Apple skaliert das Pre-Training seiner Foundation Models – der universellen KI-Systeme, die die Grundlage moderner KI-Stacks bilden – auf Google Tensor Processing Units (TPUs) hoch und verlagert damit einen der rechenintensivsten Teile seiner KI-Strategie auf Chips, die von einem seiner größten Konkurrenten entwickelt wurden.

Was Apple tatsächlich tut

Das Pre-Training ist die arbeitsintensivste Phase beim Aufbau eines großen Sprachmodells. Sie verbraucht enorme Rechenleistung, was die Wahl der Hardware zu einer strategischen Entscheidung statt zu einer bloßen Beschaffungsfrage macht.

Apples Hardware der Wahl sind Googles TPUs – individuelle Chips, die Google speziell für Machine-Learning-Workloads entwickelt hat und keine für KI angepassten Allzweck-Grafikprozessoren.

Apples erstes AFM-Servermodell wurde auf einem Cluster aus 8.192 TPU-v4-Chips trainiert. Das On-Device-Modell, die kleinere Variante, die lokal auf Apple-Hardware laufen soll, wurde auf einem 2.048-Chip-Ausschnitt aus TPU-v5p-Chips aufgebaut – einer neueren Generation in Googles TPU-Portfolio.

Die Leistungsgewinne waren erheblich. Der Schritt verschaffte Apple mehr als die doppelte Anzahl an Gleitkommaoperationen pro Sekunde (FLOPS) sowie die dreifache High-Bandwidth-Memory-Kapazität – sodass die Chips weit mehr Berechnungen pro Sekunde durchführen können, während sie gleichzeitig deutlich mehr Daten direkt verfügbar halten. Das Ergebnis: Die Trainingszeit für große Sprachmodelle verkürzte sich um bis zum Faktor 2,8.

Wie Apple hierher kam

Die Geschichte beginnt im Juli 2024, als Apple bekannt gab, seine ersten Apple Foundation Models (AFM) auf Google-Cloud-TPUs statt auf den NVIDIA-GPUs trainiert zu haben, die der Großteil der Branche verwendete.

Die Verfügbarkeit war ein Teil der Begründung. Der Wechsel fiel in eine Zeit von NVIDIA-H100-Lieferengpässen, in Kombination mit dem in der Forschung beschriebenen überlegenen Preis-Leistungs-Verhältnis von Googles TPUs für Apples Anforderungen.

Im Januar 2026 schloss Apple eine mehrjährige Vereinbarung mit Google über den Zugang zu Gemini-Technologie ab, ein Deal im Berichtswert von einer Milliarde US-Dollar jährlich. Im Juni 2026 kündigte Apple dann seine AFM-Modelle der dritten Generation an – ein Release, der eine maßgeschneiderte Entwicklungsarbeit mit Google markierte.

Allerdings läuft nicht alles auf TPUs. Eines der Modelle der dritten Generation, AFM 3 Cloud Pro, läuft auf NVIDIA-Blackwell-GPUs innerhalb der Google Cloud.

In einem Punkt ist Apple durchgängig konsequent: Das Unternehmen betont, dass keine privaten Nutzerdaten zum Training seiner Foundation Models verwendet wurden, und erklärt, die Opt-out-Präferenzen von Publishern zu respektieren.

Was das bedeutet

Die unmittelbarste Erkenntnis ist, dass Google zu einem tragenden Pfeiler von Apples KI-Bemühungen geworden ist. Zwischen dem TPU-basierten Training, der Google-Cloud-Infrastruktur und der Gemini-Lizenzvereinbarung verläuft Apples KI-Roadmap nun an mehreren Stellen gleichzeitig über Mountain View.

AFM 3 Cloud Pro auf Blackwell-GPUs zeigt zudem, dass Apple weiterhin in NVIDIAs Ökosystem investiert bleibt – nur eben über die Google Cloud statt als direkter Ankerkunde für seine Trainingsläufe.

Von hier an sind die konkreten Details von Interesse: wie sich die mehrjährige Gemini-Vereinbarung in Apples Releases niederschlägt und auf welchen Chips – von Google oder NVIDIA – jede nachfolgende AFM-Generation laut Angabe läuft, ein Rhythmus, der bisher von der TPU-Ankündigung im Juli 2024 bis zum Launch der dritten Generation im Juni 2026 reicht.