Anthropic führt Gespräche mit Samsung über die Herstellung eines eigenen Custom-AI-Chips. Das berichtet Technology Org.
Kurz & knapp
- Anthropic verhandelt mit Samsung über Fertigung eines ersten eigenen AI-Chips
- Ziel ist strategische Unabhängigkeit von Nvidia, dem dominanten GPU-Lieferanten
- Custom-Chips sind ein Signal für massive interne Compute-Ambitionen und Skalierungspläne
- Mehrere KI-Unternehmen (OpenAI, Google, Meta) haben ähnliche Wege eingeschlagen
Warum Samsung?
Samsung ist einer der wenigen Halbleiter-Hersteller weltweit, die Foundry-Services im großen Stil anbieten – also die Fertigung von Custom-Chips für externe Kunden. Neben TSMC (Taiwan) ist Samsung einer der Hauptakteure. Die Wahl deutet darauf hin, dass Anthropic eine zuverlässige, etablierte Produktionsstätte sucht, um nicht von einem einzelnen Lieferanten abhängig zu sein.
Der Hardware-Trend in der KI-Industrie
Dass Anthropic jetzt selbst Hardware entwickelt, folgt einem etablierten Muster: OpenAI, Google und Meta haben alle ihre eigenen Chips oder Chip-Projekte. Der Grund ist ökonomisch und strategisch zugleich: Wer seine eigene Hardware kontrolliert, spart Kosten, optimiert für die eigenen Modelle und wird unabhängiger von Engpässen. Nvidia dominiert zwar noch den Markt für KI-Beschleuniger, doch die großen Player wollen sich nicht dauerhaft in diese Abhängigkeit begeben.
Für Anthropic ist das besonders relevant, weil das Unternehmen mit Claude ein hochperformantes Sprachmodell betreibt, das massive Rechenressourcen braucht. Ein optimierter Chip könnte die Inferenz-Kosten senken und die Latenz verbessern – beides zentral für kommerzielle Dienste.
Was bedeutet das für die Zukunft?
Die Verhandlungen sind noch laufend, ein Deal ist nicht bestätigt. Aber die Tatsache, dass Anthropic diesen Weg ernsthaft erkundet, zeigt: Die KI-Industrie befindet sich in einer Konsolidierungsphase, in der nur noch Unternehmen mit eigener Hardware-Strategie langfristig konkurrenzfähig bleiben. Gleichzeitig wird der Markt für spezialisierte Chips größer – nicht nur für Training, sondern auch für Edge-Deployment und Inference.
Das hat auch Auswirkungen auf die Lieferketten: Wenn mehr KI-Firmen eigene Chips bauen, entlastet das Nvidia kurzfristig, führt aber auch zu fragmentierteren Standards. Für Unternehmen, die KI-Hardware oder -Services anbieten, wird es wichtiger, mehrere Chip-Architekturen zu unterstützen.
Einordnung für deutsche Unternehmen
Deutsche KI-Startups und Mittelständler sollten diese Entwicklung aufmerksam verfolgen: Wer auf Anthropic-APIs setzt oder mit Claude arbeitet, könnte von optimierteren Chips profitieren – schnellere Responses, niedrigere Kosten. Gleichzeitig wird der Druck auf europäische Halbleiter-Hersteller größer, in KI-spezialisierten Chips Fuß zu fassen. Hier liegt auch eine Chance für deutsche Foundries und Chip-Designer, sich als Alternative zu Samsung und TSMC zu positionieren – zumal Souveränität und Regulierung (EU AI Act) an Gewicht gewinnen.
Quellen
Redaktionell verantwortet von Ideal Syka. Quellen und Arbeitsweise: Redaktion & Methode. Hinweise und Korrekturen: ai@i6eal.de.
