Von Maksym Misichenko · Nasdaq ·
Was KI-Agenten über diese Nachricht denken
Das Panel ist sich einig, dass Anthropic's Ausweitung von TPUs mit Alphabet und Broadcom kundenspezifische ASICs als sinnvolle Alternative im Hyperscaler-Maßstab validiert und Broadcom und Google Cloud zugutekommt. Allerdings deuten der Zeitplan (Bereitstellung 2027) und die fortgesetzte Nutzung von Nvidia GPUs und Amazon Trainium darauf hin, dass Nvidias Führung kurzfristig wahrscheinlich nicht herausgefordert wird.
Risiko: Ausführungsrisiko bei Tapeouts/Yields und unklare Umsatz-/Margenerfassung für Alphabet
Chance: Beschleunigung der kundenspezifischen Silizium-Dynamik und Diversifizierung der Hyperscaler-Investitionsausgaben weg von NVDA GPUs
Diese Analyse wird vom StockScreener-Pipeline generiert — vier führende LLM (Claude, GPT, Gemini, Grok) erhalten identische Prompts mit integrierten Anti-Halluzinations-Schutzvorrichtungen. Methodik lesen →
Anthropic erweitert seine Partnerschaft mit Broadcom und Alphabet für deren kundenspezifische KI-Chips.
Nvidia ist nach wie vor ein wichtiger Bestandteil von Anthropic's KI-Trainingsschema.
Alphabet (NASDAQ: GOOG) (NASDAQ: GOOGL) und Broadcom (NASDAQ: AVGO) haben neulich eine monströse Nachricht verkündet. Anthropic, die Macher eines der führenden generativen künstlichen Intelligenz (KI)-Modelle, Claude, kündigte an, dass es ab 2027 Tensor Processing Units (TPUs) der nächsten Generation einsetzen wird.
TPUs sind kundenspezifische KI-Chips, die von Broadcom und Alphabet entwickelt wurden. Daher ist es ein riesiger Deal, dass diese beiden ihre Partnerschaft mit Anthropic ausbauen, insbesondere angesichts des Erfolgs einiger Anthropic-Modelle.
Wird KI den ersten Billionär der Welt schaffen? Unser Team hat gerade einen Bericht über ein einziges, wenig bekanntes Unternehmen veröffentlicht, das als "unverzichtbares Monopol" bezeichnet wird und die kritische Technologie liefert, die sowohl Nvidia als auch Intel benötigen. Weiterlesen »
Dies wirft jedoch eine große Frage für das größte Unternehmen der Welt auf: Nvidia (NASDAQ: NVDA). Nvidia galt allgemein als die beste Option für das Training von KI-Modellen, da seine GPUs und das Ökosystem darum herum keine Konkurrenz haben. Setzt Anthropic nun TPUs ein, haben Alphabet und Broadcom Nvidia gerade Schachmatt gesetzt, indem sie es in seinem eigenen Spiel geschlagen haben? Schauen wir uns das mal an.
Broadcom ist der aufstrebende Stern im Bereich des KI-Computings. Das Unternehmen verfolgt einen einzigartigen Ansatz, indem es KI-Chips anbietet, die nach Kundenspezifikationen entwickelt wurden. Die TPU von Alphabet und Broadcom ist das beste Beispiel für diese Zusammenarbeit, und mehrere andere KI-Hyperscaler werden in den nächsten Jahren kundenspezifische Chips von Broadcom auf den Markt bringen.
Broadcom hat all dies kommen sehen und die Investoren während seiner letzten Gewinnmitteilung darüber informiert, dass es ein enormes Wachstum erwartet.
Am Ende des 1. Quartals des Geschäftsjahres (GJ) 2026 (endete am 1. Februar) belief sich der Umsatz von Broadcom mit KI-Halbleitern auf 8,4 Milliarden US-Dollar, ein Anstieg von 106 % gegenüber dem Vorjahr. Kundenspezifische KI-Chips sind Teil dieser Gruppe, aber der CEO von Broadcom, Hock Tan, glaubt, dass kundenspezifische KI-Chips allein bis Ende 2027 mehr als 100 Milliarden US-Dollar Umsatz generieren werden. Das ist ein boomendes Wachstum und wird Broadcom in den nächsten Jahren zu einer der besten KI-Investitionen machen.
Weniger klar ist die Auswirkung auf Alphabet. Es ist unbekannt, wie viel Alphabet aus dem Verkauf jeder dieser Recheneinheiten einnehmen wird und wo dies in den Ergebnissen von Alphabet verbucht wird. Es könnte in Google Cloud auftauchen, das bereits ein hervorragendes Umsatzwachstum erzielt hat. Im 4. Quartal stieg der Umsatz von Google Cloud um 48 % gegenüber dem Vorjahr, ein starker Anstieg gegenüber dem Wachstum von 34 % im 3. Quartal. Wenn wir sehen, dass das Umsatzwachstum von Google Cloud weiterhin rasant zunimmt, dann denke ich, dass diese TPU-Verkäufe zu einem großen Teil dafür verantwortlich sind.
Aber was sagt das über Nvidia aus?
Die Realität ist, dass die Rechenkapazität von Nvidia wahrscheinlich bis 2027 ausverkauft oder fast ausverkauft ist. Daher musste Anthropic Zugang zu mehr Rechenleistung erhalten und wandte sich an Alphabet und Broadcom, um diese zu liefern.
In derselben Pressemitteilung stellte Anthropic fest, dass es drei Chips zum Trainieren seiner generativen KI-Modelle Claude verwendet: Googles TPUs, Nvidias GPUs und Amazon Trainium-Chips (die von Amazon kundenspezifisch entwickelt wurden). Nur weil Anthropic eine Ankündigung über die Erhöhung seines Deals mit Broadcom und Alphabet gemacht hat, bedeutet das nicht, dass es sich vollständig von Nvidia abwendet.
Das wäre ohnehin ein dummer Schachzug, denn wenn Anthropic an die Nutzung von TPUs von Broadcom und Alphabet gebunden wäre, hätten diese beiden eine nahezu unbegrenzte Preissetzungsmacht, da ein Wechsel sehr schwierig wäre. Durch die Aufrechterhaltung eines ausgewogenen Nutzungsansatzes kann Anthropic alle seine Lieferanten von Recheneinheiten im Zaum halten.
Keine dieser Nachrichten hat die Wachstumsprognosen von Nvidia berührt. Wall-Street-Analysten erwarten für das kommende Quartal immer noch ein Umsatzwachstum von 79 % und für das gesamte Geschäftsjahr 71 %. Das sind monströse Wachstumsraten, die die Nachfrage nach Nvidias Produkten belegen.
Nvidia ist immer noch eine großartige Wahl für KI-Investitionen, aber auch andere Alternativen sind sinnvoll. Ich denke, die KI-Kohorte wird dieses Jahr donnernd zurückkehren, was sie zu klugen Aktien macht, die man jetzt kaufen kann, solange sie noch von ihren Allzeithochs entfernt sind.
Bevor Sie Aktien von Alphabet kaufen, sollten Sie Folgendes bedenken:
Das Analystenteam von Motley Fool Stock Advisor hat gerade die 10 besten Aktien identifiziert, die Investoren jetzt kaufen können... und Alphabet war nicht darunter. Die 10 Aktien, die es in die engere Wahl geschafft haben, könnten in den kommenden Jahren monströse Renditen erzielen.
Denken Sie daran, als Netflix am 17. Dezember 2004 auf dieser Liste stand... wenn Sie zu dem Zeitpunkt unserer Empfehlung 1.000 US-Dollar investiert hätten, hätten Sie 555.526 US-Dollar! Oder als Nvidia am 15. April 2005 auf dieser Liste stand... wenn Sie zu dem Zeitpunkt unserer Empfehlung 1.000 US-Dollar investiert hätten, hätten Sie 1.156.403 US-Dollar!
Nun ist es erwähnenswert, dass die Gesamtrendite von Stock Advisor 968 % beträgt – eine marktschlagende Outperformance im Vergleich zu 191 % für den S&P 500. Verpassen Sie nicht die neueste Top-10-Liste, die mit Stock Advisor verfügbar ist, und treten Sie einer Investment-Community bei, die von einzelnen Investoren für einzelne Investoren aufgebaut wurde.
Stock Advisor Renditen per 14. April 2026.*
Keithen Drury hält Anteile an Alphabet, Amazon, Broadcom und Nvidia. The Motley Fool hält Anteile an und empfiehlt Alphabet, Amazon, Broadcom und Nvidia. The Motley Fool hat eine Offenlegungspolitik.
Die hier geäußerten Ansichten und Meinungen sind die des Autors und spiegeln nicht unbedingt die von Nasdaq, Inc. wider.
Vier führende AI-Modelle diskutieren diesen Artikel
"Dies ist eine Broadcom-Geschichte, keine Nvidia-Killer-Geschichte – die Pipeline für kundenspezifische Siliziumchips von AVGO, wenn sie auch nur teilweise realisiert wird, stellt ein Umsatzverdopplungsereignis bis 2027 dar, das der Markt möglicherweise unterbewertet."
Die Überschrift ist bewusst provokativ, aber der Artikel selbst begräbt leise die wichtigste Nachricht: Anthropic *fügt* TPUs zu einem Multi-Vendor-Stack hinzu, ersetzt Nvidia nicht. Die eigentliche Geschichte ist Broadcom (AVGO). Hock Tan's Prognose von 100 Mrd. US-Dollar Umsatz für kundenspezifische KI-Chips bis Ende 2027 ist außergewöhnlich – der gesamte Umsatz von AVGO im GJ2025 betrug ca. 51 Mrd. US-Dollar, so dass diese Zahl impliziert, dass kundenspezifische Siliziumchips allein den aktuellen Gesamtumsatz übersteigen könnten. Bei etwa dem 28-fachen Forward-Gewinnspreis preist AVGO signifikantes Wachstum ein, aber wenn selbst zwei oder drei Hyperscaler-Programme für kundenspezifische Chips gleichzeitig in großem Maßstab laufen, ist die Aufwärtsmathematik überzeugend. Der Alphabet-Aspekt ist unklarer – die TPU-Ökonomie innerhalb von Google Cloud ist undurchsichtig und bewegt möglicherweise nicht die Nadel auf der 350-Mrd.-US-Dollar-Umsatzbasis von GOOGL.
Broadcom's 100-Milliarden-Dollar-Prognose ist eine CEO-Guidance, keine unabhängige Verifizierung – Hock Tan hat ein Interesse daran, den TAM zu hypen, und die Zeitpläne für kundenspezifische Chips verschieben sich routinemäßig um 12-24 Monate. Wichtiger ist, dass, wenn Nvidias Blackwell-Angebot bis 2027 lockert, Hyperscaler die Integrationskomplexität von kundenspezifischem Silizium möglicherweise zurückstellen und zu GPUs zurückkehren.
"Der Aufstieg von kundenspezifischem Silizium wie TPUs stellt einen Übergang von einem GPU-Monopol zu einem fragmentierten ASIC-Markt dar, in dem Broadcom als primärer Waffenhändler fungiert."
Die "Schachmatt"-Erzählung ist eine Übertreibung, aber der strukturelle Wandel ist real. Anthropic's Verpflichtung für TPUs im Jahr 2027 unterstreicht eine Bewegung hin zur Dominanz von ASICs (Application-Specific Integrated Circuit) für ausgereifte Modelle. Broadcom (AVGO) ist der eigentliche Gewinner hier, der margenstarke Umsätze mit kundenspezifischen Siliziumchips erzielt, ohne die Gemeinkosten für die Wartung eines Software-Ökosystems wie Nvidias CUDA. Während Nvidia (NVDA) der König des allgemeinen Trainings bleibt, beweist die "diversifizierte Compute"-Strategie von Anthropic – die Nutzung von Google TPUs, Amazon Trainium und Nvidia GPUs –, dass Hyperscaler die Hardware-Schicht erfolgreich zu Commodities machen, um Nvidias Preissetzungsmacht zu brechen. Alphabet (GOOGL) gewinnt vertikal, reduziert seine eigenen Investitionsausgaben und bindet gleichzeitig Cloud-Kunden.
Wenn Nvidias kommende Blackwell- oder Rubin-Architekturen eine deutlich höhere Energieeffizienz als kundenspezifische ASICs erreichen, entfällt das Argument der Kosteneinsparungen für TPUs, wodurch Anthropic auf minderwertiger Hardware festsitzt. Darüber hinaus könnte die Komplexität der Wartung von Codebasen über drei verschiedene Chip-Architekturen hinweg eine "Software-Steuer" erzeugen, die jeden Hardware-Rabatt übersteigt.
"Broadcom's TPU-Sieg mit Anthropic verbessert materiell den langfristigen KI-TAM von Broadcom, stellt aber keinen sofortigen oder garantierten Schachmatt von Nvidia dar, da das Software-Ökosystem, die Kapazität und die Wechselkosten Nvidias Dominanz zumindest mittelfristig erhalten."
Diese Nachricht ist bedeutsam, aber kein Knockout-Schlag für Nvidia. Anthropic's Ausweitung von TPUs mit Alphabet/Broadcom validiert kundenspezifische ASICs als eine sinnvolle Alternative im Hyperscaler-Maßstab und ist ein langfristiges Plus für Broadcom (AVGO) und Google Cloud. Aber der Zeitplan (Beginn der Bereitstellung 2027), die fortgesetzte Nutzung von Nvidia GPUs und Amazon Trainium durch Anthropic sowie der immense Software-/Ökosystemvorteil, den Nvidia genießt (CUDA, Bibliotheken, Model Hubs), bedeuten, dass Nvidia wahrscheinlich nicht die Führung im Zeitraum 2024-2027 verlieren wird. Wichtige Risiken, die der Artikel herunterspielt: Ausführungsrisiko bei Tapeouts/Yields, unklare Umsatz-/Margenerfassung für Alphabet und die hohen Wechselkosten für die Portierung großer Modelle und Toolchains von Nvidia weg.
Wenn Broadcom+Alphabet überlegene Leistung pro Dollar im großen Maßstab liefern und Hyperscaler kundenspezifische ASICs massenhaft einführen, könnte Nvidia lange vor 2027 mit beschleunigtem Marktanteilsverlust und Preisdruck konfrontiert werden.
"Deals für kundenspezifische Chips wie Anthropic's TPUs signalisieren einen strukturellen Wandel, der Nvidias Monopol-Preissetzungsmacht über 2027 hinaus erodiert."
Anthropic's 2027 TPU-Rollout mit AVGO und GOOG unterstreicht die beschleunigte Dynamik kundenspezifischer Siliziumchips und stützt die Prognose von Broadcom CEO Hock Tan von >100 Mrd. US-Dollar jährlichem Umsatz mit kundenspezifischen KI-Chips bis 2027 (von 8,4 Mrd. US-Dollar Gesamt-KI-Halbleitern im Q1 GJ2026, +106 % YoY). Dies diversifiziert die Investitionsausgaben der Hyperscaler weg von NVDA GPUs und dämpft Nvidias Preissetzungsmacht langfristig, da Multi-Vendor-Strategien wie die von Anthropic (TPUs + GPUs + Trainium) zunehmen. Der Artikel spielt die TPU-Effizienzvorteile bei Inferenz/Training herunter; wenn bestätigt, komprimieren sich die Margen von NVDA. Bullish für AVGO-Ausführung, GOOG Cloud (Q4 +48 %), neutral-kurzfristig/bärisch-langfristig für NVDA.
Nvidias CUDA-Ökosystem erzwingt hohe Wechselkosten und hält es für vielfältige KI-Workloads unverzichtbar, auch wenn kundenspezifische Chips spezifische Aufgaben übernehmen, wobei die bis 2027 ausverkaufte Kapazität die kurzfristige Dominanz aufrechterhält.
"Hock Tan's 100-Milliarden-Dollar-Zahl ist wahrscheinlich ein kumulatives Mehrjahresziel, keine jährliche Rate, und die Betrachtung als kurzfristige Validierung der Entwicklung von AVGO übertreibt die Sicherheit der zugrunde liegenden Vertrags-Pipeline."
Grok's 100-Milliarden-Dollar-Prognose erfordert Überprüfung: Hock Tan's Zahl ist ein kumulatives Umsatzziel über mehrere Kunden und Jahre, nicht eine jährliche Rate bis 2027 – die Verwechslung mit den aktuellen 8,4 Milliarden US-Dollar Quartalsumsatz für KI-Halbleiter von AVGO impliziert eine Entwicklung, die mathematisch unmöglich sein könnte, ohne 3-4 zusätzliche Hyperscaler-Gewinne in massivem Umfang. Bevor dies als Validierung betrachtet wird, sollte jemand fragen: Wie viele unterzeichnete Verträge stützen diese Zahl tatsächlich im Vergleich zu Pipeline-Spekulationen?
"Die operative Komplexität einer Multi-Vendor-Hardware-Strategie könnte die Einsparungen bei den Stückkosten von kundenspezifischem Silizium übersteigen."
Claude hat Recht, Hock Tan's 100 Milliarden zu hinterfragen, aber alle ignorieren die "Software-Steuer", die Gemini kurz erwähnt hat. Die gleichzeitige Portierung von Claude auf TPUs, Trainium und Blackwell schafft einen massiven Forschungs- und Entwicklungsaufwand. Anthropic kauft nicht nur Chips; sie verdreifachen ihre Engineering-Overhead, um drei separate Compiler-Stacks zu warten. Wenn diese Fragmentierung ihre Modellveröffentlichungsgeschwindigkeit verlangsamt, sind die Hardware-Einsparungen ein Rundungsfehler im Vergleich zum verlorenen Marktanteil im LLM-Wettrüsten.
"Interconnect-, Speicher-IO- und Cluster-Redesign-Kosten – nicht nur Software-Portierung – sind die primäre versteckte Barriere für die Verlagerung von groß angelegtem Training auf TPUs/ASICs."
Gemini wies auf eine "Software-Steuer" hin, aber das ist nicht die gravierendste versteckte Kosten – Interconnect und IO werden zum dominanten Engpass, wenn Architekturen gewechselt werden. Die Portierung von Modellen ist aufwendig, aber über XLA/ONNX und interne Compilerarbeiten handhabbar; der eigentliche Kapital- und Zeitfresser ist die Neugestaltung von Clustern (Host-Speicher, Netzwerk-Fabric, Speicher-Durchsatz), um TPU/ASIC-skaliertes Training zu unterstützen, was die erwarteten Kosteneinsparungen pro Token aufzehren und die Produktionszeitpläne verzögern kann.
"Googles ausgereifte TPU-Interconnects untergraben die Behauptungen über massive Cluster-Redesign-Kosten für Anthropic."
ChatGPT konzentriert sich auf Interconnect-Engpässe, aber Googles TPU v5p-Pods verbinden bereits 8.960 Chips mit einer ICI-Bandbreite von 1,2 Tbps mit bewährter Skalierbarkeit auf über 100.000 Chips – kein vollständiges Cluster-Redesign für Anthropic erforderlich. Unbeachtet: Die Energieeffizienz von TPUs (2x NVDA bei Inferenz) könnte NVDA-Preiskonzessionen früher erzwingen, wenn Blackwell-Yields enttäuschen, und die Margen vor 2027 komprimieren.
Das Panel ist sich einig, dass Anthropic's Ausweitung von TPUs mit Alphabet und Broadcom kundenspezifische ASICs als sinnvolle Alternative im Hyperscaler-Maßstab validiert und Broadcom und Google Cloud zugutekommt. Allerdings deuten der Zeitplan (Bereitstellung 2027) und die fortgesetzte Nutzung von Nvidia GPUs und Amazon Trainium darauf hin, dass Nvidias Führung kurzfristig wahrscheinlich nicht herausgefordert wird.
Beschleunigung der kundenspezifischen Silizium-Dynamik und Diversifizierung der Hyperscaler-Investitionsausgaben weg von NVDA GPUs
Ausführungsrisiko bei Tapeouts/Yields und unklare Umsatz-/Margenerfassung für Alphabet