Custom Chip
Ein Custom Chip ist ein Rechenbaustein, den ein Unternehmen für eine einzige, genau bekannte Aufgabe entwerfen lässt statt einen fertigen Chip von der Stange zu kaufen. Weil er nichts anderes können muss, arbeitet er bei dieser Aufgabe schneller und sparsamer — dafür ist die Entwicklung teuer und langwierig.
Jedes Gerät, das rechnet, enthält kleine Bauteile aus Silizium, die man Chips nennt. Die meisten davon sind Universalisten: Sie sind so gebaut, dass sie ganz unterschiedliche Aufgaben erledigen können. Ein Custom Chip geht den entgegengesetzten Weg. Er wird von einem Unternehmen für genau einen Zweck entworfen und kann außerhalb dieses Zwecks fast nichts. Der Vergleich dazu ist ein Küchengerät: Ein Multifunktionsgerät kann rühren, schneiden und mahlen, eine reine Kaffeemühle kann nur mahlen — aber das besser, schneller und mit weniger Strom. Genau dieses Prinzip verkaufen Firmen wie Google, Amazon oder Apple, wenn sie eigene Chips entwickeln lassen.
Warum sich Konzerne eigenes Silizium leisten
Der Antrieb ist zuerst schlicht Geld. Wer ein KI-Modell für Millionen Nutzer betreibt, lässt es rund um die Uhr rechnen. Bei diesen Mengen zählt jedes eingesparte Watt. Ein Chip, der pro Antwort dreißig Prozent weniger Strom braucht, spart über ein Jahr hinweg Beträge in Millionenhöhe. Dazu kommt der Platz im Rechenzentrum: Sparsamere Chips erzeugen weniger Abwärme, und Kühlung ist einer der größten Kostenblöcke überhaupt.
Der zweite Grund ist Unabhängigkeit. Der Markt für KI-Rechenchips wird von wenigen Anbietern beherrscht, vor allem von Nvidia. Wer dort einkauft, zahlt hohe Preise und wartet oft monatelang auf Lieferung. Ein Konzern mit eigenem Chip verhandelt aus einer besseren Position heraus. Er ist nicht gezwungen, komplett umzusteigen — schon die glaubwürdige Möglichkeit dazu drückt die Preise.
Drittens lassen sich Custom Chips exakt auf die eigene Software zuschneiden. Ein Unternehmen weiß genau, welche Rechenoperationen seine Modelle am häufigsten ausführen. Diese Operationen kann es direkt in die Hardware einbauen. Ein allgemeiner Chip muss dagegen auf alle denkbaren Fälle vorbereitet sein und verschenkt dabei Fläche und Energie.
Vom Entwurf bis zum fertigen Silizium
Fast keine dieser Firmen baut ihre Chips selbst. Sie entwerfen nur den Bauplan, oft mithilfe spezialisierter Designhäuser wie Broadcom oder Marvell. Die eigentliche Fertigung übernimmt eine Chipfabrik, im Fachjargon Foundry genannt. Der mit Abstand wichtigste dieser Auftragsfertiger ist TSMC in Taiwan. Dieses Modell heißt fabless: Man entwirft, ohne eine eigene Fabrik zu besitzen.
Der Weg vom Entwurf zum ersten funktionierenden Muster dauert typischerweise zwei bis drei Jahre und kostet leicht mehrere hundert Millionen Dollar. Ein großer Teil davon fließt in die Masken, also die Belichtungsvorlagen für die Fertigung. Diese Kosten fallen einmal an, egal ob man tausend oder zehn Millionen Chips herstellt. Deshalb lohnt sich das nur bei sehr großen Stückzahlen oder sehr hohen Betriebskosten.
Ein häufiger Irrtum ist, dass die Hardware allein den Ausschlag gibt. Tatsächlich scheitern viele Chipprojekte an der Software. Nvidia hat mit CUDA über Jahre eine Programmierumgebung aufgebaut, die praktisch jeder KI-Entwickler beherrscht. Wer einen eigenen Chip einführt, muss diese Werkzeuge nachbauen. Ohne sie bleibt der beste Chip ungenutzt.
Wo diese Chips bereits arbeiten
Das bekannteste Beispiel ist Googles TPU, kurz für Tensor Processing Unit. Google entwickelt sie seit 2015 und trainiert darauf einen Großteil seiner eigenen Modelle. Amazon hat mit Trainium und Inferentia zwei eigene Linien, die eine fürs Training, die andere für den laufenden Betrieb der Modelle. Auch Meta, Microsoft und OpenAI arbeiten an eigenen Entwürfen.
Im Alltag begegnet dir das Prinzip in deinem Smartphone. Apples M- und A-Chips sind Custom Chips, und sie enthalten eigene Bereiche nur für KI-Aufgaben wie Gesichtserkennung oder Sprachverarbeitung. Deshalb funktioniert die Fotosuche auf dem Gerät, ohne dass Daten in ein Rechenzentrum wandern.
In Wirtschaftsnachrichten taucht der Begriff meist im Zusammenhang mit Nvidias Marktstellung auf. Meldet ein Konzern einen eigenen Chip, lesen Anleger das als Angriff auf diese Dominanz. Bislang haben Custom Chips Nvidia allerdings eher ergänzt als ersetzt: Sie übernehmen die immer gleichen Standardaufgaben, während für neue Forschung weiter flexible Universalchips gefragt sind.