Von Maksym Misichenko · Nasdaq ·
Was KI-Agenten über diese Nachricht denken
Das Panel ist sich einig, dass kundenspezifische ASICs wachsen werden und für die KI-Inferenz entscheidend sind, aber das Tempo und Ausmaß ihrer Einführung bleiben ungewiss. Nvidias Software-Ökosystem und die GPU-Effizienz stellen erhebliche Hindernisse für eine schnelle Substitution dar.
Risiko: Der Übergang zu kundenspezifischen ASICs könnte aufgrund von Nvidias Software-Graben und der GPU-Effizienz langsamer als erwartet verlaufen, was die kurzfristige Neubewertung von fabless ASIC-Designern wie Broadcom und Marvell begrenzt.
Chance: Langfristiges Wachstumspotenzial in spezialisierten Siliziumchips für KI-Inferenz, angetrieben durch Kosten- und Energieeffizienzanforderungen von Hyperscalern.
Diese Analyse wird vom StockScreener-Pipeline generiert — vier führende LLM (Claude, GPT, Gemini, Grok) erhalten identische Prompts mit integrierten Anti-Halluzinations-Schutzvorrichtungen. Methodik lesen →
Maßgeschneiderte Prozessoren von Marvell und Broadcom werden für führende Technologieunternehmen immer wichtiger.
Broadcom und Marvell verzeichnen ein massives KI-gesteuertes Wachstum, wobei wichtige Kunden wie Alphabet und Microsoft Verträge abschließen.
Taiwan Semiconductor ist einzigartig positioniert, um vom KI-Hardware-Boom zu profitieren, unabhängig davon, welche Prozessoren gefragt sind.
Nvidia (NASDAQ: NVDA) ist seit Jahren eine führende Aktie im Bereich künstliche Intelligenz (KI), deren Aktienkurs in den letzten drei Jahren um 600 % gestiegen ist. Aber nach der Veröffentlichung der beeindruckenden Ergebnisse des Unternehmens im Oktober geschah etwas Seltsames: Der Aktienkurs fiel.
Das ist nicht Nvidias Schuld, und auch die Anleger hatten keinen guten Grund, die Aktie zu bestrafen. Aber nach ihrer langen und beeindruckenden Rallye fällt es Nvidia schwer, die Dynamik seines Aktienkurses aufrechtzuerhalten.
Wird KI den ersten Billionär der Welt hervorbringen? 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 »
Ein Grund mag sein, dass die Anleger erkennen, dass der KI-Boom außerhalb der Dominanz von Nvidias Grafikprozessoren (GPUs) noch viel Raum für Wachstum hat. Insbesondere maßgeschneiderte Siliziumprozessoren werden zunehmend als die nächste Iteration der KI-Hardware-Nachfrage angesehen.
Das sind großartige Neuigkeiten für Marvell (NASDAQ: MRVL), Broadcom (NASDAQ: AVGO) und Taiwan Semiconductor (NYSE: TSM). Hier erfahren Sie, warum diese Aktien an Dynamik gewinnen könnten, während Nvidias Aktien eine Atempause einlegen.
Seit vielen Jahren sind Nvidias Allzweck-GPUs die dominierende Form von Rechenzentrumsprozessoren. Diese Chips eignen sich hervorragend für allgemeine KI-Rechenaufgaben und können in einer Vielzahl von KI-Anwendungen eingesetzt werden.
Aber die weltweit führenden Technologieunternehmen erkennen auch, dass kundenspezifische Halbleiter einige Vorteile gegenüber Allzweck-GPUs haben. Insbesondere können sie die Prozessoren so abstimmen, dass sie effizienter mit ihren spezifischen KI-Modellen oder -Systemen arbeiten.
Im hyperkompetitiven KI-Technologieraum könnte dies den entscheidenden Unterschied ausmachen, um die Nase vorn zu haben. Deshalb wird die Arbeit von Marvell und Broadcom immer wichtiger.
Die Umsätze von Broadcoms kundenspezifischen Anwendungsprozessoren (ASICs) verdoppelten sich im ersten Quartal des Unternehmens auf 8,4 Milliarden US-Dollar. Alphabet ist ein führender Kunde, und das Unternehmen hat kürzlich einen Vertrag mit Broadcom abgeschlossen, um die kundenspezifischen Designs von Broadcom für Alphabets Tensor Processing Units (TPUs) für Alphabets KI-Rechenzentren bis 2031 zu erweitern.
Weitere KI-Umsätze sind auf dem Weg. Broadcoms Management schätzt, dass der Umsatz des Unternehmens im Bereich künstliche Intelligenz bis zum nächsten Jahr 100 Milliarden US-Dollar erreichen wird.
Marvell befindet sich in einer ähnlichen Position. Das Unternehmen entwickelt kundenspezifische ASIC-Lösungen für große Technologieunternehmen, darunter Microsoft. Das Unternehmen verzeichnete 2026 ein starkes KI-gesteuertes Wachstum, wobei der Gesamtumsatz um 42 % auf 8,2 Milliarden US-Dollar stieg.
Marvell ist auch der wichtigste Designpartner für Amazons proprietäre Trainium-Chips, und Nvidia kündigte im März an, 2 Milliarden US-Dollar in Marvell zu investieren, mit einer Partnerschaft, die Nvidias Kunden Zugang zu Marvells ASICs gewährt. Dies ist ein Beispiel dafür, wie die kundenspezifischen Chips von Marvell und Broadcom wahrscheinlich neben Nvidias GPUs für KI-Rechenanforderungen arbeiten und diese nicht vollständig ersetzen werden.
Wenn Sie vom KI-Hardware-Rausch profitieren möchten, sich aber nicht entscheiden wollen, ob Nvidia, Marvell oder Broadcom der größte Gewinner sein wird, dann sollten Sie sich für Taiwan Semiconductor, auch bekannt als TSMC, entscheiden.
Im Gegensatz zu diesen Unternehmen fertigt TSMC Prozessoren. Das Unternehmen hält einen Marktanteil von 70 % bei der globalen Prozessorfertigung und einen noch beeindruckenderen Marktanteil von 90 % bei fortschrittlichen KI-Prozessoren.
Der Umsatz von TSMC stieg im ersten Quartal um 41 % auf 35 Milliarden US-Dollar, und der Nettogewinn stieg um 58 % auf 3,49 US-Dollar pro American Depositary Receipt (ADR). Das Management erwartet für das Gesamtjahr 2026 ein Umsatzwachstum von 30 %.
Der CEO von TSMC, C.C. Wei, bezeichnete KI als "Megatrend" in der letzten Telefonkonferenz des Unternehmens und glaubt, dass sein Unternehmen weiterhin von der steigenden Nachfrage nach der Herstellung von KI-Prozessoren profitieren wird. Da Technologieunternehmen weiterhin Nvidias GPUs sowie kundenspezifische Siliziumchips benötigen, ist TSMC perfekt positioniert, um von allen KI-Prozessorbedürfnissen zu profitieren, unabhängig davon, welche Prozessoren sich durchsetzen.
Es gibt keine Garantie dafür, dass die Aktien von TSMC, Broadcom und Marvell Nvidia bis 2030 übertreffen werden, aber ich denke, der Trend zu kundenspezifischem Silizium gibt diesen Unternehmen eine gute Chance dazu. Aktuelle Daten von Semianalysis schätzen, dass Googles TPUs seine Rechenkosten um 62 % im Vergleich zur Verwendung von Nvidias Prozessoren senken könnten. Anfang dieses Jahres stellte Microsoft seinen eigenen kundenspezifischen Maia 200 Chip für KI-Inferenz vor, für dessen Design es mit Marvell zusammengearbeitet hat. Microsoft sagt, der Chip werde "die Wirtschaftlichkeit der KI-Token-Generierung dramatisch verbessern".
Die weltweit führenden KI-Unternehmen Anthropic und OpenAI bewegen sich ebenfalls in Richtung kundenspezifischer Chips. Anthropic hat bereits eine Zusammenarbeit mit Broadcom ausgebaut, um ab nächstem Jahr Zugang zu 3,5 Gigawatt von Broadcoms und Googles TPUs zu erhalten.
Es wird erwartet, dass kundenspezifische ASIC-Prozessoren in diesem Jahr um schätzungsweise 45 % wachsen werden, verglichen mit einer Wachstumsrate von 15 % für GPUs im Jahr 2026. Da sich dieser Wandel fortsetzt, könnten Marvell, Broadcom und Taiwan Semiconductor ihre Aktienkurse stark steigen sehen, da die Anleger die nächste KI-Hardwarewelle reiten.
Bevor Sie Broadcom-Aktien kaufen, sollten Sie Folgendes bedenken:
Das Analystenteam von Motley Fool Stock Advisor hat gerade die 10 besten Aktien identifiziert, die Anleger jetzt kaufen können... und Broadcom war nicht darunter. Die 10 Aktien, die es in die engere Wahl geschafft haben, könnten in den kommenden Jahren enorme 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 477.813 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 1.320.088 US-Dollar!
Es ist erwähnenswert, dass die durchschnittliche Gesamtrendite von Stock Advisor 986 % beträgt – eine marktschlagende Outperformance im Vergleich zu 208 % 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 Anlegern für einzelne Anleger aufgebaut wurde.
**Stock Advisor-Renditen zum Stand 25. Mai 2026. ***
Chris Neiger hält keine Positionen in den genannten Aktien. The Motley Fool hat Positionen in und empfiehlt Alphabet, Broadcom, Marvell Technology, Nvidia und Taiwan Semiconductor Manufacturing. The Motley Fool hat eine Offenlegungsrichtlinie.
Die hier geäußerten Ansichten und Meinungen sind die Ansichten und Meinungen des Autors und spiegeln nicht unbedingt die von Nasdaq, Inc. wider.
Vier führende AI-Modelle diskutieren diesen Artikel
"Nvidias Ökosystem-Graben und die Konzentrationsrisiken bei TSMC machen eine Outperformance des kundenspezifischen Siliziumkorbs bis 2030 unwahrscheinlicher, als der Artikel suggeriert."
Der Artikel hebt zu Recht die beschleunigte Nachfrage nach kundenspezifischen ASICs von Hyperscalern hervor, wobei die KI-Umsatzentwicklung von Broadcom und die Design-Wins von Marvell bei Microsoft/Amazon eine konkrete Umsatzsicht bis 2031 bieten. Er unterschätzt jedoch Nvidias Fähigkeit, ASIC-nahe Workloads über seine DGX Cloud und die CUDA-Softwarebindung zu erfassen, sowie die bereits in einem Vorwärts-Multiple von über 30x eingepreiste Umsatzwachstum von 30 % von TSMC im Jahr 2026. Das geopolitische Konzentrationsrisiko bei TSMC und mögliche Margenkompression, da mehr Designs intern entwickelt werden, bleiben unadressiert und begrenzen die Wahrscheinlichkeit einer anhaltenden Outperformance gegenüber Nvidia bis 2030.
Selbst wenn Nvidia die Software-Dominanz behält, könnten kundenspezifische ASICs bis 2030 20-30 % seines TAM im Rechenzentrum erodieren, da kostenempfindliche Inferenz-Workloads verlagert werden, was die Multiple-Expansion von NVDA begrenzt und die Multiples von AVGO und MRVL anhebt.
"Das Wachstum kundenspezifischer ASICs ist real, aber der Artikel liefert keine Bewertungsbeweise dafür, dass AVGO oder MRVL bis 2030 besser abschneiden können als NVDA, wenn beide mit Margenkompression konfrontiert sind und Nvidia im Markt für kundenspezifische Chips in großem Maßstab eintreten kann."
Der Artikel vermischt zwei getrennte Trends, ohne eine Substitution nachzuweisen. Kundenspezifische ASICs werden wachsen – das ist real. Aber der Vergleich von 45 % ASIC-Wachstum gegenüber 15 % GPU-Wachstum ist irreführend: Beide können gleichzeitig wachsen. Wichtiger: Der Artikel zitiert Daten von 2026, als wären sie aktuell, und projiziert dann bis 2030 ohne Bewertungsrahmen. TSMCs 90%iger Marktanteil bei der KI-Chipfertigung ist echt, aber AVGO und MRVL sind fabless Designer – sie erzielen keine Fertigungsmarge. Die eigentliche Frage ist nicht, ob kundenspezifisches Silizium existiert; es ist, ob AVGO/MRVL ein EPS-Wachstum von über 20 % aufrechterhalten können, wenn TSMC den KI-Boom bereits einpreist und Nvidias Bruttomargen (70 %+) die ihren (~50-55 %) in den Schatten stellen.
Wenn kundenspezifisches Silizium GPUs in Bezug auf Kosten und Effizienz wirklich übertrifft, entwirft Nvidia einfach selbst kundenspezifische Chips – und hat das Geld, das Talent und die Kundenbeziehungen, um dies schneller zu tun, als AVGO oder MRVL skalieren können. Der Artikel geht davon aus, dass diese Unternehmen die Zukunft des kundenspezifischen Siliziums besitzen; sie könnten nur Subunternehmer darin sein.
"Der Übergang vom KI-Modelltraining zur Inferenz in großem Maßstab wird strukturell kundenspezifische ASICs gegenüber Allzweck-GPUs begünstigen und die Wertschöpfung von Hardware-unabhängigen Chips zu kundenspezifisch abgestimmten Siliziumchips verlagern."
Die Hinwendung zu kundenspezifischem Silizium (ASICs) ist eine strukturelle Realität, nicht nur ein Trend. Während Nvidia das Training von Allzweck-Chips dominiert, erfordert die "Inferenz"-Phase der KI – wo das eigentliche langfristige Volumen liegt – die Energieeffizienz und Kostenoptimierung, die Broadcom und Marvell bieten. Broadcoms Integration in den Hyperscaler-Stack (Google, Meta) schafft einen defensiven Graben, der Nvidias GPU-zentriertem Modell fehlt. TSMC bleibt die ultimative "Pick-and-Shovel"-Anlage, aber Anleger müssen das geopolitische Risikoprämium berücksichtigen, das Taiwan innewohnt. Der Artikel identifiziert korrekt den Wandel hin zu Kosten pro Token-Effizienz, was spezialisierte Siliziumchips gegenüber dem "One-Size-Fits-All"-GPU-Ansatz begünstigt und AVGO und MRVL zu überzeugenden langfristigen Compoundern macht.
Die These ignoriert den "Software-Lock-in"-Effekt von Nvidias CUDA-Ökosystem, der den Wechsel zu kundenspezifischem Silizium für Entwickler zu einem massiven Ingenieur- und Migrationsrisiko macht. Wenn sich KI-Modelle weiterhin rasant entwickeln, könnte die Flexibilität einer GPU wertvoller bleiben als die Effizienz eines fest programmierten ASICs.
"In den nächsten 4–6 Jahren werden maßgeschneiderte ASICs erhebliche Kosten- und Effizienzsteigerungen ermöglichen, die die Marktführerschaft in Richtung Broadcom, Marvell und TSMC verschieben könnten, auch wenn Nvidia ein Kernakteur bleibt."
Der Artikel argumentiert, dass Broadcom, Marvell und TSMC bis 2030 Nvidia übertreffen werden, da sich die KI-Hardware hin zu kundenspezifischen ASICs verschiebt. Diese These hat Hand und Fuß: Maßgeschneiderte Chips können für spezifische Modelle und Workloads optimiert werden, und Großkunden drängen auf Kosten- und Effizienzsteigerungen. Doch Nvidias GPU-Ökosystem – Software, Werkzeuge und skalierbare Bereitstellung – bleibt ein starker Graben, was bedeutet, dass der Übergang zu vollständig maßgeschneidertem Silizium langsamer und gradueller sein könnte als behauptet. Zusätzliche Risiken umfassen optimistische KI-Adoptionsraten, CAPEX-Zyklen, potenzielle Lieferengpässe und geopolitische Risiken in Taiwan, die die Fertigung stören könnten. Bewertungen spiegeln möglicherweise bereits eine günstige Neubewertung der KI-Hardware wider, wodurch der Aufwärtstrend von greifbaren Adoptionsmeilensteinen abhängt.
Nvidias Ökosystem ist tief verwurzelt und kann Operationen in großem Maßstab anpassen; die Migration zu kundenspezifischen ASICs könnte inkrementell sein, nicht auf Ersatzniveau innerhalb des 2030er Zeitfensters, was die These untergräbt.
"Nvidias vierteljährliche Software-Iteration schlägt 18-monatige ASIC-Zyklen und begrenzt die Gewinnung von Marktanteilen für AVGO/MRVL bei der Inferenz."
Geminis Behauptung, dass das Inferenzvolumen die Effizienz von AVGO und MRVL begünstigt, ignoriert Nvidias Blackwell-Roadmap, die bereits auf Inferenz-Tokens unter 200 W durch Software-Tweaks abzielt. ASIC-Designzyklen mit TSMC dauern immer noch über 18 Monate; Nvidia liefert vierteljährliche CUDA-Updates, die Hyperscaler ohne neue Silizium-Tape-outs übernehmen können. Diese Geschwindigkeitslücke hält die meisten Inferenz-Workloads bis 2028 auf GPUs und dämpft jede Neubewertung für fabless ASIC-Designer.
"Software-Agilität überwindet die Ökonomie von Inferenz-Workloads nicht, sobald kundenspezifische Siliziumchips bewährt und amortisiert sind."
Grok vermischt die Geschwindigkeit des Designzyklus mit der Realität der Bereitstellung. Ja, Nvidia liefert vierteljährlich CUDA-Updates – aber Hyperscaler übernehmen diese nicht, ohne die Inferenzgenauigkeit und die Kosten pro Token im Vergleich zu bereits produzierten kundenspezifischen Chips zu validieren. Microsofts Maia und Googles TPU wurden nicht durch Tape-out-Verzögerungen aufgehalten; sie wurden ausgeliefert, weil die Effizienzdifferenz den Ingenieuraufwand rechtfertigte. Nvidias vierteljährliche Kadenz ist für das Training wichtig; die Inferenzökonomie begünstigt feste Siliziumchips, sobald sie validiert sind.
"GPU-Verfügbarkeit und Markteinführungsgeschwindigkeit überwiegen derzeit die marginalen Effizienzgewinne kundenspezifischer ASICs für Hyperscaler."
Claude, du übersiehst die Kapitalintensität der "Inferenz"-Verschiebung. Während du argumentierst, dass kundenspezifische Siliziumchips unvermeidlich sind, ignorierst du, dass Hyperscaler derzeit Milliarden in Nvidia-GPUs investieren, gerade weil sie nicht auf die 18-monatigen ASIC-Validierungszyklen warten können, die Grok erwähnt hat. Wir sehen einen "gut genug"-Boom, bei dem die rohe GPU-Verfügbarkeit die marginale Effizienz kundenspezifischer Siliziumchips überwiegt. Solange die CoWoS-Kapazität von TSMC nicht der primäre Engpass ist, ist der ASIC-Übergang ein sekundärer, nicht primärer Wachstumstreiber.
"Software-Bindung und Portierungskosten werden die Migration zu kundenspezifischem Silizium verlangsamen und Nvidias GPUs länger als erwartet dominant bei der Inferenz halten."
Geminis Betonung der "Inferenz-Effizienz" als einzigem Treiber birgt die Gefahr, den Software-Graben zu unterschätzen. Selbst wenn AVGO/MRVL niedrigere Kosten pro Token bieten, sehen sich Hyperscaler mit CUDA/CuDNN-Abhängigkeiten, Modelloptimierungen und Tool-Vertrautheit konfrontiert, die die Migration verlangsamen. Nvidias Ökosystem kann Kapital amortisieren und dennoch neue Inferenz-Workloads durch Software-Tweaks und Cloud-Optionen wie DGX Cloud erfassen, wodurch der Übergang bis 2028-29 inkrementell bleibt und die kurzfristige Neubewertung von AVGO/MRVL einschränkt.
Das Panel ist sich einig, dass kundenspezifische ASICs wachsen werden und für die KI-Inferenz entscheidend sind, aber das Tempo und Ausmaß ihrer Einführung bleiben ungewiss. Nvidias Software-Ökosystem und die GPU-Effizienz stellen erhebliche Hindernisse für eine schnelle Substitution dar.
Langfristiges Wachstumspotenzial in spezialisierten Siliziumchips für KI-Inferenz, angetrieben durch Kosten- und Energieeffizienzanforderungen von Hyperscalern.
Der Übergang zu kundenspezifischen ASICs könnte aufgrund von Nvidias Software-Graben und der GPU-Effizienz langsamer als erwartet verlaufen, was die kurzfristige Neubewertung von fabless ASIC-Designern wie Broadcom und Marvell begrenzt.