Attacke der ewigen Nummer 2
Jahrelang galt der Chipdesigner AMD im Geschäft mit Künstlicher Intelligenz in puncto Leistung als chancenlos gegen Nvidia. Nun beansprucht Konzernchefin Lisa Su die Krone.
ufAuf der dritten Etage des Moscone Center in San Francisco drängen sich an einem Donnerstagvormittag Tausende Menschen am Einlass zum großen Konferenzsaal. Der Platz ist knapp. Bevor Apple seinen neuen Campus mit eigenem Theater eröffnete, stellte der Konzern hier jahrelang seine wichtigsten Produkte vor, für die sich Milliarden Menschen auf der ganzen Welt interessierten.
Diesmal geht es ebenfalls um Milliarden. Genauer gesagt, um Hunderte Milliarden Dollar. So viel investieren Unternehmen derzeit in Hardware für Künstliche Intelligenz.
Geladen hat die Nummer zwei des Markts, der Chipdesigner AMD aus dem Silicon Valley. Der Konzern stellt seine neuesten KI-Produkte vor: das Rack-System Helios sowie neue Chips für Server und Computer. Weil das Interesse so groß war, musste die Präsentation aus einem Hotel in San José nach San Francisco verlegt werden.
Sicher, im Vergleich zu iPhone oder iPad klingt ein Serverschrank wenig glamourös. Für die Entwickler und Einkäufer im Saal ist er trotzdem spannend. Nicht nur wegen seiner Leistung, sondern weil viele Unternehmen dringend nach einer Alternative zum Branchenprimus Nvidia suchen, um sich nicht allzu abhängig zu machen.
Doch kann AMD dem Spitzenreiter bei der Leistung tatsächlich das Wasser reichen?
Nach Darstellung von AMD-Chefin Lisa Su sogar mehr als das. Glaubt man ihrer mehr als zweistündigen Präsentation, hat ihr Unternehmen Nvidia bei bestimmten Anwendungen nicht nur eingeholt, sondern überholt. Kann das stimmen? Oder nutzt Su unrealistische Vergleiche?
Der Abstand zum Marktprimus wird kleiner
Noch vor Kurzem schien Nvidia, geführt von Jensen Huang, uneinholbar vorn zu liegen. „AMD scheint tatsächlich die Lücke geschlossen zu haben“, sagt Analyst Patrick Moorhead von Moor Insights & Strategy. Allerdings nur in einem derzeit besonders boomenden Marktsegment: der sogenannten Inferenz, also dem Anwenden bereits trainierter KI-Modelle. Beim Training der größten Modelle bietet Nvidia nach Einschätzung Moorheads weiterhin die leistungsfähigsten Systeme an. Aber das, meint er, muss nicht so bleiben. Inzwischen nutzten auch OpenAI und Meta AMD-Lösungen für Teile ihres Trainings.
Su macht keinen Hehl daraus, dass sie sich mit der Rolle der ewigen Nummer zwei nicht abfinden will. Den gesamten adressierbaren Markt für Rechenzentren taxiert sie für das Jahr 2030 auf zwei Billionen Dollar.
Auf der Bühne inszeniert sich die 56-Jährige mit sichtbarem Vergnügen. „Ich nenne mich manchmal die Vanna White der Chips“, scherzt sie in Anspielung auf die Assistentin des amerikanischen Glücksrads (in Deutschland Maren Gilzer), während sie ein Bauteil nach dem anderen in die Kameras hält.
Erst den Grafikprozessor MI455X mit 320 Milliarden Transistoren, gefertigt bei TSMC in Taiwan. Dann Prozessorplatinen, Netzwerkchips und schließlich einen rund 70 Kilogramm schweren Recheneinschub. Zusammengeschraubt ergibt das Helios, einen Serverschrank mit 72 Grafikprozessoren und 31 Terabyte Hochleistungsspeicher.
Sus Kampfansage: Helios liefere nach AMD-eigenen Berechnungen bei bestimmten Inferenzaufgaben 15 Prozent mehr Leistung als Nvidias Konkurrenzsystem Vera Rubin, dazu 50 Prozent mehr Speicher und bis zu 30 Prozent mehr erzeugte Token pro investiertem Dollar.
Es ist genau die Währung, in der Kunden wie Microsoft, Oracle oder Meta derzeit rechnen. Ihre KI-Budgets steigen Monat für Monat. Entscheidend ist nicht mehr allein, welcher Chip theoretisch die meisten Rechenoperationen schafft, sondern wie viele Antworten ein System für jeden eingesetzten Dollar erzeugen kann.
AMD forciert offene Standards
Wie weit AMD gekommen ist, zeigt der Blick zurück. Als der KI-Boom vor gut drei Jahren begann, steckten in einem typischen KI-Server zwei Intel-Prozessoren und acht Grafikchips von Nvidia. AMD spielte kaum eine Rolle. Das Unternehmen aus Santa Clara hatte Nvidia bis dahin vor allem bei Chips für Computerspiele Konkurrenz gemacht.
Dann startete Nvidia mit KI-Beschleunigern auf Basis seiner Grafikprozessoren durch. AMD musste nachziehen.
Statt eines einzigen riesigen Chips entwickelt das Unternehmen kleinere Bausteine, sogenannte Chiplets, die sich je nach Bedarf kombinieren lassen. Dazu kaufte AMD den Netzwerkspezialisten Pensando und den KI-Systementwickler ZT Systems, investierte massiv in die eigene Softwareplattform ROCm und setzte auf offene Standards – als Gegenentwurf zu Nvidias weitgehend geschlossener Welt rund um die Programmierumgebung CUDA.
Dass Su den Marktführer herausfordert, hat Tradition. Als die in Taiwan geborene Ingenieurin AMD 2014 übernahm, stand das Unternehmen am Abgrund. Die Aktie kostete zeitweise weniger als drei Dollar.
Su sanierte den Konzern mit derselben Methode, die sie nun gegen Nvidia einsetzt: klare Produktpläne, verlässliche Liefertermine und Generation für Generation bessere Chips. So holte AMD über Jahre gegenüber dem einst übermächtigen Prozessorriesen Intel auf. Im Geschäft mit x86-Serverprozessoren kommt AMD inzwischen auf rund 46 Prozent Umsatzanteil und ist Intel damit fast ebenbürtig.
In San Francisco präsentiert Su mit Venice bereits die sechste Generation ihrer Epyc-Serverprozessoren. Die Chips werden im Zwei-Nanometer-Verfahren gefertigt, bieten bis zu 256 Rechenkerne und sollen einen der größten Leistungssprünge in der Geschichte der Produktreihe bringen. Sie sind unter anderem dafür gedacht, die neuen KI-Agenten im Hintergrund zu koordinieren.
OpenAI und Meta entwickeln die Chips mit
Vor allem aber holte Su die wichtigsten Kunden früh ins Boot. „Wir entwickeln nicht erst ein Produkt und reichen es dann an unsere Partner weiter“, sagte sie auf der Pressekonferenz nach der Präsentation. „OpenAI entwickelt mit uns, Meta entwickelt mit uns.“
Metas Infrastrukturchef Santosh Janardhan erzählte auf der Bühne, wie Su einst in seinem Büro saß und er ihr einschärfte: „Wir werden sehr viele eurer Prozessoren einsetzen. Bitte sorgen Sie dafür, dass sie auch funktionieren.“
Inzwischen ist Meta bei der vierten Prozessorgeneration von AMD angelangt. Im Februar schlossen beide Unternehmen einen Vertrag über Grafikchips mit einer Rechenleistung von bis zu sechs Gigawatt.
Als Teil der Vereinbarung erhielt Meta Bezugsrechte auf bis zu 160 Millionen AMD-Aktien, knapp zehn Prozent der Aktienzahl des Konzerns. Vollständig ausüben kann Meta sie jedoch nur, wenn der Konzern die vereinbarten Mengen abnimmt und zusätzliche technische, kommerzielle und kursbezogene Ziele erreicht.
Ähnlich ist ein Vertrag mit OpenAI aus dem vergangenen Oktober konstruiert: ebenfalls bis zu sechs Gigawatt Rechenleistung, verbunden mit Bezugsrechten auf bis zu zehn Prozent der AMD-Aktien, falls alle Bedingungen erfüllt werden.
Die erste Ausbaustufe liege exakt im Plan, versichert Su. Die Auslieferung solle in der zweiten Jahreshälfte beginnen. OpenAIs Infrastrukturchef Sachin Katti brachte die Stimmung der Branche auf die Formel: „Ich brauche mehr Rechenleistung, und das so schnell wie möglich.“
Anthropic setzt auf AMDs neue KI-Chips
Sus jüngster Coup ist eine Vereinbarung mit Anthropic, dem Entwickler des KI-Assistenten Claude und derzeit einem der am schnellsten wachsenden Anbieter der Branche. Anthropic will AMD-Chips der Serie MI450 mit einer Rechenleistung von bis zu zwei Gigawatt einsetzen. Die ersten Systeme sollen in der ersten Hälfte des Jahres 2027 laufen.
Dieses Mal ist der Deal anders gestrickt. Nicht der Kunde bekommt Bezugsrechte an AMD. Stattdessen will AMD bis zu fünf Milliarden Dollar in Anthropic investieren.
„Jeder Deal ist anders“, sagt Su dazu lapidar. Man habe Anthropic seit dessen Gründung im Auge gehabt. Es sei nur darum gegangen, den richtigen Zeitpunkt zu finden. Der scheint jetzt zu sein.
Anthropic-Mitgründer Tom Brown hat dazu eine Anekdote parat. Als seine Firma AMDs Chips testete, habe das Team sich auf einen mühsamen Umstellungsprozess eingestellt, wie er beim Wechsel der Hardwareplattform üblich sei.
Stattdessen habe ein einzelner Ingenieur das Testsystem mit dem hauseigenen KI-Assistenten Claude verbunden, ihm den Auftrag gegeben, die Maschine zum Laufen zu bringen – und sei ins Wochenende gefahren. Am Montag lag die Leistungskurve vor.
Su erzählt, sie habe ihr Team angewiesen, den Anthropic-Leuten mit allem Erdenklichen zu helfen. Umso besorgter sei sie gewesen, als sie gehört habe, dass Anthropic die angebotene Unterstützung abgelehnt habe. Doch das System lief auch ohne zusätzliche Hilfe. Die Pointe der Geschichte: AMDs größte Schwäche war stets die Software. Viele KI-Entwickler scheuten den Aufwand, ihre auf Nvidia zugeschnittenen Programme auf AMD-Chips zu übertragen.
Das Geschäft verlagert sich auf KI-Anwendungen
Wenn KI-Assistenten einen wachsenden Teil dieser Arbeit übernehmen, wird Nvidias wichtigster Schutzwall niedriger. Genau darauf zielen Sus Partnerschaften. Anthropic soll Claude für AMD-Hardware optimieren. OpenAI arbeitet mit AMD daran, dass KI-Modelle künftig selbst die mühsame Anpassung von Treibern und Rechenkernen übernehmen. Die KI verbessert die Maschinen, auf denen sie läuft.
Getrieben wird die Entwicklung von einem Umbruch, den Su als Steilvorlage für ihren Angriff sieht. Nach AMDs Schätzung wird in diesem Jahr erstmals mehr Rechenleistung für das Anwenden von KI eingesetzt als für das Trainieren. Rund 60 Prozent der weltweiten KI-Kapazität entfallen demnach inzwischen auf die Inferenz.
Der Grund sind sogenannte Agenten: KI-Programme, die selbstständig ganze Aufgabenketten abarbeiten.
„Wenn Sie einem Agenten eine Aufgabe geben, sind das Dutzende Schritte“, erklärt Su. „Er muss schlussfolgern, Werkzeuge aufrufen, auf Daten zugreifen, immer wieder, bis das Problem gelöst ist.“
Das erfordert nicht nur Grafikprozessoren, sondern auch klassische Serverprozessoren, AMDs Stammgeschäft. Den Markt für solche Chips, heute rund 25 Milliarden Dollar schwer, sieht Su bis 2030 auf mehr als 220 Milliarden Dollar wachsen. Den Markt für KI-Beschleuniger taxiert AMD dann auf 1,4 Billionen Dollar. Noch im November hatte Su eine Billion Dollar prognostiziert.
Wenn der Rückzug kommt, dann kollektiv
Doch die Verträge, mit denen sich AMD, Nvidia und die großen KI-Firmen gegenseitig Chips, Kapital und Aktienoptionen zuschieben, haben an der Wall Street eine Debatte darüber ausgelöst, ob sich die Branche ihre Nachfrage zum Teil selbst finanziert.
Die Kosten des KI-Ausbaus sind so hoch, dass nur diese Unternehmen ihn stemmen können“, warnt Gil Luria, Technologieanalyst beim Broker D. A. Davidson. „Sie wetten darauf, dass die Technologie so mächtig wird, dass am Ende jeder bei ihnen kauft. Wenn das nicht eintritt, hören sie auf zu investieren.“
Mit anderen Worten: Wenn der Einbruch kommt, dann geballt.
Die Börse jedenfalls feierte Sus Auftritt nicht. Die AMD-Aktie gab am Tag der Präsentation nach, allerdings in einem ebenfalls schwachen Marktumfeld für Halbleiterwerte.
Und Nvidia dominiert den Markt für KI-Beschleuniger weiterhin mit großem Abstand. Der Konzern kontert Angriffe mit eigenen Deals, etwa einer nach bis zu 20 Milliarden Dollar schweren Lizenz- und Personalvereinbarung mit dem Chip-Start-up Groq. Dabei wechselten dessen Führungskräfte und ein großer Teil der Belegschaft zu Nvidia, während Groq formal eigenständig blieb.
AMD setzt seinerseits auf eine Partnerschaft mit dem Groq-Konkurrenten Cerebras. Dessen tellergroße Spezialchips sollen zusammen mit Helios besonders schnelle KI-Antworten ermöglichen.
Su bleibt im Angriffsmodus. Auf die Frage, ob AMD sich damit abfinde, im wachsenden Markt die komfortable Nummer zwei zu sein, wird sie deutlich. Beim Sprung zur nächsten Chipgeneration MI500 plane AMD keinen kleinen Schritt, sondern einen großen Satz. „Wir glauben, dass wir dann die Führung übernehmen.“
