Pro ArtikelJalapeño: Mit einem neuen Chip bringt der Chat-GPT-Entwickler Open AI Würze in sein verlustreiches KI-GeschäftDer hauseigene Prozessor senkt den Stromverbrauch drastisch. Reicht das, um sich vom übermächtigen Lieferanten Nvidia zu emanzipieren?29.08.2026, 05.30 Uhr5 LeseminutenYoshio Tsunoda / ImagoFlorian Gaertner / ImagoDer Nvidia-CEO Jensen Huang zählt den Chef von Open AI, Sam Altman, zu seinen wichtigsten Geschäftspartnern. Jetzt werden die beiden Tech-Milliardäre zu Konkurrenten.Optimieren Sie Ihre BrowsereinstellungenNZZ.ch benötigt JavaScript für wichtige Funktionen. Ihr Browser oder Adblocker verhindert dies momentan.Bitte passen Sie die Einstellungen an.Vom KI-Boom hat kein Unternehmen so stark profitiert wie der Chipdesigner Nvidia. Seine Grafikprozessoren (GPU), einst vor allem in der Videogameszene bekannt, bilden heute die Grundlage für die Entwicklung und die Nutzung von künstlicher Intelligenz. Darauf hat Nvidia ein fünf Billionen Dollar schweres Imperium gebaut.Doch allmählich werden die grössten Kunden zu Konkurrenten. Um nicht immer mehr Milliarden für Nvidias begehrte Chips zu zahlen, investieren Unternehmen wie Google, Amazon, Microsoft und Meta zunehmend selbst in die Entwicklung von KI-Chips.Diese Woche enthüllte auch der Chat-GPT-Entwickler Open AI erstmals vielversprechende Details über einen eigenen KI-Prozessor. Dabei zählt Nvidia zu den grössten Investoren hinter Open AI und stellte dem Startup kürzlich Milliarden Dollar in Aussicht, mit denen dieses Nvidias GPU kaufen soll. Schon allein deshalb ist es buchstäblich pikant, dass Open AI unter dem Namen Jalapeño nun einen KI-Chip entwickelt, der Nvidias GPU Konkurrenz machen soll.Für die Befreiung von Nvidia sprechen gute Gründe. Von eigenen KI-Chips versprechen sich die Techfirmen in erster Linie tiefere Kosten. Nvidias Preismacht beschert dem Konzern üppige Margen. Diese tragen massgeblich zu den explodierenden Kapitalausgaben der Techfirmen bei und schmälern ihre Chancen, mit KI Geld zu verdienen.Aber auch aus technischer Sicht lohnt es sich für die Techfirmen, auf hausgemachte KI-Hardware zu setzen. Denn so leistungsfähig Nvidias KI-Chips sein mögen – für die zunehmend wichtige Phase der KI-Nutzung bilden sie nicht immer die uneingeschränkt beste Wahl.Ein eindrückliches Debüt in der Chip-ArenaDas zeigt nun auch Jalapeño, der neue Chip von Open AI. In ersten Tests liefen drei KI-Modelle darauf deutlich energieeffizienter als auf den bisher besten in Rechenzentren verfügbaren KI-Servern von Nvidia, jenen der Baureihe Blackwell.Die Beratungsfirma Semi Analysis, die die Tests gemeinsam mit Open-AI-Ingenieuren durchführte, lobt die Jalapeño-Leistungszahlen in einem Blog-Beitrag. Allerdings weist Semi Analysis darauf hin, dass Nvidias neueste Chips namens Vera Rubin noch einmal um ein Vielfaches energieeffizienter als die der vorigen Baureihe sein dürften. Die Vera-Rubin-Chips werden gerade an Kunden ausgeliefert und dürften bis Ende Jahr bereits in Rechenzentren im Einsatz sein.Die Energieeffizienz des Open-AI-Chips beeindruckt auch Luca Benini, Professor an der ETH Zürich und Experte für Chipdesign, zumal es sich um den allerersten Chip handelt, den die Firma entwickelt. Aber auch, weil das KI-Startup das Design seines Chip-Erstlings in sehr kurzer Zeit fertiggestellt hat. Üblicherweise nähert sich ein neues Chipdesign erst nach mehreren Generationen der optimalen Leistung. Und tatsächlich hat Open AI bei Jalapeño noch lange nicht alle branchenüblichen Techniken eingesetzt, mit denen KI-Chips nachweislich mehr aus jeder Kilowattstunde Strom herausholen.Mit seinem neuen Chip habe Open AI wieder einmal gezeigt, warum es sich lohne, Chips zu entwickeln, die auf die eigene Software zugeschnitten seien, sagt Benini. In dieser Hinsicht hätten die Open-AI-Ingenieure mit Jalapeño ihre hohe Expertise bewiesen. Open AI gibt seinerseits an, beim Konzipieren des Chips auch KI verwendet zu haben.Darüber hinaus zeigt der neue Chip laut Benini erneut, dass Nvidia-GPU auch Schwächen haben und eigens für die KI-Nutzung konzipierte Prozessoren Vorteile bieten, von denen auch mehrere Anbieter von KI-Modellen gleichzeitig profitieren können. Auf dem Open-AI-Chip läuft denn auch laut den Testergebnissen nicht nur ein firmeneigenes KI-Modell effizienter, sondern auch zwei Modelle von Drittfirmen.Wo neue Chips Nvidia-Prozessoren überflügelnNvidia-GPU sind für extrem schnelle parallele Berechnungen ausgelegt. Das macht sie ideal für die Rechenaufgaben, die beim Trainieren von KI-Modellen anfallen – die Multiplikation von riesigen Zahlentabellen, Matrizen genannt, aus denen letztlich das künstliche Gehirn eines KI-Modells besteht.In der Nutzungsphase, also nachdem das KI-Modell fertig entwickelt ist und Anfragen von Nutzern bearbeitet, werden von einem KI-Chip jedoch andere Stärken benötigt. Dann zählt nicht mehr nur die brachiale Rechenpower, sondern vor allem die Schnelligkeit, mit der Daten durch den Chip fliessen.Der Grund dafür, dass der Datenfluss so wichtig wird, liegt darin, dass die KI-Sprachmodelle Antworten Wort für Wort generieren. Um jedes neue Wort zu erzeugen, muss das Modell die riesigen Zahlentabellen, die sein «Gehirn» sowie den bisherigen Kontext der Nutzeranfrage bilden, aus dem Arbeitsspeicher in die Rechenwerke holen. Selbst wenn die Rechenwerke blitzschnell arbeiten, verzögert sich die Antwort trotzdem, weil das Einlesen der Zahlentabellen aus dem Speicher viel Zeit in Anspruch nimmt.Man kann das mit einer Firma vergleichen, die sehr leistungsfähige Maschinen besitzt, aber Waren trotzdem nur langsam produzieren und liefern kann, weil die Materialien nicht schnell genug zu den Fabriken gelangen. Die Logistik wird zum Bremsklotz.Nvidia-GPU gleichen ultraschnellen Maschinen, die von mittelmässiger Logistik ausgebremst werden. Und genau da setzen Firmen an, die GPU-Alternativen für eine optimierte KI-Nutzung entwickeln.Solche Chips nennen Experten Inferenzchips – in der Fachwelt steht der Begriff Inferenz für die Nutzung von KI-Modellen. Sie basieren auf dem Konzept der anwendungsspezifischen integrierten Schaltungen. Der sperrige Ausdruck bedeutet vereinfacht: Schaltkreise, die nur für bestimmte Berechnungen konzipiert sind. In diesem Fall für die Berechnungen, die während der Nutzung der KI-Modelle überwiegen.Ein guter Inferenzchip ist wie eine GPU, aber schlanker und auf zügigen Datentransport getrimmt. Jedes Bauteil, das die effiziente Nutzung von KI-Modellen behindert, wird eliminiert. Der frei gewordene Platz auf dem Chip muss dann aber optimal genutzt werden. In der obigen Analogie heisst das oft: Grosse Fabriken werden abgerissen oder verkleinert, und an deren Stelle werden schnelle Strassen und Schienen für Daten gebaut.Ohne eigene Chips wird es finanziell engNeben der Schnelligkeit ist der Fokus auf die Energieeffizienz im neuen Chip vielsagend. Er widerspiegelt die wachsende Sorge der KI-Firmen, dass sie nicht genügend Strom für ihre Rechenzentren bekommen. Laut Semi Analysis seien weder Geld noch Land die limitierenden Faktoren beim Bau von Rechenzentren, sondern der Zugang zu Strom. Und natürlich senkt ein stromsparender Chip auch die Betriebskosten.Drastische Kostensenkung ist für KI-Startups wie Open AI und Anthropic zwingend. Sie schreiben allesamt Jahr für Jahr Milliardenverluste, weil das Entwickeln und Bereitstellen ihrer KI-Produkte übermässig viel Rechenleistung in Anspruch nimmt. Die Preise zu erhöhen, können sie sich auch nicht leisten. Denn dann würden viele Nutzer mutmasslich zu den wesentlich günstigeren KI-Modellen der chinesischen Konkurrenz wechseln oder ihre Abonnemente einfach ersatzlos kündigen. Zudem wollen beide Firmen bald an die Börse gehen. Anleger werden dann die Zuversicht haben wollen, dass die Firmen auch profitabel werden können.Insofern dürfte die Entwicklung von massgeschneiderten KI-Chips, die Nvidia Marktanteile abspenstig machen wollen, in Zukunft noch mehr an Bedeutung gewinnen. Nvidia selbst scheint von diesen Bestrebungen seiner bisher treuen Kunden kaum tangiert zu sein. Das Unternehmen hat jüngst wieder prächtige Quartalszahlen vorgelegt. Und auch die Umsatzprognose sieht hervorragend aus. Noch darf der Chip-Gigant also dem Treiben seiner Möchtegernkonkurrenten gelassen zusehen. Aber wie lange noch?Passend zum Artikel