<\/p>\n
\n (Bild:\u00a0Nick Livyi \/ Shutterstock.com<\/a>)\n <\/p>\n Chinas KI-Pionier DeepSeek plant einen Gro\u00dfauftrag \u00fcber Huawei-Beschleuniger im Wert von 2,56 Milliarden US-Dollar \u2013 Nvidia ist faktisch raus.<\/p>\n Die Position Chinas auf dem Markt f\u00fcr Halbleiter und K\u00fcnstliche Intelligenz wird immer fester. Das l\u00e4sst sich unter anderem an einem aktuellen Fall belegen, der f\u00fcr sich genommen erst einmal unscheinbar klingt.<\/p>\n Weiterlesen nach der Anzeige<\/p>\n Bloomberg berichtete<\/a> vor wenigen Tagen, dass der chinesische KI-Entwickler DeepSeek nicht mehr so stark auf westliche Chips setzen will. Stattdessen bestellt er laut Bericht mindestens 160.000 Ascend-950DT-Beschleuniger von Huawei, die in einem neuen Rechenzentrum in der Inneren Mongolei eingesetzt werden sollen.<\/p>\n Das Rechenzentrum ist so konzipiert, dass es auf eine Leistungsaufnahme von 1 Gigawatt ausgelegt ist. Zum Vergleich: Unter Volllast entspricht das der Strommenge, mit der rund 750.000 Haushalte versorgt werden k\u00f6nnten.<\/p>\n Beim derzeitigen Marktpreis von etwa 111.000 Yuan (rund 16.000 US-Dollar) pro Chip k\u00e4me der Auftrag auf ein Volumen von gesch\u00e4tzt 2,56 Milliarden US-Dollar.<\/p>\n DeepSeek plant die Chips dem Bericht zufolge vor allem f\u00fcr Inferenz-Workloads, also den Produktivbetrieb bereits trainierter Modelle. F\u00fcr das eigentliche Training seiner wichtigsten Modelle greift das Unternehmen weiterhin auf Nvidia-Hardware zur\u00fcck.<\/p>\n Fr\u00fchere Versuche, Modelle vollst\u00e4ndig auf Huawei-Beschleunigern zu trainieren, h\u00e4tten bislang nicht zum gew\u00fcnschten Ergebnis gef\u00fchrt. Weder DeepSeek noch Huawei kommentierten den Vorgang gegen\u00fcber Bloomberg.<\/p>\n Dieses Gesch\u00e4ft steht als Beispiel f\u00fcr eine breitere Entwicklung: Der Marktanteil von Nvidia in China schrumpft deutlich. Der Konzern r\u00e4umte in seinem 10-Q-Bericht vom 27. August 2026<\/a> ein, das Unternehmen sei im chinesischen Rechenzentrums-Compute-Markt «faktisch vom Wettbewerb ausgeschlossen».<\/p>\n Weiterlesen nach der Anzeige<\/p>\n Die H200-Lieferungen nach China unter US-Lizenz machen laut Nvidia weniger als 1 Prozent des Data-Center-Umsatzes aus. Im Ausblick der Quartalszahlen vom 26. August 2026 taucht laut Nvidia kein China-Rechenzentrums-Umsatz mehr auf.<\/p>\n Huaweis 950DT: Leistungsf\u00e4hig, aber knapp<\/p>\n Der Ascend 950DT basiert auf Huaweis selbst entwickelter DaVinci-v3-Architektur dritter Generation. Gefertigt wird er nach Analysen externer Beobachter<\/a> von SMIC im N+3-Prozess, einem Verfahren der 7-Nanometer-Klasse \u2013 offizielle Angaben von Huawei fehlen dazu bislang.<\/p>\n Jeder Chip verf\u00fcgt \u00fcber 144 GB spezialisierten Hochbandbreitenspeicher (High Bandwidth Memory, HBM) im hauseigenen HiZQ-2.0-Design und erreicht eine Speicherbandbreite von 4,0 TB\/s.<\/p>\n Die Verbindung zwischen den Chips schafft 2,0 TB\/s. Unterst\u00fctzt werden Datenformate mit geringer Genauigkeit wie FP8, FP4 und Huaweis propriet\u00e4res HiF8 \u2013 ein Trend, der mehr parallele Berechnungen pro Watt erlaubt und f\u00fcr gro\u00dfe Inferenz-Cluster entscheidend ist.<\/p>\n Huawei verbaut den 950DT auch in seiner Atlas 950 SuperPoD-Infrastruktur, die bis zu 8192 Chips zu einem System mit 8 EFLOPS Spitzen-KI-Leistung verbindet.<\/p>\n Das klingt erst einmal beeindruckend, aber die Sache hat einen Haken: Die Produktionskapazit\u00e4t ist durch knappe HBM-Komponenten auf wenige hunderttausend Einheiten pro Jahr begrenzt. Die Lieferung an DeepSeek k\u00f6nnte deshalb \u00fcber ein Jahr dauern.<\/p>\n DeepSeek-Gr\u00fcnder und CEO Liang Wenfeng machte<\/a> laut WccfTech die Leistungsdifferenz im Juli deutlich:<\/p>\n «Alle Aufgaben, die Nvidias GB300 bew\u00e4ltigen kann, kann auch der Huawei-Supernode bew\u00e4ltigen \u2013 mit gleicher Latenz und allen Parametern. Der einzige Nachteil: 4 Huawei-GPUs entsprechen 1 Nvidia-GPU, und er hinkt zwei Jahre hinterher.»<\/p>\n DeepSeek nimmt also offenbar den vierfachen Chipbedarf und die einj\u00e4hrige Lieferverz\u00f6gerung bewusst in Kauf.<\/p>\n Pekings AI4Chip-Plan und der Faktor Gr\u00fcnstrom<\/p>\n Hinter dem Einzeldeal steht eine koordinierte Industriepolitik. Am 24. August 2026 ver\u00f6ffentlichte<\/a> die Wirtschafts- und Technologieentwicklungszone Peking den Aktionsplan «AI4Chip» f\u00fcr die Jahre 2026 bis 2028.<\/p>\n Das Dokument stellt die Halbleiterentwicklung ausdr\u00fccklich unter das Leitmotiv «sicher und autonom kontrollierbar» und listet als Zielprodukte unter anderem GPUs, KI-Trainings- und Inferenz-ASICs (Application Specific Integrated Circuits \u2013 Spezialchips f\u00fcr bestimmte Aufgaben), RISC-V-KI-Chips, Hochleistungsspeicher und Siliziumphotonik-Chips.<\/p>\n Bis 2028 sollen 3 bis 5 international einflussreiche Leitunternehmen und mehr als 10 Benchmark-Anwendungen entstehen.<\/p>\n Parallel dazu baut China die physische Infrastruktur aus. Die Innere Mongolei mit ihrem kalten Klima \u2013 Jahresdurchschnitt 4,3 \u00b0C in Ulanqab \u2013 und reichlich Wind- und Solarstrom wird zum zentralen Standort<\/a> f\u00fcr gr\u00fcne Rechenleistung.<\/p>\n Die Stromkosten f\u00fcr ein Alibaba-Rechenzentrum, das schon in der Region errichtet wurde, liegen bei 0,32 bis 0,35 Yuan pro Kilowattstunde \u2013 umgerechnet rund 0,05 US-Dollar.<\/p>\n Die Green Computing Power Conference 2026 in Hohhot meldete Ende August 13 neue Projekte mit einem Gesamtvolumen von 136,1 Milliarden Yuan. ByteDance verhandelt nach Berichten \u00fcber einen Ausbau um 5 bis 6 GW in derselben Region.<\/p>\n Kein vollst\u00e4ndiger Bruch \u2013 aber eine klare Richtung<\/p>\n \u00dcber Nacht l\u00e4sst sich die chinesische Volkswirtschaft aber nicht von Nvidia abkoppeln. Der US-Konzern liefert nach eigenen Angaben weiter nicht von Sanktionen betroffene Produkte wie Gaming- und Workstation-GPUs nach China, kleine H200-Mengen gehen unter Lizenz ebenfalls noch in den Markt.<\/p>\n Die chinesischen Unternehmen haben auch einen weiteren Weg gefunden, westliche Technologie zu nutzen, ohne dass die US-Sanktionen greifen w\u00fcrden \u2013 sie mieten sich einfach KI-Rechenleistung im Ausland.<\/p>\n Dennoch zeichnet sich eine klare Zweiteilung ab: Das Training gro\u00dfer Modelle h\u00e4ngt vorerst an westlicher Hardware, w\u00e4hrend die skalierte Ausf\u00fchrung und Monetarisierung zunehmend auf heimischen Clustern l\u00e4uft.<\/p>\n