JPMorgan schätzt Nvidias Anteil an künftigen KI-Chip-Deals auf 39 %, da AMD und Konkurrenten Boden gutmachen
Wichtige Erkenntnisse
- •Eine JPMorgan-Schätzung beziffert Nvidias Anteil an künftigen Compute-Deals mit Frontier-KI-Labors auf 39 %, gegenüber mehr als 80 % im Zeitraum 2023–2025.
- •Auf Broadcom-Custom-Chips sollen laut Prognose 24 % dieser künftigen Deals entfallen, auf Google-TPUs 16 %, AMD 15 % und Amazon Trainium 6 %.
- •Ein Frontier-KI-Labor erklärt, der Umzug seiner Modelle auf AMD-Chips dauere nun drei Tage statt der früher geschätzten sechs bis zwölf Monate, und führt dies auf die Engineering-Arbeit seiner eigenen KI zurück.
- •Sechs der sieben größten KI-Chip-Käufer entwickeln eigene Hardware; SpaceX wird als einzige Ausnahme genannt.
- •JPMorgans Notiz, veröffentlicht zwei Tage nach dem Rücktritt von Jensen Huang als CEO am 12. November, berichtete auch, dass Nvidia in den letzten drei Quartalen 58 % seines operativen Cashflows in Eigenkapitalinvestitionen und Übernahmen gesteckt hat.

Nvidias Stellung im Bereich der Recheninfrastruktur, die von führenden KI-Entwicklern genutzt wird, sieht sich wachsender Konkurrenz gegenüber, wobei eine Schätzung von JPMorgan den Anteil des Chipherstellers an künftigen Compute-Deals mit Frontier-KI-Labors auf 39 % beziffert. Das steht im Vergleich zu einem Marktanteil von mehr als 80 % zwischen 2023 und 2025, laut Zahlen, die von Coin Bureau auf X geteilt wurden. Die Zahlen deuten auf eine stärker fragmentierte Landschaft für KI-Computing hin als in der früheren Phase. Die Zusammensetzung dieser Landschaft ist relevant, weil die zugrunde liegende Hardware Kosten, Verfügbarkeit und Software-Tooling rund um das KI-Training im großen Maßstab prägt.
Der verbleibende Anteil der künftigen Deals verteilt sich auf mehrere konkurrierende Chip-Plattformen. Broadcom-Custom-Chips machen 24 % aus, Google Tensor Processing Units (TPUs) 16 %, AMD 15 % und Amazon Trainium 6 % – eine Aufschlüsselung, die das Spektrum der Alternativen verdeutlicht, das große KI-Entwickler bei der Diversifizierung ihrer Recheninfrastruktur verfolgen. Die Plattformen unterscheiden sich im Ursprung: Broadcoms Chips sind maßgeschneiderte Beschleuniger nach den Spezifikationen einzelner Kunden, Googles TPUs und Amazons Trainium werden intern von den Betreibern entwickelt, die sie einsetzen, und AMDs Rechenzentrum-Angebot konzentriert sich auf seine Instinct-Linie von KI-Beschleunigern. Da die Zahlen Schätzungen über noch nicht abgeschlossene Deals sind, beschreiben sie eine projizierte Beschaffungsmischung und keine erfassten Transaktionen.
Wechsel zu AMD-Chips soll laut Bericht nur drei Tage dauern
Eine der im Bericht genannten Entwicklungen betrifft, wie schnell ein KI-Labor seine Modelle auf Hardware eines anderen Anbieters umstellen kann. Laut den von Coin Bureau geteilten Informationen erklärte ein Frontier-KI-Labor, der Wechsel seiner Modelle auf AMD-Chips dauere nun drei Tage, gegenüber einer früheren Schätzung von sechs bis zwölf Monaten.
Das Labor führte die kürzere Übergangszeit darauf zurück, dass seine eigene KI die für den Wechsel erforderliche Engineering-Arbeit übernahm. Die berichtete Veränderung zeigt, wie der Einsatz von KI in Engineering-Prozessen den Zeitaufwand für die Anpassung von Modellen an verschiedene Chip-Architekturen reduzieren kann. Solche Umstellungen erforderten historisch betrachtet erhebliche Software-Arbeit, da Modelle an den Befehlssatz und die unterstützenden Tools jedes Anbieters angepasst werden müssen, bevor sie auf neuer Hardware effizient laufen.
Die Entwicklung ist für Nvidias Wettbewerbsposition relevant, weil die Fähigkeit, Workloads zwischen Hardware-Anbietern zu verlagern, KI-Labors mehr Flexibilität bei der Auswahl ihrer Recheninfrastruktur geben kann. Die Quelle identifiziert das Labor jedoch nicht und legt nicht dar, welche AMD-Chips beteiligt sind.
Größte KI-Chip-Käufer entwickeln eigene Hardware
Der Bericht verweist auch auf die Bemühungen führender KI-Unternehmen, eigene Chip-Technologien zu entwickeln. Von den sieben größten KI-Chip-Käufern sei "nur SpaceX nicht dabei, eigene zu bauen", heißt es in der von Coin Bureau zitierten Aussage.
Dieser Trend fügt der Konkurrenz im KI-Infrastrukturmarkt eine weitere Dimension hinzu. Neben Käufen von Nvidia, AMD und anderen Anbietern verfolgen einige der größten Käufer eine interne Hardware-Entwicklung, statt sich für ihren Rechenbedarf vollständig auf externe Chip-Anbieter zu verlassen. Das Muster zeigt sich bereits in JPMorgans Aufschlüsselung, in der Googles TPUs und Amazons Trainium – Silicon, das von den Unternehmen entwickelt wurde, die es einsetzen – neben Chips von kommerziellen Anbietern wie Nvidia und AMD stehen.
Nvidias Investitions- und Übernahmeausgaben
JPMorgans Notiz hob auch Nvidias Kapitalallokation hervor. Das Unternehmen gab laut den von Coin Bureau berichteten Zahlen in den letzten drei Quartalen 58 % seines operativen Cashflows für Eigenkapitalinvestitionen und Übernahmen aus.
Auch das Timing der Notiz war bemerkenswert: Sie wurde zwei Tage veröffentlicht, nachdem Jensen Huang am 12. November als CEO zurückgetreten war, wie im ursprünglichen Coin-Bureau-Beitrag angegeben. Der Bericht lieferte keine weiteren Details zu den Umständen des Rücktritts.
Insgesamt deuten die Zahlen auf einen sich wandelnden Wettbewerbslandschaft für KI-Computing hin. JPMorgans Schätzung beziffert Nvidia auf 39 % der künftigen Compute-Deals mit Frontier-KI-Labors, während Broadcom-Custom-Chips, Google-TPUs, AMD und Amazon Trainium die übrigen berichteten Marktanteile ausmachen. Künftige Revisionen der Schätzung sowie öffentliche Beschaffungs- oder Umstellungsmitteilungen der beteiligten Labors würden zusätzliche Datenpunkte liefern, an denen sich diese berichteten Zahlen überprüfen lassen.
Quelle: Hokanews