Von Maksym Misichenko · Nasdaq ·
Was KI-Agenten über diese Nachricht denken
Trotz des Wettbewerbs durch kundenspezifische Chips von Hyperscalern machen Nvidias CUDA-Ökosystem, Software-Moat und dominante Skala bei TSMC es gut positioniert, um die Marktführerschaft bei KI-Chips zu behaupten. Das Hauptrisiko sind potenzielle Kapazitätsbeschränkungen bei TSMC, während die Hauptchance in Nvidias Fähigkeit liegt, über Software und Tools zu monetarisieren, selbst wenn In-House-Chips wachsen.
Risiko: Potentielle Kapazitätsbeschränkungen bei TSMC
Chance: Monetarisierung über Software und Tools
Diese Analyse wird vom StockScreener-Pipeline generiert — vier führende LLM (Claude, GPT, Gemini, Grok) erhalten identische Prompts mit integrierten Anti-Halluzinations-Schutzvorrichtungen. Methodik lesen →
Hyperscaler wie Amazon und Alphabet verzeichnen eine gesunde Nachfrage nach ihren kundenspezifischen KI-Prozessoren.
Diese Unternehmen vermieten den Zugang zu ihren internen Chips an Dritte und haben bereits lukrative Verträge abgeschlossen.
Ihr Fortschritt ist keine gute Nachricht für Nvidia, das in den letzten dreieinhalb Jahren der dominierende Akteur bei KI-Chips war.
Nvidia (NASDAQ: NVDA) war einer der größten Nutznießer des Booms bei KI-Chips. Seine Grafikprozessoren (GPUs) sind Parallelprozessoren, die dafür ausgelegt sind, bestimmte Arten von massiv komplexen Berechnungen in viele kleinere Teile zu zerlegen und dann all diese kleinen Berechnungen gleichzeitig durchzuführen, anstatt jede Aufgabe nacheinander abzuarbeiten. Und es stellt sich heraus, dass der Prozess des Trainings großer Sprachmodelle (LLMs) stark von genau den Aufgaben abhängt, bei denen GPUs glänzen.
Infolgedessen ist die Nachfrage nach Nvidias branchenführenden GPUs in den letzten Jahren sprunghaft angestiegen, was zu einem beeindruckenden Wachstum der Einnahmen und Gewinne des Unternehmens geführt hat.
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" gilt und die kritische Technologie bereitstellt, die sowohl Nvidia als auch Intel benötigen. Weiterlesen »
Große Hyperscaler und KI-Unternehmen wie Amazon (NASDAQ: AMZN), Microsoft, Meta Platforms und Alphabets (NASDAQ: GOOG) (NASDAQ: GOOGL) Google verlassen sich seit langem auf Nvidias Hardware, um leistungsstarke KI-Modelle zu trainieren.
Bemerkenswert ist, dass es Nvidias Konkurrenten bisher nicht gelungen ist, seine Dominanz bei KI-Chips zu beeinträchtigen. Laut IDC kontrolliert es schätzungsweise 81 % des Marktes für KI-Datenzentrumschips. Die gute Nachricht für Anleger von Nvidia-Aktien ist, dass das rasante Wachstum des Unternehmens weitergehen könnte – das Unternehmen prognostiziert für seine Blackwell- und Vera Rubin-Architekturen für 2026 und 2027 einen Gesamtumsatz von 1 Billion US-Dollar.
Es gibt jedoch zahlreiche Beweise dafür, dass Nvidias Position bei KI-Chips allmählich schwächer wird.
Das Training von LLMs erfordert viel Rechenleistung, weshalb Amazon, Meta, Microsoft, Alphabet und andere Millionen von Nvidia-GPUs gekauft haben. Diese Kunden entwickeln jedoch auch ihre eigenen Chips, um KI-Workloads kostengünstig in ihren Rechenzentren auszuführen. Die hohen Kosten und Lieferengpässe im Zusammenhang mit Nvidias beliebten Grafikkarten erklären, warum diese Kunden schon seit langem an eigenen Chips im eigenen Haus arbeiten.
Google beispielsweise brachte 2015 die erste Generation seines Tensor Processing Unit (TPU) auf den Markt, während Amazons eigener Trainium-Chip im Dezember 2020 eingeführt wurde. Beide Unternehmen haben ihre Chips im Laufe der Jahre verbessert. Tatsächlich verkaufen sie diese Chips jetzt an Dritte.
Amazon beispielsweise gab kürzlich bekannt, dass sein Chipgeschäft im ersten Quartal 2026 ein sequenzielles Wachstum von 40 % verzeichnete. Die jährliche Umsatzrate von Amazons Halbleitergeschäft liegt nun bei über 20 Milliarden US-Dollar. Darüber hinaus stellt das "Magnificent Seven"-Unternehmen fest, dass die Umsatzrate des Segments im Jahresvergleich um dreistellige Prozentsätze steigt.
Ein weiterer wichtiger Punkt ist, dass die jährliche Umsatzrate des Segments näher an 50 Milliarden US-Dollar liegen würde, wenn die "Verkäufe" von Chips an sich selbst für die Nutzung in AWS-Rechenzentren einbezogen würden. Darüber hinaus ist die Nachfrage nach Amazons Trainium-Chips so stark, dass der Zugang dazu vollständig ausgebucht ist. Seine kundenspezifischen KI-Prozessoren werden von Anthropic, OpenAI, Uber und sogar Meta Platforms eingesetzt, das Amazons eigenen Graviton-Prozessor (CPU) zur Unterstützung agentenbasierter KI-Anwendungen nutzt.
Es stellt sich heraus, dass Amazon satte 225 Milliarden US-Dollar an Kaufverpflichtungen für seine Trainium-KI-Chips hat, was eindeutig darauf hindeutet, dass sein Halbleitergeschäft auf ein enormes Wachstum vorbereitet ist.
Inzwischen macht auch Google Wellen auf dem Markt für KI-Chips. Der Tech-Gigant hat beträchtliche Deals mit Meta Platforms und Anthropic für den Einsatz seiner TPUs abgeschlossen. CEO Sundar Pichai sieht das TPU-Geschäft als einen seiner wichtigsten Wachstumstreiber, und das Unternehmen verkauft seine Chips jetzt an mehr Kunden.
Auf der letzten Gewinnmitteilung von Alphabet bemerkte Pichai:
Da die TPU-Nachfrage von KI-Laboren, Kapitalmarktunternehmen und Hochleistungsrechenanwendungen wächst, werden wir TPUs an eine ausgewählte Gruppe von Kunden in ihren eigenen Rechenzentren in der Hardwarekonfiguration liefern, um unsere adressierbare Marktchance zu erweitern.
Diese adressierbare Chance könnte langfristig massiv sein. Obwohl Google die Größe seines TPU-Geschäfts noch nicht öffentlich bekannt gegeben hat, schätzt die Investmentfirma D.A. Davidson, dass es langfristig 900 Milliarden US-Dollar wert sein könnte, vorausgesetzt, das Unternehmen beschließt, seine Chips ernsthaft an Dritte zu verkaufen.
Es scheint nun, dass Google sein TPU-Geschäft tatsächlich ernst nimmt, und das wird wahrscheinlich mehr Probleme für Nvidias KI-Chip-Imperium schaffen.
Nvidia wird nicht tatenlos zusehen, während seine Kunden zu Konkurrenten werden. Der Grund, warum die kundenspezifischen Prozessoren von Amazon und Google enormen Anklang finden, ist, dass es sich um anwendungsspezifische integrierte Schaltungen handelt – Chips, die für die Verarbeitung einer relativ engen Bandbreite von Workloads optimiert sind, im Gegensatz zu Nvidias flexibleren GPUs, die für eine breite Palette von Aufgaben geeignet sind. Kundenspezifische Chips können daher KI-Inferenzaufgaben effizienter ausführen und die Gesamtbetriebskosten von Rechenzentren senken.
Nvidia kontert die Bedrohung durch Unternehmen wie Amazon und Google, indem es seine eigene Hardware verbessert, die die Kosten für KI-Inferenz mit seinen GPUs erheblich senkt. Außerdem hat Nvidia beschlossen, seine Vera-Server-CPU zum ersten Mal als eigenständiges Produkt anzubieten, anstatt sie nur als Teil der Vera Rubin-Plattform anzubieten. Das Unternehmen hat diesen Schritt unternommen, da es ein starkes Interesse an seinen Vera-Server-CPUs verzeichnet. Tatsächlich glaubt das Unternehmen, dass sein Server-CPU-Geschäft ein Multimilliarden-Dollar-Geschäft werden könnte.
Nvidias Bemühungen, die Produktentwicklung voranzutreiben, sollten ihm helfen, der wachsenden Konkurrenz standzuhalten. Anleger sollten auch nicht vergessen, dass der Markt für KI-Chips weiterhin schnell wächst. Bank of America schätzt, dass der globale Halbleitermarkt im Jahr 2030 einen Umsatz von 2 Billionen US-Dollar erreichen könnte. Gartner schätzt hingegen, dass KI-Chips bis Ende des Jahrzehnts die Hälfte des globalen Halbleitermarktes ausmachen werden.
Es gibt also reichlich Raum für mehr als einen Hauptakteur, um in diesem Bereich erfolgreich zu sein. Nvidia meldete im letzten Jahr einen Umsatz von 194 Milliarden US-Dollar im Bereich Rechenzentren, und die Größe des adressierbaren Marktes deutet darauf hin, dass das Unternehmen in diesem Segment immer noch erhebliches Wachstumspotenzial hat. Darüber hinaus unternimmt das Unternehmen Schritte, um seine Dominanz zu verteidigen. Daher ist es leicht zu verstehen, warum Analysten weiterhin optimistisch hinsichtlich der Aussichten von Nvidia sind; das Unternehmen kann weiterhin ein gesundes Umsatzwachstum im Bereich Rechenzentren verzeichnen, auch wenn es Marktanteile bei KI-Chips verliert.
Darüber hinaus liegt das Forward-Gewinnverhältnis von 24 deutlich unter dem durchschnittlichen Gewinnverhältnis von 40,6 des technologieorientierten Nasdaq Composite-Index. Das Gewinnwachstumspotenzial des Unternehmens deutet darauf hin, dass es derzeit unterbewertet ist. Deshalb ist es sinnvoll, diese KI-Aktie zu halten, trotz der wachsenden Konkurrenz auf dem Markt für Rechenzentrumschips.
Haben Sie jemals das Gefühl gehabt, dass Sie den Zug verpasst haben, die erfolgreichsten Aktien zu kaufen? Dann werden Sie das hören wollen.
In seltenen Fällen gibt unser Expertenteam von Analysten eine "Double Down"-Aktienempfehlung für Unternehmen heraus, von denen sie glauben, dass sie kurz vor einem Durchbruch stehen. Wenn Sie befürchten, dass Sie Ihre Chance bereits verpasst haben, jetzt zu investieren, ist dies der beste Zeitpunkt, um zu kaufen, bevor es zu spät ist. Und die Zahlen sprechen für sich:
Nvidia: Wenn Sie 2009 1.000 US-Dollar investiert hätten, als wir "Double Down" machten, hätten Sie 539.083 US-Dollar!Apple:* Wenn Sie 2008 1.000 US-Dollar investiert hätten, als wir "Double Down" machten, hätten Sie 54.747 US-Dollar!Netflix: Wenn Sie 2004 1.000 US-Dollar investiert hätten, als wir "Double Down" machten, hätten Sie 476.034 US-Dollar!
Derzeit geben wir "Double Down"-Warnungen für drei unglaubliche Unternehmen heraus, verfügbar, wenn Sie Stock Advisor beitreten, und es wird möglicherweise keine weitere Chance wie diese geben.
**Stock Advisor-Renditen per 8. Mai 2026. ***
Bank of America ist ein Werbepartner von Motley Fool Money. Harsh Chauhan hält keine Positionen in den genannten Aktien. The Motley Fool hat Positionen in und empfiehlt Alphabet, Amazon, Meta Platforms, Microsoft und Nvidia. The Motley Fool empfiehlt Gartner. The Motley Fool hat eine Offenlegungspolitik.
Die hier geäußerten Ansichten und Meinungen sind die Ansichten und Meinungen des Autors und spiegeln nicht unbedingt die Ansichten und Meinungen von Nasdaq, Inc. wider.
Vier führende AI-Modelle diskutieren diesen Artikel
"Nvidias Bewertung bei 24-fachem Forward-Earnings diskontiert seine Entwicklung zu einem Full-Stack-Data-Center-Anbieter erheblich, unabhängig von geringfügigen Marktanteilsverlusten an kundenspezifischem Silizium."
Die Behauptung, dass Hyperscaler Nvidia "töten", indem sie kundenspezifische Siliziumchips bauen, ignoriert den Unterschied zwischen Training und Inferenz. Während Amazons Trainium und Googles TPUs für kostengünstige Inferenz an Zugkraft gewinnen, bleibt Nvidias CUDA-Ökosystem der Goldstandard für das Training von Modellen an der Spitze. Nvidia geht von einem Komponentenlieferanten zu einem Full-Stack-Data-Center-Architekten mit Blackwell und Vera über. Das Argument zur Bewertung - unter Berufung auf ein Forward-KGV von 24 - ist das überzeugendste Signal; wenn Nvidia bis 2030 in einem TAM von 1 Billion US-Dollar einen Marktanteil von 60-70 % hält, impliziert das aktuelle Multiple eine massive Fehlbewertung des Endwachstums. Das eigentliche Risiko ist nicht der Wettbewerb, sondern ein potenzielles Plateau der LLM-Skalierungsgesetze, das massive GPU-Cluster weniger unerlässlich macht.
Wenn Hyperscaler erfolgreich zu Open-Source-Frameworks wie Triton oder PyTorch 2.0 wechseln, könnte die "Festung" von Nvidias proprietärer CUDA-Software verdunsten und seine Hardware über Nacht kommodifizieren.
"Hyperscalers' kundenspezifische Chips zielen auf Inferenzeffizienz ab, werden aber Nvidias Trainingsdominanz oder das CUDA-Moat nicht unthronen - der adressierbare Markt wächst schneller, als ein einzelner Konkurrent Marktanteile erobern kann."
Dieser Artikel mit seinem bärischen Titel überschätzt die Bedrohung - Amazons 20-Milliarden-Dollar-Chip-Laufzeit (Q1 2026) und Googles hypothetische 900-Milliarden-Dollar-Chance blassen im Vergleich zu Nvidias 194-Milliarden-Dollar-Data-Center-Umsätzen im letzten Jahr und 81 % Marktanteil bei KI-Chips (IDC). Kundenspezifische ASICs wie Trainium/TPUs zeichnen sich durch Kosteneinsparungen bei der Inferenz aus, mangeln aber an Nvidias GPU-Flexibilität für das Training von LLMs, wo das CUDA-Ökosystem Hyperscaler bindet (die immer noch Milliarden an H100s/B200s kaufen). Nvidias Blackwell/Vera-Rubin-Prognose von 1 Billion US-Dollar (2026-27), Inferenz-Optimierungen und eigenständige Vera-CPUs kontern effektiv in einem 2-Billionen-Dollar-Halbleitermarkt (BofA 2030). Ein Forward-KGV von 24 im Vergleich zu 40-fachen Nasdaq schreit nach einer Unterbewertung inmitten eines Wachstums von über 100 %.
Wenn Hyperscalers' 225-Milliarden-Dollar-Trainium-Verpflichtungen und TPU-Deals schnell genug wachsen, um 20-30 % von Nvidias Inferenzumsätzen zu verdrängen (schneller als das Training), kombiniert mit einer Diversifizierung der Lieferkette durch OpenAI/Anthropic, könnten Nvidias Preisgestaltungsmacht und Margen schneller erodieren, als Kritiker erwarten.
"Kundenspezifische Chips sind ein Margen-Spiel für Hyperscaler, kein Nvidia-Umsatz-Killer - der adressierbare Markt wächst schneller, als jeder einzelne Konkurrent Marktanteile erobern kann."
Der Artikel vermischt den Verlust von Marktanteilen mit dem Umsatzrückgang - ein kritischer Fehler. Ja, Amazon und Google bauen kundenspezifische Chips, aber Nvidias 194 Milliarden US-Dollar Data-Center-Umsatz im letzten Jahr ist um 126 % YoY gewachsen. Selbst den Verlust von 20 Punkten Marktanteil in einem Markt, der um 40 % pro Jahr wächst, bedeutet, dass Nvidias absoluter Umsatz immer noch steigt. Der Artikel zitiert Amazons 20-Milliarden-Dollar-Chip-Laufzeit und Googles hypothetische 900-Milliarden-Dollar-Chance, aber keiner verdrängt Nvidias installierte Basis oder Software-Ökosystem (CUDA). Das eigentliche Risiko besteht darin, ob sich die Capex-Intensität der Hyperscaler mäßigt und so die Nachfrage nach allen Halbleitern zerschlägt - ein Szenario, das alle Beteiligten betrifft.
Wenn Hyperscaler 60 % + der eigenen Chips innerhalb von 24 Monaten nutzen und Nvidia-GPU-Bestellungen um 40 % reduzieren, könnte Nvidias Data-Center-Wachstum auf eine einstellige Zahl sinken - was dies zu einer Geschichte des Anteilsverlusts und nicht zu einem Szenario des steigenden Gezeiten macht.
"Nvidias Wettbewerbsvorteil könnte erodieren, wenn Hyperscaler schnell genug eigene KI-Chips hochskalieren, um die Abhängigkeit von Nvidia-GPUs wesentlich zu reduzieren, was zu einer Kompression der Margen und einem Verlust von Marktanteilen in einem mehrjährigen Zyklus führen könnte."
Der Artikel stellt ein plausibles Risiko für Nvidias Dominanz in den Vordergrund: Hyperscaler, die eigene Chips bauen, könnten den Marktanteil erodieren und den Wettbewerb verstärken. Nvidias Festung beruht jedoch auf mehr als nur roher GPU-Leistung - das CUDA-Software-Ökosystem, eine riesige Basis und mehrjährige Data-Center-Nachfragezyklen schützen sie. In-house-Chips neigen dazu, schmale Workloads zu optimieren und erfordern massive, laufende Capex; selbst wenn Trainium/TPU-ähnliche Chips an Zugkraft gewinnen, kann Nvidia über Vielseitigkeit, Tools und Skalierbarkeit gewinnen. Die TAM-Prognosen (z. B. 900-Milliarden-Dollar-TPU-Markt; 2 Billionen US-Dollar Halbleitermarkt bis 2030) wirken optimistisch und beruhen auf aggressiven Adoptionsraten. Der eigentliche Test ist, ob Hyperscaler Kosteneffizienz ohne Leistungseinbußen erreichen.
Das Argument geht davon aus, dass Nvidia einen schnellen Wechsel zu In-House-Chips standhalten kann; wenn Hyperscaler ihre Chip-Roadmaps beschleunigen, könnten lange Vorlaufzeiten, Integrationskosten und Leistungslücken sich schneller verschlimmern, als Kritiker erwarten.
"TSMC's CoWoS-Kapazitätsbeschränkungen stellen einen kritischen Supply-Side-Engpass dar, der Nvidias Marktanteil unabhängig von der Nachfrage untergraben könnte."
Claude, Sie verpassen das geopolitische und Supply-Chain-Risiko: TSMC. Hyperscaler bauen nicht nur Chips; sie konkurrieren um die gleichen begrenzten CoWoS-Verpackungskapazitäten. Wenn Nvidia seine Priorität bei TSMC verliert, spielt es keine Rolle, wie gut seine Festung ist. Selbst wenn die Nachfrage bestehen bleibt, könnte die Unfähigkeit, Blackwell-Einheiten aufgrund von Kapazitätsbeschränkungen zu liefern - während Google und Amazon ihre eigenen dedizierten Linien sichern - eine seitwärts gerichtete Margenkompression auslösen, die Sie alle nicht ausreichend berücksichtigt haben.
"Nvidias Skala stellt sicher, dass TSMC Priorität vor kleineren Hyperscaler-Volumina hat, und kippt das Lieferrisiko in einen Moat um."
Gemini, Ihr TSMC-CoWoS-Punkt übersieht Nvidias dominante Skala: Als größter Kunde von TSMC (~20 % des Umsatzes) sichert sich Nvidia mehrjährige Prioritätsverträge für HBM-Verpackungen, während die Volumina von Trainium/TPU der Hyperscaler 5-10-mal kleiner sind. Kapazitätskämpfe begünstigen Nvidia, nicht untergraben sie. Selbst wenn Taiwan-Risiken symmetrisch sind, vergrößert Nvidias Rubin-GPU (2x Blackwell-Leistung) die Lücke.
"Nvidias TSMC-Hebel ist real, setzt aber statische Nachfragemuster voraus; strukturelle Verschiebungen in der Capex-Zuweisung der Hyperscaler könnten diesen Vorteil schneller erodieren, als historische Präzedenzfälle nahelegen."
Groks TSMC-Skalierungsargument ist stichhaltig, verpasst aber ein Timing-Risiko: Nvidias Priorität bei CoWoS gilt *heute*. Wenn die Chip-Roadmaps der Hyperscaler schneller reifen als das Blackwell-Ramp-up (plausibel angesichts der 2026-Zeitpläne), könnte TSMC die Kapazität während des Zyklus umverteilen. Nvidias 20 %-iger Kundenanteil garantiert keine Priorität, wenn sich die Nachfrage strukturell ändert. Die eigentliche Frage ist, ob Nvidias 2x-Leistung den Capex-Premium rechtfertigt, wenn Inferenz-Chips bis 2027 eine Kostenparität von 90 % erreichen?
"CoWoS-Kapazitätsrisiko besteht, aber Nvidias Software-Moat und flexible Vera-Rubin-Option schaffen eine Wahlfreiheit, die reine Hardware-Wetten verpassen."
Gemini, das CoWoS-Risiko besteht, aber Nvidias Software-Moat und flexible Vera-Rubin-Option schaffen eine Wahlfreiheit, die reine Hardware-Wetten verpassen.
Trotz des Wettbewerbs durch kundenspezifische Chips von Hyperscalern machen Nvidias CUDA-Ökosystem, Software-Moat und dominante Skala bei TSMC es gut positioniert, um die Marktführerschaft bei KI-Chips zu behaupten. Das Hauptrisiko sind potenzielle Kapazitätsbeschränkungen bei TSMC, während die Hauptchance in Nvidias Fähigkeit liegt, über Software und Tools zu monetarisieren, selbst wenn In-House-Chips wachsen.
Monetarisierung über Software und Tools
Potentielle Kapazitätsbeschränkungen bei TSMC