AMD übernimmt Chip-Startup Taalas; kann es Nvidias KI-Dominanz herausfordern?

Der technologische Ansatz des 2023 gegründeten Unternehmens Taalas unterscheidet sich grundlegend von der großen Mehrheit der heute auf dem Markt erhältlichen KI-Chips. Anstatt Allzweck-GPUs herzustellen, ätzt das Unternehmen die Gewichte spezifischer KI-Modelle direkt auf das Silizium und stellt so modellspezifische integrierte Schaltkreise her.

Im Februar dieses Jahres brachte Taalas seinen ersten Testchip, den HC1, heraus, unter Verwendung des ( TSM)-6-Nanometer-Prozesses von TSMC. Damalige Benchmarks zeigten, dass der Chip beim Ausführen des Llama-3.1-8B-Modells eine Geschwindigkeit von fast 17.000 Token pro Sekunde erreichte, was etwa dem 48-Fachen der Leistung von Nvidias H200 und B200 entspricht.

Der mit diesem Ansatz verbundene Kompromiss ist der Verlust an Flexibilität; sobald das Tape-out des Chips abgeschlossen ist, ist das Modell fest auf dem Silizium verdrahtet, und jede wesentliche Aktualisierung erfordert ein neues Tape-out. Taalas behauptet jedoch, dass es vom Erhalt eines neuen Modells bis zum Abschluss der Hardware-Implementierung nur etwa zwei Monate dauert. Dies bedeutet, dass Kunden eine Abwägung zwischen spezialisierter Leistung und Update-Häufigkeit treffen müssen.

AMD-CEO Lisa Su hatte zuvor erklärt, dass es im Chipsektor keine Universallösung gibt. Der KI-Markt entwickelt sich hin zu heterogenem Computing und maßgeschneiderten Chips, und die Übernahme von Taalas ist eine konkrete Reaktion auf diesen Trend sowie Teil der Rack-Scale-Strategie von AMD.

Seit 2024 hat AMD sukzessive 665 Millionen US-Dollar für die Übernahme des KI-Modellentwicklers Silo AI und weitere 4,9 Milliarden US-Dollar für den Erwerb des Serverherstellers ZT Systems ausgegeben und damit den Weg für seine Helios-Rack-Scale-Systeme geebnet.

Im Juli dieses Jahres kündigte Lisa Su auf der Konferenz „Advancing AI 2026“ an, dass Helios die Phase der Serienproduktion erreicht hat, wobei die Auslieferungen voraussichtlich in der zweiten Jahreshälfte anlaufen und im vierten Quartal in Betrieb gehen sollen, und Kunden wie Microsoft ( MSFT ), OpenAI und Anthropic den Einsatz bereits bestätigt haben.

AMD plant, Taalas-Chips zusammen mit seinen Instinct-GPUs einzusetzen. Wie mit der Angelegenheit vertraute Personen berichten, wird bei einer disaggregierten Architektur die Prompt-Verarbeitung von der GPU übernommen, während die Aufgaben der Token-Generierung auf den Taalas-Beschleuniger ausgelagert werden, womit ein Implementierungspfad etabliert wird, der auf eine anfängliche Verifizierung und anschließende Beschleunigung setzt.

Werfen wir zunächst einen Blick auf die Karten, die AMD auf der Hand hat.

Lisa Su gab auf einer Konferenz im Juli bekannt, dass bis 2026 etwa 60 % der KI-Rechenleistung für die Inferenz genutzt werden dürften. Inferenzkosten entwickeln sich zu einem Kernanliegen für Cloud-Anbieter und Unternehmen, während die GPUs von Nvidia bei Inferenzaufgaben eine geringe Energieeffizienz und hohe Latenzen aufweisen und die dedizierten Chips von Taalas genau auf diese Nachfrage abzielen.

Was die Leistung betrifft, so reicht der 48-fache Unterschied bei der Inferenzleistung – selbst wenn er im tatsächlichen Einsatz geringer ausfallen sollte – immer noch aus, um Cloud-Anbieter dazu zu bringen, ihre Kostenkalkulationen zu überdenken. Microsoft, Meta ( META) und andere führende Kunden haben bereits mit der Entwicklung eigener Inferenzchips begonnen, sodass der Einstieg von AMD zu diesem Zeitpunkt nicht zu spät kommt.

Auf Systemebene ist Helios mit 72 MI455X-GPUs ausgestattet, deren Rechenleistung und Speicherkapazität um 15 % bzw. 50 % höher sind als bei Nvidias Vera Rubin NVL72. Von den Chips über die Server bis hin zum Software-Stack behebt die Übernahme von Taalas die größte Schwachstelle auf der Inferenzseite.

Doch die Herausforderungen, vor denen AMD steht, sind ebenfalls nicht zu ignorieren.

Erstens sind da die Kosten der Flexibilität. Die Chips von Taalas verdrahten die Modelle fest im Silizium, während KI-Modelle wöchentlich aktualisiert werden. Kunden, die sich für Taalas entscheiden, müssen einen Update-Rhythmus von einmal alle zwei Monate akzeptieren. Die GPUs von Nvidia hingegen können sich jederzeit an jedes neue Modell anpassen, und diese Vielseitigkeit ist das Fundament für Nvidias Unersetzlichkeit.

Zweitens das Entwickler-Ökosystem. Nvidias Vorteil liegt in den Millionen von Entwicklern, die seit Langem KI-Anwendungen auf der CUDA-Plattform entwickeln, was die Wechselkosten extrem hoch macht. Obwohl der ROCm-Software-Stack von AMD aufholt, bleibt der Abstand beträchtlich.

Schließlich ist da noch der Größenunterschied. Nvidias Umsatz im Geschäftsjahr 2026 wird voraussichtlich die Marke von 200 Milliarden US-Dollar überschreiten, verglichen mit rund 30 Milliarden US-Dollar bei AMD. Ob bei den F&E-Ausgaben, der Kontrolle über erstklassige Kapazitäten in der Lieferkette oder den Kundenbeziehungen – die beiden spielen noch immer nicht in derselben Liga.

Realistisch betrachtet dürfte diese Übernahme allein die Führungsposition von Nvidia kurzfristig kaum ins Wanken bringen, aber sie eröffnet AMD einen Durchbruch bei der Kostensenkung und Effizienzsteigerung.

Der Inferenzmarkt hat gerade erst begonnen zu explodieren, und Lisa Su erwartet, dass der Markt für KI-Beschleuniger bis 2030 ein Volumen von 1,4 Billionen US-Dollar erreichen wird. Wenn die Technologie von Taalas wie geplant erfolgreich umgesetzt wird, das Helios-System validiert ist und das ROCm-Ökosystem weiter aufholt, ist AMD gut aufgestellt, um einen beträchtlichen zusätzlichen Anteil im Inferenzbereich zu erobern. In diesem Sinne ist die Übernahme von Taalas ein entscheidender Schritt.

Dieser Inhalt wurde KI-übersetzt und von Menschen überprüft. Er dient nur zu Referenz- und Informationszwecken und stellt keine Anlageberatung dar.