Nvidia sollte nervös sein: Google im Angriff mit neuem Chip
#Technologie

Nvidia sollte nervös sein: Google im Angriff mit neuem Chip

Author

Arcan Askin

Das Wichtigste in Kürze:

  • Googles neuer Chip "Frozen v2" ist bis zu 10x effizienter als aktuelle KI-Chips.
  • Google steckt in einer Compute-Krise und zahlt 920 Mio. USD/Monat für fremde Nvidia-GPUs.
  • Frozen v2 könnte diesen Bedarf drastisch senken – und Nvidia teuer zu stehen kommen.

Google entwickelt heimlich einen neuen Server-Chip, der die Architektur seines KI-Modells Gemini direkt in die Hardware einbrennt. Der Frozen v2 könnte die Effizienz aktueller Chips um das Zehnfache übertrumpfen und Nvidias Dominanz im KI-Infrastruktur-Markt empfindlich treffen.

Der Wettlauf um die Vorherrschaft in der Künstlichen Intelligenz wird nicht nur mit Software, sondern zunehmend in Silizium ausgetragen. Laut einem Bericht von The Information vom 20. Juli 2026 arbeitet Google an einem hochspezialisierten Server-Chip mit dem internen Codenamen Frozen v2. Das Ziel: Die Architektur des hauseigenen KI-Modells Gemini soll physisch in die Hardware integriert werden.



Diese radikale Abkehr von universell einsetzbaren Chips könnte die Ökonomie von KI-Rechenzentren grundlegend verändern. Ingenieure, die an dem Projekt arbeiten, prognostizieren, dass Frozen v2 zwischen sechs und zehn Mal mehr Gemini-Tokens pro Watt generieren könnte als Googles aktuelle Tensor Processing Units (TPUs). Die Alphabet-Aktie reagierte prompt und stieg nach Bekanntwerden der Pläne zeitweise um 3.7 Prozent.

Das Problem der Universal-Chips

Aktuelle KI-Beschleuniger – ob Nvidias H100, Googles TPU 8i oder Amazons Trainium 3 – sind Generalisten. Sie sind darauf ausgelegt, jedes beliebige Modell auszuführen. Doch diese Flexibilität hat ihren Preis. Wenn ein Universal-Chip ein KI-Modell ausführt, muss er ständig Entscheidungen treffen: Welche Recheneinheiten sollen aktiviert werden? Wie werden Daten zwischen den Tausenden von Kernen weitergeleitet? Da der Chip nicht im Voraus weiß, dass er ausschließlich Gemini ausführen wird, muss er diese Entscheidungen für jede einzelne Anfrage neu berechnen.

Das eigentliche Problem ist jedoch die Datenbewegung. Moderne KI-Inferenz scheitert oft nicht an mangelnder Rechenleistung, sondern am ständigen Hin- und Herschieben von Daten zwischen dem Chip und externem Speicher. Diese externen Speicherzugriffe verbrauchen rund hundertmal mehr Energie als die eigentlichen Rechenoperationen.

Die Lösung: Architektur in Silizium gießen

Frozen v2 greift beide Probleme gleichzeitig an. Indem die strukturelle Blaupause von Gemini direkt in die Schaltkreise des Chips integriert wird, entfällt das ständige Berechnen von Weiterleitungen – das korrekte Routing ist physisch eingebaut.



Noch entscheidender ist der Umgang mit dem Speicher. Da der Chip exklusiv für die Gemini-Architektur entworfen wird, könnte er theoretisch mit genau so viel On-Chip-Speicher ausgestattet werden, dass das gesamte Modell darauf Platz findet. Externe Datenbewegungen würden damit fast vollständig eliminiert.

Wichtig dabei: Google brennt nicht die trainierten Parameter (Gewichte) in den Chip, sondern lediglich die Architektur (den Bauplan). Ein Chip mit fest verdrahteten Gewichten wäre beim nächsten Modell-Update sofort veraltet. Durch die Fixierung der Architektur bleibt der Chip jedoch zukunftssicher, solange Google die grundlegende Struktur von Gemini beibehält.

Googles Compute-Krise

Dass Google diesen extremen Weg wählt, hat einen handfesten Grund: Dem Konzern geht schlichtweg die Rechenleistung aus. Im ersten Quartal 2026 räumte CEO Sundar Pichai ein, dass das Cloud-Wachstum durch Kapazitätsengpässe gebremst werde. Der Auftragsbestand von Google Cloud verdoppelte sich in nur einem Quartal auf rund 462 Milliarden US-Dollar.

Die Gemini-API verzeichnete im Januar 2026 bereits 85 Milliarden Anfragen pro Monat – ein Anstieg von 142 Prozent innerhalb von zehn Monaten. Die Engpässe waren so gravierend, dass Google im März 2026 seinen Partner Meta bitten musste, die Gemini-Nutzung zu rationieren.

Um die Lücke zu schließen, griff Google zu einer drastischen Maßnahme: Im Juni 2026 vereinbarte der Konzern, SpaceX monatlich 920 Millionen US-Dollar für den Zugang zu rund 110 000 Nvidia-GPUs zu zahlen. Ein Unternehmen, das in diesem Jahr über 180 Milliarden US-Dollar in die eigene Infrastruktur investiert, mietet für fast eine Milliarde Dollar pro Monat fremde Rechenleistung an.

Was das für Nvidia bedeutet

Frozen v2 ist nicht als direktes Konkurrenzprodukt zu Nvidias GPUs gedacht. Da der Chip ausschließlich für Gemini optimiert ist, wird Google ihn voraussichtlich nicht an externe Kunden verkaufen. Der geplante Einsatzbeginn liegt im Jahr 2028, und die Produktionsmengen sollen geringer ausfallen als bei der regulären TPU-Linie.


Jetzt abonnieren und täglich eine schriftliche Analyse erhalten!


Dennoch sollte Nvidia nervös sein. Wenn Google seine interne Inferenz-Kapazität durch Frozen v2 verzehnfachen kann, sinkt der Bedarf an teuren Nvidia-GPUs drastisch. Die 920 Millionen US-Dollar, die Google derzeit monatlich für Nvidia-Chips an SpaceX überweist, könnten mittelfristig wegfallen.

Zudem greift Google Nvidia bereits an anderer Front an: Die regulären TPUs werden zunehmend an externe Cloud-Kunden vermietet. Einem Bericht zufolge hat Google Cloud das interne Ziel ausgegeben, zehn Prozent von Nvidias Jahresumsatz abzugreifen. Mit Frozen v2 sichert Google nun seine eigene Flanke – und baut seine Unabhängigkeit vom unangefochtenen Marktführer weiter aus.

Author

Arcan Askin

Schlagzeilen

Es wurde noch keine Einwilligung erteilt.

Du musst zuerst zustimmen, um Inhalte von TradingView zu sehen.