OpenAI plant Kauf von Google-KI-Chips zur weiteren Diversifizierung der Rechenstrategie, während Nvidia vor neuem Wettbewerb steht

TradingKey – OpenAI ist bestrebt, seine Bezugsquellen für KI-Rechenleistung zu erweitern. Einem Bericht von The Information vom Dienstag zufolge, der sich auf mit der Angelegenheit vertraute Personen beruft, plant der ChatGPT-Entwickler den Bezug von KI-Chips von Google (GOOGL), um seinen Bedarf für Modelltraining und Betrieb zu decken und die Abhängigkeit von einem einzelnen Chipanbieter zu reduzieren. Derzeit haben beide Seiten die Bedingungen des potenziellen Deals noch nicht finalisiert, und der Beschaffungsumfang sowie finanzielle Details wurden nicht bekannt gegeben.

OpenAI lehnte eine Stellungnahme ab, während Google zunächst nicht auf Medienanfragen reagierte.

Sollte der Plan umgesetzt werden, würden die Tensor Processing Units (TPUs) von Google weiter in das Rechen-Ökosystem von OpenAI Einzug halten. Obwohl OpenAI und Google bei KI-Modellen und der Suchmaschine miteinander konkurrieren, weiten sich ihre kommerziellen Verbindungen aus. In der vergangenen Woche gab OpenAI bekannt, seine fortschrittlichsten KI-Modelle über die Google Cloud anzubieten. Dieser potenzielle Chip-Beschaffungsplan deutet darauf hin, dass sich ihre Zusammenarbeit von Cloud-Diensten weiter auf die grundlegende Recheninfrastruktur erstrecken könnte.

Da der Umfang von KI-Modellen immer weiter wächst, nimmt der Bedarf von Technologieunternehmen an Rechenressourcen rasant zu. Dies macht die Chip-Versorgung und die Rechenkosten zu kritischen Faktoren im Wettbewerb der Branche.

OpenAI war bislang ein Großabnehmer von GPUs von Nvidia (NVDA), die weit verbreitet für das Training und die Inferenz von KI-Modellen eingesetzt werden. Da jedoch Modellumfang, Inferenz-Traffic und die Kosten für den Bau von Rechenzentren weiter steigen, könnte das alleinige Setzen auf eine einzige Chip- und Cloud-Plattform nicht nur das Angebot an Rechenleistung einschränken, sondern auch die Verhandlungsmacht von OpenAI bei Preisen und Lieferzeiten schwächen.

Die wachsende Aufmerksamkeit für die TPUs von Google rührt von ihrer Positionierung im Markt für KI-Rechenleistung her. Im Gegensatz zu den GPUs von Nvidia, die einem breiten Kundenkreis angeboten werden, handelt es sich bei den TPUs um anwendungsspezifische Chips, die Google für gezielte KI-Aufgaben entwickelt hat. Da Unternehmen bestrebt sind, ihre Rechenkosten zu senken und Lieferkettenrisiken zu diversifizieren, werden TPUs für einige Kunden zunehmend zu einer in Betracht gezogenen Alternative. Google hat zudem in diesem Jahr damit begonnen, TPUs direkt an ausgewählte Kunden zu verkaufen, was das kommerzielle Potenzial dieses Geschäftsfelds weiter steigert.

Für Google dürfte die steigende Nachfrage nach TPUs neue Wachstumschancen für sein Cloud-Geschäft und den Chip-Vertrieb eröffnen. Eine Reihe von KI-Unternehmen, darunter Anthropic, arbeitet bereits mit Google zusammen, was das Marktinteresse an den TPU-Produkten des Konzerns weiter verstärkt.

Anat Ashkenazi, Finanzvorstand von Alphabet, erklärte zuvor, dass das Unternehmen davon ausgehe, noch vor Ende 2026 erste Umsätze aus bestimmten TPU-Verkaufsvereinbarungen zu verbuchen, wobei der Großteil der entsprechenden Erträge für 2027 erwartet werde. Während sich Alphabet auf die Vorlage seiner Quartalszahlen vorbereitet, richten Anleger den Blick auch darauf, ob die KI-bezogene Nachfrage das Wachstum von Google Cloud weiterhin antreiben kann und wann sich die Infrastrukturinvestitionen in spürbarere finanzielle Erträge ummünzen lassen.

OpenAI verlässt sich nicht allein auf externe Chipanbieter; das Unternehmen arbeitet mit Broadcom (AVGO) zusammen, um maßgeschneiderte KI-Prozessoren zu entwickeln, und plant, diese im Laufe dieses Jahres einzusetzen, um seine KI-Modelle mit Rechenleistung zu unterstützen. Berichten zufolge ist der Prozessor mit dem Codenamen „Jalapeno“ Teil einer mehrgenerationenübergreifenden Strategie von OpenAI für eigene Chips. Durch die gleichzeitige Nutzung von Nvidia-GPUs und Google-TPUs sowie die Entwicklung eigener maßgeschneiderter Chips dürfte OpenAI seine Flexibilität bei der Zuweisung von Rechenleistung erhöhen, wenngleich zwischen den verschiedenen Chips weiterhin Unterschiede bei Software-Ökosystemen, Modellanpassung und Bereitstellungseffizienz bestehen.