Google entwickelt speziellen KI-Chip für Gemini – Anleger reagieren sofort

Google baut einen Chip, der für eine einzige Aufgabe entwickelt wurde: Gemini schneller und billiger auszuführen.

Der Chip mit dem Codenamen Frozen v2 wurde am Montag von The Information berichtet und gibt Google eine mögliche Antwort auf ein Problem, das es nicht schnell genug lösen kann: Es geht ihm die Kapazität aus, um die KI-Nachfrage zu bedienen, die es bereits erzeugt hat.

Im März teilte Google Meta mit, dass es das Volumen an Gemini-Rechenleistung, das Meta kaufen wollte, nicht liefern könne. Meta musste seine Mitarbeiter anweisen, ihre KI-Nutzung zu rationieren. Google – das in diesem Jahr bis zu 190 Milliarden Dollar für KI-Infrastruktur ausgibt – wies Kunden ab, weil es nicht genügend Server hatte, um sie zu bedienen.

Also baut es jetzt einen Chip, der nur für seine KI-Modelle entwickelt wurde.

Es gibt nicht viele Informationen über diesen neuen Chip, aber nach der Namenskonvention handelt es sich nicht um ein weiteres Upgrade von Googles Tensor Processing Units (TPUs) – den kundenspezifischen Chips, die Google seit 2015 baut und die Gemini sowie seine Cloud-Dienste für externe Entwickler antreiben.

Diese Tensor-Chips führen jedes KI-Modell aus, das auf sie geladen wird. Frozen v2 macht etwas anderes. Laut den Berichten backt es einen Teil der Gemini-Architektur – den strukturellen Bauplan, der bestimmt, wie das Modell Informationen leitet und verarbeitet – direkt in die Hardware ein.

Im maschinellen Lernen bedeutet „Freezing", etwas dauerhaft zu fixieren. Hier wird die Architektur eingefroren, nicht die Gewichte des Modells (das eigentliche Wissen, das Gemini durch Training erwirbt, das aktualisierbar bleibt). Durch die feste Verdrahtung dieses Bauplans in die Schaltkreise des Chips überspringt der Chip redundante Berechnungen und stoppt das Hin- und Herschieben von Daten über den Speicher bei jeder Abfrage. Ingenieure prognostizieren eine sechs- bis zehnfache Verbesserung der Tokens – der kleinen Textstücke, aus denen jede KI-Antwort besteht – pro verbrauchter Wattstunde Strom.

Das ist der Unterschied zwischen Google, das zehn Abfragen für die Stromkosten einer einzigen bedient.

Wenn Sie Gemini nutzen, wird Frozen v2 Ihr Nutzungserlebnis nicht verändern. Aber es verändert die Betriebskosten – und ein günstiger zu betreibendes Gemini konkurriert stärker gegen OpenAI, Anthropic und chinesische Labore, die bereits bis zu 45% des KI-Tokenverbrauchs von US-Unternehmen ausmachen, vor allem weil sie 60–90% günstiger sind. Sie werden vielleicht keine günstigere KI bekommen, aber Google wird wahrscheinlich profitabler sein.

Alphabet-Aktien stiegen am Montag im Handel aufgrund der Nachricht um etwa 3% und erreichten intraday 356 $. Das Unternehmen berichtet am Mittwoch, den 22. Juli, über die Ergebnisse des zweiten Quartals 2026, und der Anstieg ließ in der heutigen Sitzung nach, während die Anleger auf die neuesten Ergebnisse von Google warten.

Dies ist ein weiterer Versuch eines großen KI-Unternehmens, seine übermäßige Abhängigkeit von Nvidia-Hardware bei der Entwicklung seiner Produkte zu beenden. Nvidia kontrolliert etwa 85% des GPU-Marktes für KI, und jedes große Technologieunternehmen möchte da raus.

Nvidias Hardware wurde ursprünglich für Videospiele entwickelt, nicht für Sprachmodelle – sie funktioniert, aber mit einem Overhead, den speziell entwickelte Chips nicht haben. In Googles Größenordnung ist eine Effizienzlücke von 6–10x nicht abstrakt. Es geht um Milliarden von Dollar. Meta, Amazon, Microsoft und OpenAI haben aus genau diesem Grund eigene Siliziumprogramme.

Wie Decrypt im März berichtete, baut selbst AWS – das sich verpflichtet hat, bis 2027 1 Million Nvidia-GPUs einzusetzen – gleichzeitig eigene Chips, um diese langfristige Abhängigkeit zu verringern.

Frozen v2 befindet sich noch in der Erkundungsphase. Wichtige Designentscheidungen sind noch nicht getroffen, Google hat die Existenz des Projekts nicht bestätigt, und der Chip wird externen Cloud-Kunden nicht angeboten – Hardware, die für ein Modell fest verdrahtet ist, kann kein anderes ausführen. Laut Berichten ist ein Einsatz frühestens für 2028 geplant.

In der Zwischenzeit zahlt Google SpaceX 920 Millionen Dollar pro Monat, um 110.000 Nvidia-GPUs aus den Rechenzentren von xAI als Brücke zu mieten.