Googles TPU-gestützter Gemini zwingt OpenAI in den Alarmzustand, während Nvidia einbricht

Google hat einen harten Neustart im KI-Hardware-Wettlauf ausgelöst, nachdem seine TPU-Chips Gemini 3 in unabhängigen Tests an GPT‑5 vorbeigeführt haben und dabei sowohl OpenAI als auch Nvidia gleichzeitig hart getroffen haben.

Gemini 3 lief hauptsächlich auf Googles Tensor Processing Units, nicht auf Nvidia-GPUs. Nachdem die Ergebnisse vorlagen, wies Sam Altman die Mitarbeiter an, den Fokus wieder auf die Behebung von ChatGPT und seiner Kernmodelle zu richten.

Der Schritt folgte auf das, was OpenAI als „Code-Red“-Moment in der vergangenen Woche bezeichnete. Gleichzeitig sagten Analysten voraus, dass Google die TPU-Produktion bis 2028 mehr als verdoppeln plane, da die Nachfrage nach eigenen KI-Chips weiter steigt.

Google skaliert Chips und geht in den Außendienst

Google plant nun, über die Nutzung von TPUs nur in der eigenen Cloud hinauszugehen. Ein einzelner kürzlicher Vertrag allein führte dazu, dass 1 Million TPUs an Anthropic geliefert wurden, ein Deal, der im Bereich von zehn Milliarden Dollar bewertet wird. Dieser einzelne Vertrag erschütterte die Nvidia-Investoren.

Die Sorge ist einfach: Wenn Google mehr TPUs an externe Firmen verkauft, steht Nvidia vor einem direkten Verlust an Rechenzentrumsnachfrage.

Chip-Analysten bei SemiAnalysis stufen TPUs nun sowohl für das Training als auch für den Betrieb fortschrittlicher KI-Systeme als „auf Augenhöhe mit Nvidia“ ein. Morgan Stanley schätzt, dass der Verkauf von jeweils 500.000 TPUs an externe Käufer bis zu 13 Milliarden Dollar Umsatz für Google generieren könnte.

Die Bank erwartet außerdem, dass TSMC im nächsten Jahr 3,2 Millionen TPUs produziert, was 2027 auf 5 Millionen und 2028 auf 7 Millionen ansteigen wird. Analysten sagten, dass das Wachstum im Jahr 2027 nun stärker aussieht als frühere Prognosen.

Google baut seine Prozessoren hauptsächlich mit Broadcom, mit zusätzlicher Unterstützung von MediaTek. Das Unternehmen gibt an, dass sein Vorteil in der vollständigen vertikalen Kontrolle über Hardware, Software und KI-Modelle innerhalb eines Systems liegt. Koray Kavukcuoglu, Googles KI-Architekt und CTO von DeepMind, sagte: „Das Wichtigste ist dieser Full-Stack-Ansatz. Ich denke, wir haben dort einen einzigartigen Ansatz.“

Er sagte auch, dass Googles Daten von Milliarden von Nutzern ihm tiefe Einblicke darin geben, wie Gemini über Produkte wie Search und AI Overviews funktioniert.

Die Nvidia-Aktien fielen im vergangenen Monat, nachdem The Information berichtet hatte, dass Meta Gespräche mit Google über den Kauf von TPUs geführt hatte. Meta lehnte eine Kommentierung ab. Analysten sagen nun, dass Google ähnliche Lieferverträge mit OpenAI, Elons xAI oder Safe Superintelligence schließen könnte, mit potenziellen zusätzlichen Einnahmen, die über mehrere Jahre hinweg 100 Milliarden Dollar übersteigen könnten.

Nvidia verteidigt sich, während die TPU-Geschichte tiefer geht

Nvidia reagierte nach dem Ausverkauf. Das Unternehmen erklärte, es bleibe „der Branche eine Generation voraus“ und „die einzige Plattform, die jedes KI-Modell ausführt“. Es sagte auch: „Wir liefern weiterhin an Google.“ Nvidia fügte hinzu, dass seine Systeme „größere Leistung, Vielseitigkeit und Austauschbarkeit“ bieten als TPUs, die seiner Meinung nach auf bestimmte Frameworks abzielen.

Gleichzeitig erhalten Entwickler nun Tools, die den Wechsel weg von Nvidias Cuda-Software erleichtern. KI-Coding-Tools helfen dabei, Workloads schneller als zuvor für TPU-Systeme umzuschreiben. Das beseitigt eine der stärksten Lock-in-Abwehrmaßnahmen von Nvidia.

Die TPU-Geschichte begann lange vor dem heutigen KI-Boom. Im Jahr 2013 hielt Jeff Dean, der Chefwissenschaftler von Google, nach einem Durchbruch bei tiefen neuronalen Netzen für Sprachsystme einen internen Vortrag. Jonathan Ross, damals Hardware-Ingenieur bei Google, erinnerte sich an den Moment. „Die erste Folie enthielt gute Nachrichten: Machine Learning funktioniert endlich. Folie zwei sagte schlechte Nachrichten: Wir können es uns nicht leisten.“ Dean berechnete, dass die Rechenkapazität der Rechenzentren verdoppelt werden müsste, wenn Hunderte Millionen Nutzer täglich drei Minuten lang mit Google sprächen, was Kosten in Höhe von zehn Milliarden Dollar nach sich ziehen würde.

Ross begann 2013, den ersten TPU als Nebenprojekt zu bauen, während er in der Nähe des Sprachteams saß. „Wir haben diesen ersten Chip mit etwa 15 Personen gebaut“, sagte er im Dezember 2023. Ross leitet heute das KI-Chip-Unternehmen Groq.

Im Jahr 2016 besiegte AlphaGo den weltweiten Go-Meister Lee Sedol, und dieses historische Match wurde zu einem großen Meilenstein der KI. Seitdem treiben TPUs Googles Search-, Werbe- und YouTube-Systeme seit Jahren an.

Google aktualisierte seine TPUs früher alle zwei Jahre, aber dieser Zyklus wurde vor 2 Jahren im Jahr 2023 auf jährlich geändert.

Ein Google-Sprecher sagte, die Nachfrage steige in beiden Bereichen. „Google Cloud verzeichnet eine wachsende Nachfrage sowohl für unsere eigenen TPUs als auch für Nvidia-GPUs. Wir werden weiterhin beide unterstützen“, sagte das Unternehmen.