Omdia: 2028 überholen ASICs erstmals GPUs bei KI-Chip-Auslieferungen

Omdia: 2028 überholen ASICs erstmals GPUs bei KI-Chip-Auslieferungen

Die Marktforscher von Omdia erwarten, dass im Jahr 2028 erstmals mehr kundenspezifische KI-Chips – sogenannte ASICs – als Grafikprozessoren (GPUs) ausgeliefert werden. Grafikprozessoren sind das Kerngeschäft des Chipkonzerns Nvidia. Sollte die Prognose eintreten, würde sich die Nachfrage strukturell zugunsten maßgeschneiderter Chips verschieben, die von großen Cloud-Anbietern und Hyperscalern für ihre eigenen Rechenzentren entwickelt werden. Für Nvidia bedeutete das einen Angriff auf die zentrale Einnahmequelle: Der Verkauf von GPUs für Training und Inferenz von KI-Modellen dominiert bislang den Markt.

Marktzahlen untermauern den Trend: ASIC-Wachstum übertrifft GPUs deutlich

Zahlen des Marktforschungsunternehmens TrendForce stützen die These eines beschleunigten ASIC-Wachstums. Für das laufende Jahr 2026 prognostiziert TrendForce ein Wachstum von 44,6 Prozent bei kundenspezifischen KI-Chips (ASICs), während sogenannte Merchant-GPUs – also frei verkäufliche Grafikprozessoren wie die von Nvidia – nur um 16,1 Prozent zulegen sollen. Der Anteil ASIC-basierter KI-Server an den gesamten Auslieferungen soll demnach 27,8 Prozent erreichen. Bloomberg Intelligence wiederum beziffert den Gesamtmarkt für KI-Beschleuniger – also GPUs, ASICs und andere Spezialchips – auf 604 Milliarden US-Dollar bis zum Jahr 2033.

Hyperscaler als Treiber: Eigene Chips für Kostenkontrolle und Unabhängigkeit

Die treibende Kraft hinter dem ASIC-Trend sind die großen Hyperscaler. Google, Microsoft, Amazon und Meta entwickeln jeweils eigene KI-Chips: Google setzt auf seine TPU-Reihe, Microsoft auf Maia, Amazon auf Trainium und Inferentia, Meta auf MTIA. Diese Chips sind nicht für den freien Verkauf bestimmt, sondern werden in den eigenen Rechenzentren eingesetzt, um Abhängigkeit von Nvidia zu reduzieren und die Kosten pro Token beziehungsweise Trainingsschritt zu senken.

AWS bewirbt seinen Trainium-Chip mit klaren wirtschaftlichen Argumenten. [Herstellerangabe] Nach Angaben des Unternehmens liefere Trainium die beste Wirtschaftlichkeit für hochleistungsfähiges KI-Training und Inferenz in großem Maßstab. Jeder eingesparte Dollar beim Training werde in die nächste Iteration reinvestiert; jeder zu geringeren Kosten ausgelieferte Token bedeute mehr Nutzer und mehr Wert pro Dollar. Trainium sei zweckgebaut, jede Schicht des Systems – Chip, Server, Netzwerk, Software, Dienste – sei darauf ausgelegt, Verschwendung zu minimieren. [Ende Herstellerangabe] Diese Aussagen sind nicht unabhängig verifiziert. Sie zeigen jedoch die strategische Logik: Hyperscaler wollen die Kontrolle über die Chip-Architektur, um ihre spezifischen Workloads effizienter und günstiger zu betreiben, als es mit generischen GPUs möglich wäre. Da Inferenz inzwischen rund zwei Drittel der KI-Rechenausgaben ausmacht, ist der Anreiz besonders groß.

Nvidias Gegenstrategie: Marvell-Investition und neue Plattformen

Nvidia reagiert auf die wachsende ASIC-Konkurrenz mit konkreten Maßnahmen. Laut Berichten hat das Unternehmen zwei Milliarden US-Dollar in Marvell Technology investiert – einen der führenden Anbieter von Design-Dienstleistungen für kundenspezifische Chips. Damit sichert sich Nvidia indirekt einen Anteil am ASIC-Geschäft, selbst wenn Hyperscaler eigene Siliziumlösungen bevorzugen. Gleichzeitig hat Nvidia die NVLink-Fusion-Plattform eingeführt, die eine engere Integration von GPUs mit anderen Beschleunigern und Netzwerkkomponenten ermöglichen soll. Für die kommende Generation kündigte das Unternehmen die Vera-Rubin-Plattform an, die auf eine massive Steigerung der Rechenleistung pro Rack abzielt.

Diese Maßnahmen lassen sich als Versuch einordnen, die eigene Position als unverzichtbarer Technologiepartner zu verteidigen: Statt nur einzelne GPUs zu verkaufen, will Nvidia komplette Systeme und Interconnects liefern, die auch in heterogenen Umgebungen mit ASICs funktionieren. Ob das ausreicht, um den von Omdia prognostizierten Überholzeitpunkt zu verhindern oder abzumildern, ist offen.

Relativierung: Warum Nvidias Position robuster sein könnte als gedacht

Die Bedrohung durch ASICs wird nicht von allen Beobachtern gleich bewertet. Omdia sieht im Überholen der GPU-Auslieferungen 2028 eine klare Gefahr für Nvidias Kerngeschäft. Demgegenüber argumentieren spheron.network und hashrateindex, dass die Hyperscaler-ASICs – also Googles TPU, Amazons Trainium, Microsofts Maia und Metas MTIA – nicht extern mietbar sind. Sie seien „captive“, also ausschließlich für die jeweiligen Betreiber verfügbar. Für externe Teams, die Rechenleistung in der Cloud anmieten, ändere sich dadurch wenig: Sie blieben auf Nvidia-GPUs oder unabhängige Anbieter angewiesen.

Zudem repositioniere sich Nvidia zunehmend als Full-Stack-Plattform – mit NVLink Fusion, Software-Ökosystem und Systemintegration – und nicht mehr nur als reiner Chip-Lieferant. Dadurch sei die Auswirkung auf Nvidias Gesamtposition begrenzt, selbst wenn die Zahl ausgelieferter GPUs zurückgeht. Beide Positionen messen unterschiedliche Dinge: Omdia zählt physische Chip-Auslieferungen, die Gegenposition stellt auf Verfügbarkeit für Dritte und strategische Neuausrichtung ab. Der Widerspruch ist daher kein Widerspruch in den Fakten, sondern in der Perspektive.