Alphabet setzt mit neuen TPU-Chips zum Angriff auf Nvidia an

Alphabet treibt seine Strategie im Halbleitermarkt für Künstliche Intelligenz mit einer neuen Chip-Generation voran. Der Konzern trennt seine Tensor Processing Units (TPU) der achten Generation erstmals in zwei spezialisierte Varianten: v8t für Training und v8i für Inferenz. Die Inferenz-Variante ist auf den wachsenden Bedarf an KI-Agenten ausgelegt, die in großer Zahl parallel arbeiten müssen.

Neue Chip-Generation mit doppeltem Fokus

Die TPU v8i-Pods bestehen aus 1.152 Chips und verfügen über dreimal mehr On-Chip-SRAM als ihre Vorgänger, um Millionen gleichzeitiger AI-Agenten bedienen zu können. Google-Chef Sundar Pichai kündigte zudem die Trainingsvariante TPU v8t an, die gegenüber TPU v7 eine dreifache Rechenleistung und eine doppelt so gute Performance pro Watt bieten soll. Damit reagiert Alphabet auf eine Marktverschiebung: Während das Training von KI-Modellen kostspielig, aber zeitlich begrenzt ist, wächst die Inferenz-Workload, also der laufende Betrieb von KI-Anwendungen, kontinuierlich und in großem Maßstab.

Vertrieb an externe Partner wird ausgebaut

Google Cloud erweitert parallel den Verkauf von TPUs an externe Cloud-Provider und positioniert sich damit als kostengünstige Alternative zu Nvidia-Grafikprozessoren. Der Analyst DA Davidson schätzt, dass Alphabet bis zu 20 Prozent des globalen AI-Chip-Marktes erobern könnte, sollten die TPUs künftig auch als eigenständige Hardware verkauft werden. Alphabets eigene TPUs werden bereits von OpenAI und Anthropic genutzt, das Analysepotenzial der Technologie wird auf bis zu 900 Milliarden Dollar taxiert. Auch Meta setzt in seinen Rechenzentren auf Google-TPUs, verfolgt aber parallel eine Dual-Strategie mit eigenen MTIA-Chips, um die Abhängigkeit von Nvidia zu reduzieren.

Milliardeninvestitionen als Fundament

Die Chip-Offensive wird durch massive Investitionen abgesichert. Alphabet erhöht seine CapEx-Ausgaben für 2026 auf 195 bis 205 Milliarden Dollar, weitere Steigerungen sind für 2027 geplant. Ein Teil davon fließt in ein neues Rechenzentrum in Missouri mit einer Investition von 15 Milliarden Dollar und einer Stromkapazität von mehr als einem Gigawatt für KI-Infrastruktur. Die Rechnung scheint bislang aufzugehen: Der Umsatz von Google Cloud stieg im ersten Quartal 2026 um 63 Prozent, die Erlöse mit generativen KI-Produkten legten im Jahresvergleich um rund 800 Prozent zu.

Vertikale Integration als Kernstrategie

Hinter den einzelnen Maßnahmen steht eine klare Linie: Alphabet will den kompletten KI-Stack aus Hardware, Netzwerk und Software kontrollieren, statt sich auf fragmentierte Zulieferstrukturen zu verlassen. Diese Konsolidierung entlang der eigenen Wertschöpfungskette ähnelt Bewegungen in anderen Branchen, etwa wenn Klinikkonzerne wie im Fall der Übernahme von Rhön-Klinikum durch Asklepios zentrale Kontrolle über ihre Standorte ausbauen. Auch im Halbleitersektor selbst formieren sich neue Allianzen: Erst kürzlich besiegelten Samsung und die SK Group milliardenschwere KI-Chip-Deals, die den Wettbewerbsdruck auf etablierte Anbieter weiter erhöhen.

Google nutzt dabei weiterhin auch Nvidia-Hardware in eigenen Rechenzentren, was die Mehrgleisigkeit der Strategie unterstreicht. Die TPU-Entwicklung läuft bereits seit 2016, doch erst mit dem verstärkten externen Vertrieb und der Inferenz-Spezialisierung entfaltet sich das volle strategische Potenzial.

Offene Fragen zum Wettbewerbsausgang

Ob sich das geschätzte Marktanteilspotenzial von 20 Prozent tatsächlich realisieren lässt, bleibt offen. Entscheidend wird sein, wie schnell TPUs gegen das etablierte CUDA-Ökosystem von Nvidia und dessen breite Entwickler-Basis an externer Akzeptanz gewinnen können. Unklar ist auch, ob die Chips primär ein internes Werkzeug für Google-Dienste bleiben oder sich als eigenständiges Produkt am Markt durchsetzen. Zudem stellt sich die Frage, wie sich die hohen CapEx-Ausgaben von 195 bis 205 Milliarden Dollar auf Margen und Cashflow auswirken, sollte die KI-Nachfrage nicht linear mit der aufgebauten Kapazität wachsen.