spricht Bände.
Derzeit verwendet Anthropic sowohl TPUs (Tensor Processing Units), die von Googles Muttergesellschaft Alphabet entwickelt wurden, als auch Amazons Trainium-Chips, um Claude zu entwickeln und auszuführen.Erst diese Woche unterzeichnete das Unternehmen außerdem eine langfristige Vereinbarung mit Google und Broadcom – letzteres ist der Hauptdesignunterstützer der TPUs von Google.Dieser zweigleisige Ansatz, der einen milliardenschweren externen Beschaffungsvertrag unterzeichnet und gleichzeitig in aller Stille die interne Entwicklung untersucht, ähnelt auf unheimliche Weise dem von Meta und Microsoft vor ein paar Jahren, die jetzt beide über ihre eigenen maßgeschneiderten Chips verfügen.
Branchenschätzungen gehen davon aus, dass die Entwicklung eines erstklassigen KI-Chips etwa 500 Millionen US-Dollar kostet. Bemerkenswerter ist jedoch über den Preis hinaus das Branchensignal hinter dem Schritt von Anthropic.Wenn ein reines Modellunternehmen ernsthaft über die Entwicklung eines eigenen Siliziums nachdenkt, hat der Hardware-Kampf um KI-Inferenz tatsächlich eine neue Intensität erreicht.
Inferenz wird zum neuen Schlachtfeld
In den letzten zwei Jahren hat die KI-Branche einen dramatischen Wandel durchgemacht, wobei sich ein großer Teil des Bedarfs an Rechenleistung schnell von der Trainingsseite auf die Inferenzseite verlagert hat.
Die Trainingsphase, die Wochen oder sogar Monate dauern kann, erfordert große GPU-Cluster für paralleles Rechnen, und Nvidias Dominanz auf dieser Seite ist nahezu unerschütterlich.Aber Schlussfolgerung ist anders.Inferenz ist die Echtzeitberechnung, die jedes Mal durchgeführt wird, wenn ein Modell auf eine Benutzeranfrage antwortet.Es strebt nach geringer Latenz, hohem Durchsatz und geringem Energieverbrauch – Ziele, die nicht vollständig mit den herausragenden Leistungen von GPUs übereinstimmen.
Der Prognose von Barclays zufolge wird der Bedarf an Inferenz-Computing bis 2026 mehr als 70 % des gesamten KI-Rechenleistungsbedarfs ausmachen, das 4,5-fache des Trainingsbedarfs.Man kann sagen, dass der wirklich entscheidende Kampf auf dem zukünftigen Markt für KI-Chips in der Schlussfolgerung liegen wird.
Nvidia hat auf der Trainingsseite einen zehnjährigen Burggraben errichtet, aber wenn dieser Burggraben nicht bis zur Inferenzseite reichen kann, steht die gesamte Branchenstruktur vor einer Neufassung.Aus diesem Grund unternahm Nvidia Ende letzten Jahres einen offiziellen Schritt und kündigte eine nicht-exklusive Lizenzvereinbarung mit dem KI-Inferenzchip-Startup Groq an.Jonathan Ross, Gründer und CEO von Groq, Präsident Sonny Madra und mehrere Kerningenieure wechselten anschließend zu Nvidia.Ausländische Medien zitierten Insider mit der Aussage, dass der Gegenwert für diese Transaktion etwa 20 Milliarden US-Dollar beträgt.
Die offizielle Formulierung von Nvidia ist vorsichtig und betont, dass es sich nur um eine Technologielizenz plus Talentakquise handelt, nicht um eine traditionelle Akquisition.Aber diese atypische Akquisitionsmethode ist im Silicon Valley weit verbreitet – sie kann umständliche Kartellprüfungen vermeiden und gleichzeitig die Zieltechnologie und das Kernteam wesentlich einbeziehen.
Groqs Geschichte war ursprünglich ziemlich bemerkenswert.Gründer Ross war ein Kernmitglied des TPU-Projekts von Google und war sich der inhärenten Einschränkungen der GPU-Architektur in Inferenzszenarien bewusst: Tausende paralleler Recheneinheiten und äußerst komplexe Speicherplanungslogik.Diese Funktionen stellen Vorteile beim Training dar, verursachen jedoch unvorhersehbare Latenzschwankungen bei der Inferenz.
Aus diesem Grund hat Groq einen völlig anderen Weg gewählt: den Scheduler auf Hardwareebene vollständig zu eliminieren und stattdessen den Compiler den Flusspfad jedes Datenbits in der Codephase bestimmen zu lassen, sodass der Chip wie ein automatisiertes Fließband arbeiten kann, das auf die Nanosekunde genau ist.Diese Architektur wird LPU oder Language Processing Unit genannt.In Inferenztests von Mainstream-Großmodellen kann seine Wortgenerierungsgeschwindigkeit mehr als zehnmal so hoch sein wie die von Nvidia-GPUs, während sein Energieverbrauch pro Token nur ein Zehntel davon beträgt.
Mit dieser extremen Leistung zog Groq mehr als 1,5 Millionen Entwicklernutzer an und erhielt mehrere Investitionsrunden von Top-Institutionen wie Cisco, Samsung und BlackRock, wobei die Bewertung einst 6,9 Milliarden US-Dollar erreichte.Doch was ihn erfolgreich machte, führte auch zu seinem Untergang.Es war Groqs übermäßig umwerfende Schlussfolgerungsleistung, die es in Jensen Huangs Augen zum wichtigsten Ziel machte, das festgehalten wurde.
Oberflächlich betrachtet dient die Übernahme von Groq durch Nvidia dazu, das technische Layout auf der Inferenzseite zu ergänzen, im Grunde handelt es sich jedoch um eine defensive Integration.Durch die Einbindung eines der stärksten externen Herausforderer in sein Ökosystem nimmt Nvidia zweitrangigen Cloud-Anbietern und KI-Softwareunternehmen, die nicht in der Lage sind, ihre eigenen Chips zu entwickeln, die Verhandlungsmasse weg.Ohne Groq als Alternative sind die Optionen für diejenigen, die nicht bereit sind, von Nvidia „besteuert“ zu werden, plötzlich eingeschränkt.
Riesen schärfen ihre Schwerter
Allerdings wird diese verzweifelte Situation möglicherweise nicht lange anhalten.
Tatsächlich hatten große Cloud-Giganten schon lange vor dem Aufstieg von Groq unabhängig voneinander ihre eigenen Rechenleistungspfade geplant.Google hat TPUs, Amazon hat Trainium und Microsoft hat Maia – alle drei internen Routen haben mittlerweile ein ausgereiftes Stadium erreicht, in dem sie extern verkauft werden können.
Googles TPU der siebten Generation mit dem Codenamen Ironwood wurde Ende 2025 offiziell veröffentlicht und auf den Markt gebracht. Im Vergleich zur vorherigen Generation hat sich die Leistung eines einzelnen Chips um mehr als das Vierfache erhöht, und ein einzelner Cluster kann bis zu 9.216 Chips miteinander verbinden.Google machte aus seiner Positionierung für diese Produktgeneration kein Geheimnis: die kostengünstigste kommerzielle Engine im Zeitalter der Inferenz.Von der Zwang zur Eigenentwicklung aufgrund interner Engpässe bei der Rechenleistung im Jahr 2015 bis hin zur Öffnung der TPU-Bereitstellung in den eigenen Rechenzentren der Kunden im Jahr 2025 hat Google zehn Jahre damit verbracht, ein Notfallprojekt zu einer strategischen Waffe zu machen.Die Ankündigung von Anthropic, dass bei zukünftigen Schulungen und Einsätzen der Claude-Serie bis zu eine Million TPUs zum Einsatz kommen werden, hat den kommerziellen Wert von Ironwood weiter maßgeblich durch den Markt bestätigt.
Amazon geht einen anderen Weg.AWS ist seit langem in hohem Maße auf Chips angewiesen, die von seiner Tochtergesellschaft Annapurna Labs selbst entwickelt wurden.Die Trainium-Serie ist in etwa mit Nvidia-GPUs vergleichbar, konzentriert sich jedoch auf die Reduzierung der Kosten für die Cloud-Infrastruktur und die Reduzierung der Abhängigkeit von externen Lieferanten.Die kürzliche Unterzeichnung einer mehrjährigen Kooperationsvereinbarung zwischen AWS und Cerebras zur Einführung der Wafer-Scale Engine (WSE)-Chips von Cerebras in Rechenzentren für den parallelen Einsatz mit selbst entwickelten Trainium-Chips ist ein konkreter Ausdruck dieser Logik, der Eigenentwicklung Vorrang einzuräumen und sie durch externe Beschaffung zu ergänzen.
Das Ziel von AWS ist ganz klar: Verwenden Sie Trainium, um Inferenzanforderungen mit niedriger Geschwindigkeit und geringen Kosten zu erfüllen, und verwenden Sie Cerebras-Chips, um High-End-Kunden zu gewinnen, die äußerst empfindlich auf Latenz reagieren und bereit sind, einen Aufpreis für die Geschwindigkeit zu zahlen.
Bei Inferenzchips wird im Gegensatz zu Trainingschips, die auf kurzfristige Geschwindigkeit abzielen, mehr Wert auf die langfristige Energieeffizienz gelegt.Eine Nvidia-GPU verbraucht etwa 700 Watt, während ein dedizierter Inferenzchip mit gleichwertiger Rechenleistung den Stromverbrauch auf 200 Watt beschränken kann.Bei extrem großen Anwendungen, die Hunderttausende Inferenzchips erfordern, kann diese Lücke jedes Jahr zu Kosteneinsparungen in Höhe von Hunderten Millionen Dollar führen.Dies ist einer der Hauptgründe, warum Cloud-Giganten wie Google, Amazon und Meta um den Einsatz dedizierter ASIC-Chips konkurrieren.
Den neuesten Nachrichten zufolge hat Meta mit Broadcom eine 1-GW-Kooperationsvereinbarung für Schulungs- und Inferenzchips geschlossen, die dem bereits „chaotischen“ Inferenzchipmarkt neue Impulse verleihen wird.
Heterogene Ära: Neue Allianzen entstehen
Wenn es sich bei den internen Forschungs- und Entwicklungsrouten der Cloud-Giganten um langfristige Wetten mit ausreichenden Ressourcengarantien handelt, dann stellt die Allianz zwischen Intel und SambaNova einen weiteren realistischeren Durchbruchsweg dar.
Im Jahr 2026 kündigte SambaNova die Einführung einer heterogenen Hardware-Inferenzlösung mit Intel an, die eine dreistufige Architektur einführt: GPU zum Vorfüllen, Intel Xeon 6-Prozessor als Hauptsteuerungs- und Ausführungs-CPU und SambaNova RDU zur Dekodierung, speziell entwickelt für Agent-KI-Workloads.Diese Lösung wird in der zweiten Hälfte des Jahres 2026 für Unternehmen, Cloud-Dienstleister und staatliche KI-Projekte offen sein.
SambaNova wies darauf hin, dass reine GPU-Systeme bei der parallelisierten Vorabfüllungsverbindung gut sind, aber bei Inferenzaufgaben in Produktionsumgebungen sind die Werkzeugplanung von CPUs und die Dekodierungseffizienz dedizierter Inferenzbeschleuniger die Schlüsselvariablen, die die Gesamtgeschwindigkeit und die Kosten bestimmen.
Seine Testdaten zeigen, dass die LLVM-Kompilierungsgeschwindigkeit von IntelDiese beiden Indikatoren treffen genau die zentralen Leistungsengpässe des Code-Agent-Workflows.
Die Rolle von Intel in dieser Zusammenarbeit ist faszinierend.Einst der PC-Hegemon, wurde es in der GPU-Ära fast vom Hauptschlachtfeld der KI-Chips verdrängt.Mit den CPU-Steuerungs- und Planungsvorteilen von Xeon 6 gewinnt es nun wieder Fuß in heterogenen Inferenzlösungen.Das Software-Ökosystem für Rechenzentren basiert auf der x86-Architektur, was Intel auch wieder in den Mittelpunkt der KI-Bühne gebracht hat.
Große Chips treten ins Rampenlicht
Cerebras ist ein weiterer Name, über den es sich lohnt, gesondert zu schreiben.
Das auf Wafer-Scale-KI-Chips fokussierte Startup reichte im Jahr 2024 einen IPO-Antrag ein und zog ihn dann zurück, was zu weit verbreiteten Zweifeln an seinen Aussichten auf dem Kapitalmarkt führte.Doch später unterzeichnete OpenAI eine Kooperationsvereinbarung mit Cerebras im Wert von über 10 Milliarden US-Dollar, um Rechenleistung für ChatGPT bereitzustellen.Diese Nachricht brachte Cerebras wieder ins öffentliche Interesse und veranlasste die Institutionen, die gewartet hatten, seinen technischen Wert erneut zu prüfen.Im Februar 2026 schloss Cerebras eine neue Finanzierungsrunde in Höhe von 1 Milliarde US-Dollar mit einer Gesamtfinanzierung von 2,6 Milliarden US-Dollar und einer Bewertung nach der Investition von etwa 23 Milliarden US-Dollar ab.
Die Kerntechnologie von Cerebras ist die Wafer-Scale Engine (WSE), die einen gesamten Wafer als einen einzigen Chip verwendet, die physikalischen Schnittbeschränkungen herkömmlicher Chips durchbricht und eine äußerst herausragende Latenzleistung bei bestimmten Inferenzaufgaben liefert.Laut Cerebras kann die Geschwindigkeit seiner Chips in der Inferenzdekodierungsverbindung bis zu 25-mal höher sein als die von Nvidia-GPUs.
Die jüngste Ankündigung von AWS einer mehrjährigen Kooperationsvereinbarung mit Cerebras zur Einführung von WSE-Chips in Rechenzentren für KI-Inferenz markiert einen wichtigen Identitätswechsel für dieses Startup – von einer Finanzierungsgeschichte zu einem Anbieter der weltweit größten Cloud-Plattform.
Die Wahl von AWS für Cerebras basiert auf der gleichen Logik wie die von OpenAI: Bei Szenarien, die äußerst empfindlich auf die Reaktionsgeschwindigkeit reagieren, wie z. B. Programmierunterstützung und Agentenaufgaben, entspricht jede Millisekunde Latenzreduzierung direkt der Benutzererfahrung und dem kommerziellen Wert – und genau darin besteht die Schwäche von GPUs.
Da immer mehr Menschen KI nutzen, um immer schwierigere Probleme zu lösen, wird für Cerebras die Nachfrage nach Geschwindigkeit nur noch zunehmen.Wenn die Geschwindigkeit selbst der Produktwert ist, dann ist die Zahlung einer Prämie für die Geschwindigkeit ein natürliches Geschäftsverhalten.Diese Logik wird von immer mehr Unternehmen akzeptiert.
CoreWeave: Das neue Gravitationszentrum des Computing-Power-Marktes
Hinter dem Kampf um die Rechenleistung steht die Umstrukturierung der Infrastrukturangebotsseite.In diesem Zusammenhang wird die Rolle von CoreWeave immer unverzichtbarer.
Im Jahr 2025 übernahm Meta die Führung bei der Unterzeichnung eines Liefervertrags mit CoreWeave und vereinbarte den Kauf von KI-Rechenleistung im Wert von 14,2 Milliarden US-Dollar bis 2031;Kürzlich bei der SEC eingereichte Dokumente zeigen, dass Meta die Vereinbarung erweitert hat und sich bereit erklärt hat, bis 2032 zusätzliche KI-Rechenleistung im Wert von 21 Milliarden US-Dollar zu erwerben. Die Hinzufügung dieser neuen Vereinbarung hat den Auftragsbestand von CoreWeave auf 87,8 Milliarden US-Dollar erhöht, wovon allein Meta etwa 40 % ausmacht.
Der Aufstieg von CoreWeave ist ein Mikrokosmos der Entwicklung der GPU-Rechenleistung von einem knappen Gut zur Infrastruktur.Als reiner Anbieter von Rechenleistung stellt es keine Modellfunktionen bereit, sondern die zugrunde liegende Unterstützung, die die Ausführung von Modellen ermöglicht.Über die drei großen Cloud-Giganten hinaus benötigen KI-Unternehmen eine Rechenleistungsoption, die nicht an ein Plattform-Ökosystem gebunden ist – und CoreWeave füllt genau diese Lücke.
Im Jahr 2025 erzielte CoreWeave einen Umsatz von 5,13 Milliarden US-Dollar, eine Steigerung von etwa 170 % gegenüber dem Vorjahr.Die Größe der Rechenzentren wurde auf 43 erweitert, mit einer genutzten Leistungskapazität von 850 Megawatt.Das Unternehmen ist mit rund 600.000 GPUs ausgestattet, hauptsächlich Nvidia H100 und H200, wobei der Anteil der Blackwell-Serie kontinuierlich steigt.Die vertraglich vereinbarte Gesamtleistungskapazität hat 3.500 Megawatt erreicht, was mehr als dem Vierfachen der derzeit genutzten Kapazität entspricht.
Allerdings ist die Expansionslogik von CoreWeave auch der größte strukturelle Druck.Um die Kosten für die Erweiterung des Rechenzentrums zu decken, kündigte das Unternehmen kürzlich eine Privatplatzierung von Anleihen im Wert von 4,75 Milliarden US-Dollar an.Da das Unternehmen weniger als 4 Milliarden US-Dollar an Barmitteln hat und im Jahr 2026 Investitionsausgaben in Höhe von 30 bis 35 Milliarden US-Dollar abschließt, ist es auf externe Finanzierung angewiesen, um die schnelle Expansion aufrechtzuerhalten.Die Investoren von CoreWeave setzen eindeutig auf die Kerneinschätzung, dass der Bedarf an Rechenleistung langfristig weiterhin stark wachsen wird.
Das Chaos geht weiter
Anthropics Erkundung des hauseigenen Chipdesigns, Nvidias 20-Milliarden-Dollar-Übernahme von Groq, Googles zehnjähriger Versuch, TPU zu einem Benchmark-Produkt zu machen, Amazons Einführung von Cerebras in seinem eigenen Rechenzentrum, um ein differenziertes Inferenzportfolio aufzubauen, und Intels Allianz mit SambaNova, um um einen Anteil am heterogenen Inferenzmarkt zu konkurrieren – diese scheinbar verstreuten Ereignisse deuten alle darauf hin, dass Inferenz das neue Schlachtfeld ist.
Immer mehr Menschen erkennen, dass sich der Schwerpunkt der KI von der Schulung besserer Modelle auf die Frage verlagert, wie mehr Anfragen zu geringeren Kosten und schneller abgeleitet werden können.Diese Verschiebung hat einen massiven Wandel im bisherigen GPU-zentrierten Rechenleistungssystem ausgelöst.
Diese Wettbewerbsrunde unterscheidet sich vom frühen Ersatz von CPUs durch GPUs.Das war eine einseitige Überlegenheit neuer Produkte gegenüber alten.Der heutige Kampf um Inferenzchips ähnelt eher einer arbeitsteiligen Umstrukturierung innerhalb eines komplexen Ökosystems.Keine einzelne Architektur kann alle Szenarien beherrschen und heterogene Kombinationen werden zum Mainstream.GPUs kümmern sich um das hochparallele Vorfüllen, dedizierte Inferenzchips übernehmen die Dekodierung, CPUs sind für die Planung und Koordination verantwortlich, mit unterschiedlichem Fokus auf die Cloud- und Edge-Enden, und in jedem Link konkurrieren mehrere Spieler.
Das bedeutet, dass das Ergebnis noch lange nicht entschieden ist.
Für Anthropic ist die Erforschung des internen Chipdesigns ein aktives Streben nach Autonomie der Rechenleistung und eine Versicherungspolice, um zu verhindern, dass das Unternehmen von vorgelagerten Lieferanten in Geiselhaft genommen wird.Aufgrund des langen Zyklus und der hohen Investitionen in die Chip-Forschung und -Entwicklung wird dieser Weg jedoch nicht einfach sein.Für Nvidia ist der Graben des CUDA-Ökosystems immer noch tief, aber die immer offensichtlicher werdende Leistungs-Kosten-Lücke auf der Inferenzseite wird für alle potenziellen Herausforderer zum gemeinsamen Durchbruchsziel.Für andere technische Wettbewerber wie Groq bedeutet Technologieführerschaft nicht unbedingt kommerziellen Erfolg, und die Wahrscheinlichkeit einer Übernahme steigt ständig.
Die Kampflinien sind gezogen und die Teilnehmerliste wächst weiter.Dieser KI-Inferenz-Rechenleistungs-Kampf hat gerade sein intensivstes Kapitel erreicht.