Anthropic-IPO legt Rechenkapazität von 11 GW offen: Nvidia macht 42 % aus, welche Chip-Unternehmen profitieren?

TradingKey – Da der Claude-Entwickler Anthropic seinen Antrag auf einen Börsengang (S-1) offiziell bei der US-Börsenaufsichtsbehörde SEC eingereicht hat, wurde die Lieferkette seiner Rechenleistung, die lange hinter Cloud-Dienstleistungsverträgen verborgen lag, erstmals systematisch offengelegt. Anthropic ist nicht nur ein führendes KI-Modellunternehmen, sondern hat sich auch zu einem der weltweit wichtigsten Käufer von KI-Chips entwickelt.

Auf der Grundlage von Schätzungen aus öffentlichen Vereinbarungen und zugehörigen Angaben hat sich Anthropic eine Rechenleistung von rund 11 GW gesichert. Davon entfallen etwa 4,7 GW beziehungsweise rund 42 % der vertraglich vereinbarten Kapazität auf Nvidia-GPUs; Google-TPUs machen rund 4,5 GW aus und erreichen damit nahezu die Größenordnung von Nvidia; auf Amazon Trainium entfallen etwa 1,2 GW und auf AMD-GPUs rund 0,8 GW. Bei den oben genannten Zahlen handelt es sich jedoch durchweg um Schätzungen Dritter, die nicht die tatsächliche Rechenleistung widerspiegeln, die Anthropic bereits bezogen, in den Betrieb überführt hat oder derzeit nutzt.

Da in einigen Verträgen unterschiedliche Kennzahlen wie „Maximalkapazität“, gestaffelte Bereitstellung oder noch nicht betriebsbereite Kapazitäten verwendet werden, liegt die Summe der Einzelwerte leicht über 11 GW. Daher ist der Wert eher als eine ungefähre Lieferstruktur zu betrachten und nicht als tatsächlich gleichzeitig geschaltete Kapazität.

Anthropic bestätigte im Börsenprospekt, dass Claude nativ auf vier Chiptypen ausgeführt werden kann – AWS Trainium, Google-TPUs, Nvidia-GPUs und AMD-GPUs – und unterschiedliche Workloads über sein eigenes Scheduling-System je nach Kosten, Leistung und Lieferbedingungen zuweist.

Nvidia bleibt an der Spitze, hat aber kein absolutes Monopol mehr

Nvidia (NVDA) bleibt weiterhin der größte Chiplieferant von Anthropic. Von den rund 4,7 GW an Nvidia-Rechenleistung stammt ein erheblicher Teil aus der KI-Partnerschaft mit SpaceX, während sich der Rest auf Cloud-Computing-Plattformen wie Microsoft Azure, Nscale und Lambda verteilt.

Die Vorteile von Nvidia ergeben sich primär aus seinem ausgereiften CUDA-Softwareökosystem, der Skalierbarkeit von GPU-Clustern und der Entwicklerbasis. Für Anthropic, das gleichzeitig das Training großer Modelle und rechenintensive Inferenz benötigt, bleibt die Plattform von Nvidia die am einfachsten im großen Maßstab einzusetzende Option.

Allerdings deutet der Anteil von 42 % auch darauf hin, dass Anthropic seinen Rechenbedarf keineswegs vollständig auf einen einzigen Anbieter setzt. Im Gegensatz zu einigen KI-Cloud-Computing-Unternehmen, die stark von Nvidia-GPUs abhängig sind, mindert Anthropic Risiken im Zusammenhang mit Lieferengpässen, Preiserhöhungen und Lieferverzögerungen durch eine Multi-Chip-Architektur.

Diese Strategie hat eine zweifache Auswirkung auf Nvidia. Einerseits bleibt Anthropic ein wichtiger Kunde, wobei die steigende Nachfrage nach KI-Modelltraining und -Inferenz die GPU-Beschaffung voraussichtlich weiter antreiben wird. Andererseits bedeutet der wachsende Anteil von Google TPUs, AWS Trainium und AMD-GPUs, dass Nvidia in führenden KI-Laboren unter zunehmenden Substitutionsdruck gerät.

Googles TPU-Skalierung nähert sich Nvidia, während maßgeschneiderte Chips als größte Gewinner hervorgehen

Der Google-Mutterkonzern Alphabet (GOOGL) dürfte der offensichtlichste Nutznießer von Anthropics Strategie zur Diversifizierung der Rechenkapazitäten sein. Die von Anthropic gesicherte Google-TPU-Rechenkapazität beläuft sich auf rund 4,5 GW und liegt damit nur etwa 0,2 GW hinter den Nvidia-GPUs.

Dies bedeutet, dass TPUs für Google nicht mehr nur interne, proprietäre Hardware zum Trainieren eigener Gemini-Modelle sind, sondern sich allmählich zu einer kommerziellen Rechenplattform entwickeln, die auch großen externen Kunden zur Verfügung steht. Die Einführung durch Anthropic liefert zudem eine entscheidende Bestätigung für die Fähigkeit von TPUs, Trainings- und Inferenz-Workloads von Frontier-Modellen zu bewältigen.

Da die TPUs von Google gemeinsam mit Broadcom entwickelt werden, profitiert von dieser Nachfrage nicht nur Google Cloud, sondern Broadcom könnte dadurch auch zusätzliche Umsätze mit kundenspezifischen KI-Chips und Netzwerkprodukten erzielen. Anthropic hatte zuvor langfristige Partnerschaften mit Google und Broadcom geschlossen, wobei die entsprechende Kapazität ab 2027 schrittweise ans Netz gehen soll.

Auch Amazon (AMZN) ist über AWS Trainium in das zentrale Liefernetzwerk von Anthropic eingetreten. Obwohl das derzeit geschätzte Volumen von rund 1,2 GW geringer ist als das von Nvidia und Google, ist Amazon sowohl ein bedeutender Investor bei Anthropic als auch ein wichtiger Cloud-Service-Partner. Wenn Trainium einen Kostenvorteil bei Claude-Workloads nachweisen kann, wird dies AWS helfen, die Abhängigkeit von externen GPUs zu verringern und die Margen für KI-Cloud-Dienste zu verbessern.

AMD gelingt Durchbruch, während Anthropic stärkere Verhandlungsmacht gewinnt

AMD (AMD) macht derzeit einen relativ geringen Anteil am Rechenportfolio von Anthropic aus, mit einem identifizierten Umfang von etwa 0,8 GW, doch seine strategische Bedeutung ist nicht zu unterschätzen. AMD und Anthropic gaben zuvor eine Zusammenarbeit bei der Bereitstellung von bis zu 2 GW an GPUs der Serie Instinct MI450 bekannt, wobei erste Kapazitäten voraussichtlich ab dem ersten Halbjahr 2027 einsatzbereit sein werden.

Wenn AMD die Bereitstellung erfolgreich hochskalieren kann, wird dies beweisen, dass das ROCm-Software-Ökosystem und die Helios-Systeme auf Rack-Ebene in der Lage sind, Frontier-Modelle zu unterstützen. Dies wird AMD nicht nur dabei helfen, mehr Kunden aus dem Bereich der KI-Labore und Cloud-Anbieter zu gewinnen, sondern könnte auch Nvidias hohe Konzentration auf dem Markt für Allzweck-GPUs aufbrechen.

Für Anthropic könnte die Einbindung von AMD eine noch wichtigere Rolle dabei spielen, die eigene Verhandlungsmacht bei der Beschaffung zu stärken. Wenn dasselbe Modell über vier Chip-Architekturen hinweg eingeplant werden kann, kann das Unternehmen basierend auf Preis, Verfügbarkeit und Stromverbrauch die wirtschaftlichste Hardware auswählen, was das Risiko verringert, an einen einzelnen Chipanbieter gebunden zu sein.

Anthropic beschreibt diese Fähigkeit als einen „fungiblen, einheitlichen Rechenpool“. Der Wert dieser Architektur liegt nicht nur in der Sicherstellung des Zugangs zu ausreichend Chips, sondern auch in der Steigerung der Modellleistungsfähigkeit und der Einnahmen, die mit jedem für Rechenleistung ausgegebenen Dollar erzielt werden.

Diversifizierung der Rechenkapazitäten mildert Anthropics finanziellen Druck weiterhin nicht

Während eine Multi-Chip-Architektur Risiken in der Lieferkette abfedert, löst sie nicht das Problem von Überinvestitionen in Rechenleistung. Aus dem S-1-Börsenprospekt von Anthropic geht hervor, dass das Unternehmen zahlreiche langfristige Verträge über Cloud-Computing, Geräte-Leasing und Rechenzentren abgeschlossen hat. Ein erheblicher Teil davon besteht aus festen Zahlungs- oder Mindestabnahmeverpflichtungen, die auch dann erfüllt werden müssen, wenn die tatsächliche Nutzung hinter den Erwartungen zurückbleibt.

Aus den entsprechenden Unterlagen geht hervor, dass sich die künftigen Mindestverpflichtungen von Anthropic für Rechenleistung und Infrastrukturzahlungen auf Hunderte Milliarden US-Dollar belaufen, wobei zusätzliche Vereinbarungen auf Basis der tatsächlich bereitgestellten Kapazität abgerechnet werden. Das Unternehmen warnte zudem, dass der weitere Ausbau seiner Recheninfrastruktur auf absehbare Zeit erhebliche Mittel aus dem operativen Cashflow sowie dem Investitions-Cashflow binden wird.

Daher ist die Rechenleistungsreserve von Anthropic in Höhe von 11 GW sowohl ein Wettbewerbsvorteil als auch ein zentrales finanzielles Risiko, das IPO-Investoren abwägen müssen. Sollten die Umsätze, die Kundennutzung und die Inferenznachfrage von Claude weiter steigen, bildet diese vorab gesicherte Rechenkapazität eine hohe Markteintrittsbarriere. Wenn sich die KI-Nachfrage jedoch verlangsamt oder sich die Chipeffizienz rasch verbessert, könnten sich diese langfristigen Verträge in eine schwere Fixkostenbelastung verwandeln.