Nvidia-Chip für 30.000 Dollar: Halbleiter treiben Kosten für Unternehmen
Der US-Konzern besitzt fast eine Monopolstellung bei leistungsfähigen KI-Chips.
Foto: BloombergMünchen, Düsseldorf, San Francisco. Als Mustafa Suleyman auf einer Tech-Konferenz in San Francisco gefragt wird, was sein Start-up Inflection AI so besonders macht, muss er nicht lange überlegen. „Wir haben den größten Cluster der leistungsfähigen Chips von Nvidia“, sagt der Experte für Künstliche Intelligenz (KI). Man verfüge über 22.000 der Halbleiter. „Das ist ein gewaltiger Vorteil.“
Die Aussage ist bemerkenswert. Suleyman gründete einst den Pionier Deepmind, der mittlerweile zu Google gehört. Statt aber sein neues Geschäftsmodell oder seinen KI-Assistenten anzupreisen, spricht der 39-Jährige lieber über Halbleiter. Denn die sind teuer und schwer zu bekommen. „Alle sind hinter KI-Chips her“, sagt David DeSanto, Produktchef des Techunternehmens Gitlab.
Das zeigten auch die am Mittwochabend vorgelegten Rekordzahlen von Nvidia. Der Chipkonzern hat seinen Umsatz im zweiten Quartal mehr als verdoppelt auf 13,5 Milliarden Dollar, auch der Gewinn übertraf alle Analystenvorhersagen. „Die Nachfrage bei uns ist gewaltig“, sagte Gründer und Chef Jensen Huang.
Nvidia besitzt fast eine Monopolstellung bei leistungsfähigen KI-Chips, in der Fachsprache Graphic Processor Units (GPU) genannt. Das Spitzenprodukt H100 kostet derzeit mehr als 30.000 Dollar pro Stück – bei Produktionskosten, die die Investmentbank Raymond James auf etwas mehr als 3000 Dollar schätzt.
Kein Wunder, dass der Gewinn von Nvidia innerhalb eines Jahres von 656 Millionen auf 6,2 Milliarden Dollar hochschnellte. Die Aktie des Unternehmens lag am Donnerstag im vorbörslichen Handel rund sieben Prozent im Plus. Seit Jahresanfang hatte sich die Marktkapitalisierung von Nvidia bereits mehr als verdreifacht auf fast 1,2 Billionen Dollar.
Die Kehrseite: Von Auto bis Pharma stehen alle Firmen durch die teuren KI-Chips vor Kostensteigerungen – entweder direkt beim Hardwareeinkauf oder indirekt durch höhere Cloud-Kosten. „Ohne moderne KI-Chips macht keiner irgendetwas“, sagt Katharina Borchert, Mitgründerin von Metabolic Health AI aus San Francisco. „Der Mangel trifft alle Branchen und Firmen.“
Nvidia: KI-Halbleiter für Datenzentren auf ein Jahr ausverkauft
Welche Unternehmen welche Kostensteigerung tragen müssen, hängt von Produkt und Forschungsintensität ab. So werden Nvidias Chips vor allem in Datenzentren und Hochleistungscomputern genutzt. „Die Forschungskosten steigen für alle Unternehmen“, sagt Gartner-Analyst Alan Priestley.
Wenn beispielsweise BMW seine Fahrzeuge auf Unfallsicherheit testet, brauche der Autobauer die teuren GPUs. Beim KI-Einsatz im Auto dagegen, etwa bei der Stimmerkennung, seien viel weniger leistungsfähige Chips ausreichend.
Branchenexperten zufolge sind die Nvidia-Chips auf ein Jahr ausverkauft. Konzernchef Jensen Huang verspricht eine Produktionsausweitung, doch ihm sind die Hände gebunden. Denn der Engpass liegt beim Auftragsfertiger TSMC. Laut Experten fehlt es an Kapazitäten in der Chipmontage und der Verpackung der Bauelemente.
Der Angebotsmangel trifft auf immer mehr und aufwendigere KI-Anwendungen, die sich im Markt durchsetzen und mehr Rechenleistung erfordern. Ein Beispiel ist Haushaltselektronik: In Kühlschränken, Fernsehern oder Spielekonsolen wurden 2022 nach einer Analyse der Technologieberatung Gartner „KI-befähigende Halbleiter“ im Wert von 558 Millionen Dollar gebraucht, in diesem Jahr schnellt der Umsatz auf 1,2 Milliarden Dollar hoch.
„Die Nachfrage bei uns ist gewaltig.“
Foto: BloombergInsgesamt verdreifacht sich laut Gartner der Umsatz mit KI-Chips von 2022 bis 2027 von 44,2 Milliarden auf rund 120 Milliarden Dollar.
Kostenproblem und KI-Chipmangel in Deutschland noch nicht akut
Noch ist das Problem nicht mit voller Wucht in Deutschland angekommen. Viele der Unternehmen hierzulande befänden sich bei KI noch in der „Entwicklungsphase“, sagt Noureddine Seddiki, Chef und Gründer des Frankfurter Halbleiterbrokers Sand & Silicon. „Wie bei vielen anderen technischen Themen hinkt der deutschsprachige Raum bei diesem Thema anderen Nationen, wie denen in Asien und den USA, hinterher.“
Doch erwartet Seddiki in Deutschland „einen viel höheren Anstieg in den kommenden Monaten und Jahren“.
Die Zeitverzögerung gilt auch für Start-ups. Die erhalten in der Anfangsphase oft vergünstigte Rechenkapazitäten von Amazon, Microsoft, Google oder Nvidia. Die Cloud-Anbieter wollen auf diese Weise die Firmen früh an sich binden. „Doch sobald diese Unterstützungsprogramme auslaufen und die realen Betriebskosten ins Spiel kommen, erleben viele dieser jungen Unternehmen oft ein böses Erwachen“, sagt Tristan Post von AI Founders, einem der größten auf KI spezialisierten Start-up-Inkubatoren Europas.
Nvidia besitzt bei KI-Chips ein Jahrzehnt Vorsprung
Hinter GPUs stehen, vereinfacht gesagt, Grafikkarten mit integrierter Rechenkapazität, die ursprünglich vor allem für die Gamingbranche entwickelt wurden. Mit einer speziellen Chiparchitektur und großen Anzahl von Rechenkernen erreichen GPUs eine viel höhere Rechenleistung als herkömmliche Halbleiter, die CPUs.
Dafür sind GPUs weniger vielseitig einsetzbar. Doch für das Trainieren von neuronalen Netzen sind sie ausgezeichnet geeignet: Dort müssen große Datenmengen verarbeitet und viele ähnliche Rechenoperationen hintereinander ausgeführt werden. Hauptabnehmer sind Betreiber von Datenzentren wie die großen Cloud-Anbieter AWS von Amazon, Azure von Microsoft und Google.
Mehr zu Künstlicher Intelligenz
Diese Entwicklung hatte Nvidia-Gründer Huang bereits vor mehr als zehn Jahren vorhergesehen. Zwar investieren jetzt auch AMD und Intel in KI-Chips, aber Nvidia ist nach Ansicht von Experten in seiner Hardware und Software der Konkurrenz um ein Jahrzehnt voraus. „Es zahlt sich die frühe und einseitige Ausrichtung durch Jensen Huang aus“, sagt Gartner-Analyst Priestley.
Laut dem Technologieexperten Peter Fintl ist die dominante Stellung von Nvidia aber keineswegs dauerhaft gesichert. Denn die GPUs des Konzerns seien wahre Stromfresser und dazu noch teuer. Das sei die Chance für Wettbewerber, mit energieeffizienteren Lösungen Marktanteile zu gewinnen. Milliardenschwere KI-Spezialisten wie Google, Meta und Microsoft könnten sich das leisten: „Die Tech-Riesen werden eigene Prozessoren entwickeln“, sagt Fintl.
Mitarbeit: Nadine Schimroszik
Erstpublikation: 24.08.2023, 15:33 Uhr.