Während alle Nvidia – dessen Marktkapitalisierung Anfang des Jahres die Marke von 1 Billion US-Dollar überschritten hat – für die anhaltenden Megatrends Künstliche Intelligenz (KI) und Hochleistungsrechnen (HPC) loben, gibt es ein anderes Unternehmen, das nicht nur stark von diesen Megatrends KI und HPC profitiert, sondern das auch steuert grundsätzlich die Produktion von KI-Prozessoren.
Dutzende Milliarden Dollar
Dieses Unternehmen ist TSMC – das laut einem Bericht von einige der komplexesten Prozessoren für KI- und HPC-Maschinen herstellt, die jemals gebaut wurden, darunter die von Nvidia, AMD, Intel, Tenstorrent, Cerebras und Graphcore (um nur einige zu nennen). DigiTimes. Nvidias A100 und H100 (sowie seine A800- und H800-Derivate für den chinesischen Markt), die beliebtesten Rechen-GPUs für KI- und HPC-Workloads, werden bei TSMC hergestellt, ebenso wie AMDs EPYC-CPUs und Instinct-GPUs. Auch aufstrebende KI- und HPC-Stars wie Tenstorrent und Entwickler so exotischer Dinge wie Wafer-Scale-Prozessoren wie Cerebras entschieden sich für TSMC für ihre Produkte.
Während TSMC nicht bekannt gibt, wie viel es mit dem Verkauf von CPUs, GPUs und Spezialprozessoren oder SoCs für KI, Rechenzentren, HPC und Server verdient, nutzen diese Produkte viel Silizium – TSMC verdient also wahrscheinlich Dutzende Milliarden mit der Herstellung dieser Produkte für seine namhaften Kunden. Nvidias Rechen-GPU GH100 hat beispielsweise eine Die-Größe von 814 mm2, während AMDs EPYC „Genoa“ 12 Zen 4-basierte CCD-Chiplets verwendet – jeder misst etwa 72 mm2 und nutzt somit 864 mm2 N5-Silizium.
Für die TSMC-Konkurrenten Samsung Foundry und GlobalFoundries haben wir zwar keine Umsatzaufteilung, wenn man bedenkt, dass dies bei diesen Unternehmen der Fall ist damit deutlich hinter dem taiwanesischen Auftragshersteller von Chips zurückMan kann mit Sicherheit sagen, dass TSMC im Allgemeinen von KI und HPC profitiert. Es dominiert insbesondere die Lieferungen von KI-GPUs, da es diese sowohl für Nvidia (das über 90 % der Lieferungen kontrolliert) als auch für AMD (das weniger als 10 % kontrolliert) herstellt.
KI und HPC gewinnen für TSMC an Bedeutung
TSMC selbst bietet eine ziemlich detaillierte Umsatzaufteilung, die klar zwischen Automobil, IoT, Smartphones und Hochleistungsrechnen unterscheidet, aber sie ist nicht detailliert genug, um den Unterschied zwischen Chips für KI, HPC, Client-PCs, Server und Spielekonsolen zu erkennen. Für TSMC gehören alle diese Prozessoren und SoCs zum HPC-Segment – einem florierenden Segment.
HPC-Produkte berücksichtigt 30 % des Umsatzes von TSMC oder 10,389 Milliarden US-Dollar im Jahr 2019. Im selben Jahr machten Smartphone-SoCs 49 % des Umsatzes von TSMC oder 16,97 Milliarden US-Dollar aus. Aber der Anteil von HPC-Produkten am Umsatz von TSMC ist gewachsen: Die Kategorie entfällt 33 % im Jahr 2020 (15 Milliarden US-Dollar), 37 % im Jahr 2021 (21 Milliarden US-Dollar) und 41 % im Jahr 2022 (31,11 Milliarden US-Dollar). Der Trend war bei Smartphone-SoCs umgekehrt, die im Jahr 2022 39 % des TSMC-Umsatzes ausmachten (29,59 Milliarden US-Dollar).
Während AMD und Nvidia Unmengen an rechenzentrumstauglichem Silizium von TSMC kaufen, ist Apple immer noch der größte Kunde für den weltweit führenden Chiphersteller – insbesondere jetzt, da das Unternehmen sowohl über Smartphone- als auch PC-SoCs verfügt (die in die HPC-Kategorie fallen). Allein Apple war im Jahr 2022 für etwa 23 % des Gesamtumsatzes von TSMC verantwortlich DigiTimes.
Weitere Chips kommen
Während sich der Halbleitersektor von seinem Abschwung erholt, belebt das steigende Interesse an generativer KI den Markt. Nvidia profitiert durch seine von TSMC hergestellten Rechen-GPUs A100/A30/A800 und H100/H800 stark von diesem KI-Anstieg. In ähnlicher Weise erweitert AMD die Bestellungen bei TSMC für seine kommenden Produkte der Instinct MI300-Serie, die in der zweiten Hälfte des Jahres 2023 am Knoten der N5-Klasse von TSMC in die Massenproduktion gehen werden.
Darüber hinaus haben sich Apple, AMD und Nvidia dazu verpflichtet, die Produktionstechnologien N3 (3-nm-Klasse) und N2 (2-nm-Klasse) von TSMC für zukünftige Chips zu nutzen DigiTimes Bericht.