Google greift mit Ironwood-Chips Nvidia an, Meta soll an den TPUs interessiert sein
Google hat nicht nur den ChatGPT-Schock wie berichtet überwunden, sondern geht nun zum Angriff auch auf den Chip-Giganten Nvidia über. Denn der Internet-Konzern hat mit „Ironwood“ seine siebte Generation der Tensor Processing Units (TPUs) vorgestellt. Der neue KI-Chip ist nach Unternehmensangaben der bislang leistungsstärkste und energieeffizienteste Prozessor aus eigener Entwicklung.
Ironwood bietet eine mehr als vierfache Leistungssteigerung pro Chip im Vergleich zur Vorgängergeneration, sowohl beim Training als auch bei der Inferenz von KI-Modellen. Besonders hervorzuheben ist die Möglichkeit, bis zu 9.216 Chips in einem sogenannten „Superpod“ zu vernetzen, die über ein hochmodernes Inter-Chip-Interconnect-Netzwerk mit einer Geschwindigkeit von 9,6 Terabit pro Sekunde miteinander kommunizieren. Dies ermöglicht den Zugriff auf insgesamt 1,77 Petabyte gemeinsamen Hochleistungsspeicher.
Ein besonderes Merkmal ist die enge Integration mit Googles eigener KI-Forschung: Die Chips werden mittels der „AlphaChip“-Methode entwickelt, bei der KI-Systeme selbst das Chipdesign optimieren – ein Ansatz, der bereits bei den letzten drei TPU-Generationen zum Einsatz kam. Das neueste LLM von Google, Gemini 3 Pro, wurde ausschließlich auf TPUs trainiert, was die Unabhängigkeit von Nvidia unterstreicht.
Warum dies ein Angriff auf Nvidia ist: Das Beispiel Meta
Die Marktreaktion ließ nicht auf sich warten: Nvidias Aktienkurs fiel am Dienstag, nachdem bekannt wurde, dass Meta in Gesprächen mit Google steht, um dessen spezialisierte KI-Chips in seinen Rechenzentren einzusetzen, und zwar als Alternative zu Nvidias dominierenden Produkten. Die strategische Bedrohung für Nvidia lässt sich am Meta-Beispiel verdeutlichen:
1. Durchbrechen der Abhängigkeit
Meta gehört zu den größten Abnehmern von Nvidias KI-Chips, insbesondere der H100- und H200-Modelle. Jeder Großkunde, der auf alternative Lösungen wie Googles TPUs umschwenkt, bedeutet nicht nur entgangene Einnahmen, sondern auch einen Präzedenzfall für andere Hyperscaler.
2. Kosteneffizienz und Verfügbarkeit
Nvidias Chips waren während des KI-Booms oft Mangelware und extrem teuer. Googles TPUs bieten nun eine verfügbare Alternative mit überlegener Energieeffizienz – ein entscheidender Faktor bei den enormen Energiekosten moderner KI-Rechenzentren.
3. Vertikale Integration als Wettbewerbsvorteil
Wie das Wall Street Journal treffend formulierte, wird Google zu einer „Kombination aus OpenAI und Microsoft mit einem Hauch von Nvidia“. Diese vertikale Integration – von der Hardware über die Cloud-Infrastruktur bis zu den KI-Modellen – macht Google zu einem vollständigen Ökosystem-Anbieter. Meta kann somit nicht nur Chips kaufen, sondern eine integrierte Lösung nutzen, die speziell für moderne KI-Anwendungen optimiert ist.
4. Der Fokus auf Inferenz
Ironwood ist gezielt für die Inferenz-Phase entwickelt, also das Ausführen trainierter Modelle, nicht deren Training. Da die Branche zunehmend von der Entwicklung neuer Modelle zur massenhaften Bereitstellung bestehender Modelle übergeht, trifft Google mit diesem Fokus genau den Nerv des Marktes. Meta betreibt Milliarden von KI-Inferenzen täglich für seine Plattformen – ein idealer Anwendungsfall für Ironwood.
5. Der „erwachte Riese“
Lange galt Google im KI-Rennen als Nachzügler. Doch mit dem verbesserten Gemini-Modell und nun den Ironwood-Chips positioniert sich das Unternehmen als ernstzunehmender Konkurrent. Ein Analyst bezeichnete Google als „schlafenden Riesen, der nun vollständig erwacht ist“ – eine Einschätzung, die Nvidias quasi-monopolistische Position fundamental bedroht.
Fazit
Googles Ironwood-TPU ist mehr als nur ein neuer Chip, es ist ein strategischer Schachzug, der Nvidias Dominanz im lukrativen KI-Hardware-Markt direkt angreift. Wenn Großkunden wie Meta tatsächlich auf Googles Lösungen umsteigen, könnte dies eine Trendwende markieren und Nvidia zwingen, sowohl preislich als auch technologisch nachzubessern. Der Wettbewerb im KI-Chip-Markt hat gerade erst begonnen.
