OpenAI plant Kauf von Google-TPUs zur Diversifizierung von Nvidia

OpenAI plant laut Medienberichten den direkten Kauf von Googles TPU-Beschleunigern, um die Beschaffung von KI-Hardware breiter aufzustellen und die starke Abhängigkeit von Nvidia zu verringern.

Wie das US-Branchenmagazin The Information unter Berufung auf eingeweihte Kreise berichtet, beabsichtigt OpenAI, maßgeschneiderte Tensor Processing Units (TPUs) von Google zu erwerben. Eine offizielle Ankündigung beider Unternehmen liegt bislang nicht vor, und Sprecher beider Seiten gaben auf Nachfrage zunächst keine Stellungnahme ab.

OpenAI mietet bereits seit Mitte 2025 TPU-Rechenkapazitäten über Google Cloud. Der Schritt hin zu einem direkten Kauf von Silizium-Hardware geht jedoch über das reine Anmieten virtueller Cloud-Instanzen hinaus und deutet darauf hin, dass die Beschleuniger von Google in die eigene Rechenzentrumsinfrastruktur integriert werden sollen.

Was gesichert ist und was Spekulation bleibt

Die Ausweitung der geschäftlichen Beziehungen zwischen OpenAI und Google im Infrastrukturbereich ist belegt. OpenAI mietet Rechenressourcen auf der Google Cloud Platform (GCP) an und plant zudem, eigene Modelle über den Marktplatz von Google Cloud anzubieten.

Wesentliche wirtschaftliche Rahmenbedingungen dieses direkten Hardwarekaufs bleiben hingegen unklar. Die genaue Chip-Generation (ob TPU v5p oder die neuere Trillium-Architektur), Liefermengen, das finanzielle Gesamtvolumen sowie der konkrete Zeitplan für die Auslieferung wurden nicht öffentlich bekanntgegeben. Ebenso ist nicht bestätigt, ob die Prozessoren vorrangig für das Training neuer Modelle oder für Inferenzen(mit einem fertigen Modell Antworten zu erzeugen) im produktiven Betrieb von ChatGPT vorgesehen sind.

Vom Nvidia-Monopol zum Multi-Vendor-Ansatz

OpenAI zählt weltweit zu den größten Abnehmern von Nvidia-Grafikprozessoren. Da der Rechenaufwand für das Training von Spitzenmodellen und die Bereitstellung von Antwortdaten rasant ansteigt, birgt die Bindung an einen einzigen Chiphersteller erhebliche Kosten- und Lieferkettenrisiken.

Die Spitzen-GPUs von Nvidia sind kostspielig und regelmäßig von Lieferengpässen betroffen. Aus diesem Grund entwickelt OpenAI gemeinsam mit Broadcom und TSMC bereits eigene KI-Prozessoren, deren Fertigung für 2026 anvisiert ist.

Bis ein eigens entwickeltes Silizium-Design serienreif ist und im großen Maßstab im Rechenzentrum läuft, vergehen jedoch Jahre. Googles TPUs haben ihre Leistungsfähigkeit und Stabilität im Produktivbetrieb bereits unter Beweis gestellt. Für OpenAI stellen sie daher eine pragmatische Option dar, um vor der Marktreife eigener Chips die Verhandlungsposition gegenüber Nvidia zu stärken und Infrastrukturkosten zu senken.

Interne Signale aus der Entwicklungsabteilung von OpenAI

Dass OpenAI die Unterstützung für Google-Hardware forciert, zeigt sich auch an personellen Weichenstellungen.

OpenAI hat kürzlich Stellen für TPU-Compiler-Entwickler ausgeschrieben. Deren Aufgabe besteht darin, frontier-Modelle für Googles Hardwarearchitektur zu optimieren. Das technische Ziel ist es, Modellgraphen und Rechenkerne, die historisch eng an Nvidias CUDA(NVIDIAs GPU-Rechenwerkzeug)-Ökosystem gebunden waren, an Googles XLA-Compiler (Accelerated Linear Algebra) sowie an offene Compiler-Werkzeuge anzupassen.

Zudem gibt es eine enge personelle Verbindung: Richard Ho, der bei OpenAI den Bereich für Hardwaresysteme leitet, war zuvor jahrelang bei Google für das System-Engineering der TPUs verantwortlich. Diese fundierte Kenntnis der internen Topologie und der Verteilungsmechanismen von Googles Hardware verschafft OpenAI einen klaren Startvorteil bei der Integration.

Was als Nächstes zu beobachten ist

Der Zukauf von Google-Hardware bedeutet keineswegs einen abrupten Bruch mit Nvidia. Die GPUs von Nvidia bleiben der Branchenmaßstab für Spitzenforschung im KI-Bereich, und die umfangreichen Cluster von OpenAI auf Microsoft Azure laufen unverändert weiter.

Künftig werden vor allem zwei Aspekte entscheidend sein: ob der Einsatz von TPUs die Kosten pro Inferenz bei Modellen der GPT-Klasse messbar senken kann, und wie weit die Kooperation zweier direkter Konkurrenten bei Hardware und Cloud-Lieferketten letztlich reicht.

Quellen

• OpenAI Plans to Buy Google AI Chips (The Information)
• OpenAI diversifying away from Nvidia with Google TPU and in-house chips (Reuters)
• OpenAI Careers — Systems and Hardware Optimization (OpenAI)