Die Taiwan Semiconductor Manufacturing Firm meldete im Mai 2026 einen Umsatz von 416,98 Milliarden NT$, was einer Steigerung von 30,1 % gegenüber Mai 2025 entspricht. Diese Zahl stellt auch einen Anstieg von 1,5 % gegenüber April 2026 dar und stellt einen neuen Umsatzrekord für einen Monat für TSMC, den weltweit größten Auftragschiphersteller, dar.

Der kumulierte Umsatz für die ersten fünf Monate des Jahres 2026 erreichte 1,96 Billionen NT$, ein Anstieg von 30 % gegenüber dem Vorjahr. Das Wachstum wurde durch die steigende Nachfrage nach fortschrittlichen Prozessoren angetrieben, die in Anwendungen der künstlichen Intelligenz eingesetzt werden. TSMC hatte für das zweite Quartal einen Umsatz zwischen 39 und 40,2 Milliarden US-Greenback prognostiziert, was einem Anstieg von etwa 32 % gegenüber dem Vorjahresquartal entspricht.

Das Wachstum von TSMC wird durch einen erheblichen Anstieg der Ausgaben für die KI-Infrastruktur unterstützt. Große Unternehmen wie Alphabet, Amazon, Meta und Microsoft planen, in diesem Jahr bis zu 725 Milliarden US-Greenback an Kapitalausgaben zu investieren, was einer Steigerung von 77 % gegenüber den Rekordausgaben des letzten Jahres von 410 Milliarden US-Greenback entspricht.

Auf der Jahreshauptversammlung von TSMC am 4. Juni sagte CEO CC Wei, dass die Stimmung der Kunden in Bezug auf KI zwar weiterhin positiv sei, die Lieferengpässe jedoch voraussichtlich anhalten würden. „Es wird lange dauern, bis wir die Kundennachfrage allein mit der Produktion in den USA befriedigen können“, erklärte Wei. Er wies auch darauf hin, dass steigende Komponentenkosten die Margen unter Druck setzten, und äußerte den Wunsch, die Preise zu erhöhen.

In einem Interview stellte Kevin Huang, Senior Vice President von TSMC, fest, dass die Inflation zu erhöhten Betriebskosten geführt habe, nannte jedoch keine bevorstehenden Preiserhöhungen. Angesichts der entscheidenden Rolle von TSMC als einziger Hersteller fortschrittlicher Chips, die von Nvidia, AMD und Apple entwickelt werden, könnten sich Preisanpassungen auf die KI-Lieferkette auswirken.

TSMC hat im Jahr 2026 Investitionsausgaben in Höhe von 52 bis 56 Milliarden US-Greenback veranschlagt, was einer Steigerung von mindestens 25 % gegenüber dem Vorjahr entspricht. Das Unternehmen erwartet nun für das Gesamtjahr ein Umsatzwachstum von über 30 % in US-Greenback. Wei bezeichnete den anhaltenden Nachfragezyklus als Teil eines „mehrjährigen KI-Megatrends“.

---

Hervorgehobener Bildnachweis

In der hochriskanten Welt der KI-Infrastruktur geht die Branche von einer einzigen Annahme aus: Flexibilität ist Trumpf. Wir bauen Allzweck-GPUs, weil sich KI-Modelle jede Woche ändern und wir programmierbares Silizium benötigen, das sich an den nächsten Forschungsdurchbruch anpassen kann.

Aber TaalasDas in Toronto ansässige Startup glaubt, dass Flexibilität genau das ist, was KI zurückhält. Laut dem Taalas-Group müssen wir aufhören, Intelligenz auf Allzweckcomputern zu „simulieren“, und stattdessen damit beginnen, sie direkt in Silizium zu „gießen“, wenn wir wollen, dass KI so verbreitet und billig wie Plastik ist.

Das Drawback: Die „Reminiscence Wall“ und die GPU-Steuer

Die aktuellen Kosten für den Betrieb eines Massive Language Mannequin (LLM) werden durch einen physischen Engpass bestimmt: den Erinnerungswand.

Herkömmliche Prozessoren (GPUs) basieren auf der „Instruction Set Structure“ (ISA). Sie trennen Rechenleistung und Speicher. Wenn Sie einen Inferenzdurchlauf auf einem Modell wie Llama-3 ausführen, verbringt der Chip den größten Teil seiner Zeit und Energie damit, Gewichte vom Excessive Bandwidth Reminiscence (HBM) zu den Verarbeitungskernen zu transportieren. Diese „Datenbewegungssteuer“ macht quick 90 % des Stromverbrauchs in modernen KI-Rechenzentren aus.

Die Lösung von Taalas ist radikal: Eliminieren Sie den Speicherabrufzyklus. Mithilfe eines proprietären automatisierten Designablaufs übersetzt Taalas den Rechengraphen eines bestimmten Modells direkt in das physische Format eines Chips. In ihrem HC1 (Hardcore 1)-Chip sind die Gewichte und die Architektur des Modells buchstäblich in die Verkabelung des Siliziums eingraviert.

Hardcore-Modelle: 17.000 Token professional Sekunde

Die Ergebnisse dieses „Direct-to-Silicon“-Ansatzes definieren die Leistungsobergrenze für Inferenz neu. Bei ihrer letzten Enthüllung demonstrierte Taalas das HC1 Betrieb eines Llama 3.1 8B-Modells. Während ein NVIDIA H100 der Spitzenklasse einen einzelnen Benutzer mit etwa 150 Token professional Sekunde bedienen kann, leistet der HC1 eine atemberaubende Leistung 16.000 bis 17.000 Token professional Sekunde.

Dies verändert die „Einheitsökonomie“ der KI:

• Leistung: Ein einzelner HC1-Chip kann ein kleines GPU-Rechenzentrum hinsichtlich des Rohdurchsatzes für ein bestimmtes Modell übertreffen.
• Effizienz: Taalas behauptet a 1000-fache Verbesserung in der Effizienz (Leistung professional Watt und Leistung professional Greenback) im Vergleich zu herkömmlichen Chips.
• Infrastruktur: Da die Gewichte fest verdrahtet sind, sind kein externes HBM oder komplexe Flüssigkeitskühlsysteme erforderlich. Ein standardmäßiges luftgekühltes Rack kann zehn dieser 250-W-Karten aufnehmen und liefert so die Leistung eines gesamten GPU-Clusters in einer einzigen Serverbox.

Die 60-Tage-Grenze durchbrechen: Die automatisierte Gießerei

Der offensichtliche Haken für einen KI-Entwickler ist Flexibilität. Wenn Sie heute ein Modell fest in einen Chip integrieren, was passiert, wenn morgen ein besseres Modell herauskommt? In der Vergangenheit dauerte der Entwurf eines ASIC (Software-Particular Built-in Circuit) zwei Jahre und kostete mehrere zehn Millionen Greenback.

Taalas hat dieses Drawback gelöst Automatisierung. Sie haben ein Compiler-ähnliches Gießereisystem aufgebaut, das Modellgewichte nimmt und in etwa einer Woche ein Chipdesign generiert. Durch die Konzentration auf einen optimierten Fertigungsablauf, bei dem nur die oberen Metallmasken des Siliziums ausgetauscht werden, konnten sie die Durchlaufzeit von „Gewichte zu Silizium“ auf nur noch wenige Sekunden verkürzen zwei Monate.

Dies ermöglicht einen „saisonalen“ Hardwarezyklus. Ein Unternehmen könnte im Frühjahr die Feinabstimmung eines Grenzmodells vornehmen und bis zum Sommer Tausende spezialisierter, hocheffizienter Inferenzchips im Einsatz haben.

Der Marktwandel: Von Schaufeln zu Briefmarken

Dieser Übergang markiert einen entscheidenden Second im KI-Hype-Zyklus. Wir bewegen uns von der Part „Forschung und Schulung“, in der GPUs für ihre Flexibilität von entscheidender Bedeutung sind, zur Part „Bereitstellung und Inferenz“, in der die Kosten professional Token die einzige Messgröße sind, die zählt.

Wenn Taalas erfolgreich ist, wird sich der KI-Markt in zwei verschiedene Ebenen aufteilen:

1. Allgemeine Schulung: Unter der Leitung von NVIDIA und AMD werden die riesigen, flexiblen Cluster bereitgestellt, die zum Entdecken und Trainieren neuer Architekturen erforderlich sind.
2. Spezialisierte Schlussfolgerung: Angeführt von „Gießereien“ wie Taalas, die diese bewährten Architekturen nutzen und sie in billiges, allgegenwärtiges Silizium für alles von Smartphones bis hin zu Industriesensoren „drucken“.

Wichtige Erkenntnisse

• Der „festverdrahtete“ Paradigmenwechsel: Taalas zieht um softwaredefinierte KI (Ausführen von Modellen auf Allzweck-GPUs) bis Hardwaredefinierte KI. Indem sie die Gewichte und Architektur eines bestimmten Modells direkt in das Silizium „einbacken“, machen sie den herkömmlichen Befehlssatz-Overhead überflüssig und machen das Modell effektiv zum Prozessor selbst.
• Tod der Erinnerungsmauer: Herkömmliche KI-{Hardware} verschwendet etwa 90 % ihrer Energie beim Verschieben von Daten zwischen Speicher und Rechenleistung. Taalas HC1 (Hardcore 1) Der Chip eliminiert die „Reminiscence Wall“, indem er die Modellparameter physisch in den Metallschichten des Chips verdrahtet, wodurch der Bedarf an teurem Excessive Bandwidth Reminiscence (HBM) entfällt.
• 1000x Effizienzsprung: Durch die Abschaffung der „Programmierbarkeitssteuer“ behauptet Taalas a 1.000-fache Verbesserung in Leistung professional Watt und Leistung professional Greenback. In der Praxis bedeutet dies, dass ein HC1 treffen kann 17.000 Token professional Sekunde auf einem Llama 3.1 8B-Modell – übertrifft ein Customary-GPU-Rack deutlich und verbraucht dabei weitaus weniger Strom.
• Automatisierte „Direct-to-Silicon“-Gießerei: Um das Drawback der Modellveralterung zu lösen, verwendet Taalas ein proprietäres Automatisierter Designablauf. Dadurch verkürzt sich die Zeit für die Erstellung eines benutzerdefinierten KI-Chips von Jahren auf nur noch wenige Jahre WochenDies ermöglicht es Unternehmen, ihre fein abgestimmten Modelle saisonal in Silizium zu „drucken“.
• Die Zukunft der Rohstoff-KI: Diese Technologie signalisiert einen Wandel von „Cloud-First“ hin zu „Gerätenative“ KI. Da Inferenz zu einem billigen, fest verdrahteten Intestine wird, wird KI von zentralisierten Servern auf lokale {Hardware} mit geringem Stromverbrauch verlagert – von Smartphones bis hin zu Industriesensoren – ohne Latenz und ohne Abonnementkosten.

---

Schauen Sie sich das an Technische Particulars. Sie können uns auch gerne weiter folgen Twitter und vergessen Sie nicht, bei uns mitzumachen 100.000+ ML SubReddit und Abonnieren Unser E-newsletter. Warten! Bist du im Telegram? Jetzt können Sie uns auch per Telegram kontaktieren.

US-Präsident Donald Trump hat erklärt, dass die fortschrittlichsten Chips für künstliche Intelligenz von Nvidia US-Unternehmen vorbehalten bleiben und nicht nach China oder andere Länder verkauft werden, heißt es in einem Bericht Reuters Bericht.

In einem „60 MinutenDas am Sonntag ausgestrahlte Interview und in separaten Kommentaren an Reporter an Bord der Air Drive One sagte Trump, dass nur US-Kunden Zugang zu den erstklassigen Blackwell-Chips von Nvidia haben sollten. „Die fortschrittlichsten, wir werden sie niemandem außer den Vereinigten Staaten überlassen“, sagte Trump gegenüber CBS und fügte später hinzu: „Wir geben (den Blackwell-)Chip nicht an andere Leute weiter.“

Die Äußerungen deuten auf eine mögliche Verschärfung der Exportbeschränkungen für hochmoderne amerikanische KI-Technologie hin, wodurch möglicherweise sogar Verbündete von den fortschrittlichsten Halbleitern ausgeschlossen werden. Diese Haltung scheint im Widerspruch zum eigenen KI-Plan der Regierung vom Juli zu stehen, der darauf abzielte, die KI-Exporte an Verbündete auszuweiten. Es kommt auch nur eine Woche, nachdem Nvidia einen Großauftrag zur Lieferung von über 260.000 Blackwell-KI-Chips an Südkorea und seine größten Unternehmen, darunter Samsung Electronics, angekündigt hat.

In Bezug auf China sagte Trump gegenüber CBS, er werde den Verkauf der fortschrittlichsten Blackwell-Chips an chinesische Firmen nicht zulassen, eine weniger leistungsfähige Model schloss er jedoch nicht ausdrücklich aus. „Wir werden sie mit Nvidia umgehen lassen, aber nicht im Hinblick auf die fortschrittlichsten“, sagte er.

Die Möglichkeit, dass irgendeine Model des Blackwell-Chips nach China verkauft wird, hat bei China-Falken in Washington scharfe Kritik hervorgerufen. Der republikanische Kongressabgeordnete John Moolenaar, Vorsitzender des Sonderausschusses des Repräsentantenhauses für China, erklärte, ein solcher Schritt „wäre so, als würde man dem Iran waffenfähiges Uran geben.“

Trump hatte zuvor angedeutet, dass er die Chips letzte Woche auf ihrem Gipfeltreffen in Südkorea mit dem chinesischen Präsidenten Xi Jinping besprechen könnte, bestätigte jedoch, dass das Thema nicht zur Sprache kam. Unabhängig davon sagte Jensen Huang, CEO von Nvidia, letzte Woche, dass das Unternehmen keine U.Subsequent-US-Exportlizenzen für den chinesischen Markt beantragt habe, und erklärte, Peking habe „sehr deutlich gemacht, dass Nvidia derzeit nicht dort sein möchte“.

---

Hervorgehobener Bildnachweis

China verstärkt seine Bemühungen, die Abhängigkeit von US-Technologie zu verringern, indem es inländische Unternehmen davon abhält, von Nvidia hergestellte Chips für künstliche Intelligenz (KI) zu kaufen.

Laut einem Bericht von Bloomberghaben chinesische Aufsichtsbehörden informelle Leitlinien herausgegeben und Unternehmen unter Druck gesetzt, die H20-Chips von Nvidia zu meiden, die den US-Exportbeschränkungen entsprechen sollen.

Der Schritt ist Teil des umfassenderen Ziels Chinas, die technologische Eigenständigkeit in den Bereichen KI und Halbleiter voranzutreiben.

Abkehr von Nvidias H20-Chips

Obwohl die chinesische Regierung es nicht offiziell verboten hat Nvidias H20-Chipsseine „Window Steering“ lenkt Unternehmen effektiv auf lokale Alternativen.

Unternehmen werden ermutigt, KI-Chips von inländischen Herstellern wie Huawei und Cambricon zu kaufen, was einem ähnlichen Schritt zu Beginn dieses Jahres folgt, als chinesische Hersteller von Elektrofahrzeugen aufgefordert wurden, der einheimischen Technologie Vorrang einzuräumen.

Chinas mutiger Versuch für die Unabhängigkeit der Halbleiterindustrie

Chinas Streben nach Halbleiter-Selbstversorgung gewinnt rasch an Dynamik, mit dem Ziel, bis 2025 70 % der Inlandsproduktion zu erreichen. Huge Investitionen, darunter ein 47-Milliarden-Greenback-Halbleiterfonds, befeuern diesen Vorstoß.

Unternehmen wie Huawei und ChangXin Reminiscence Applied sciences liefern bereits wettbewerbsfähige Alternativen zu Nvidias Chips und machen Fortschritte bei Speicher mit hoher Bandbreite und KI-Beschleunigern.

Nvidias China-Umsätze erleiden einen Einbruch

Das Geschäft von Nvidia in China schrumpft, seit die US-Regierung im Jahr 2022 den Export seiner Spitzenchips wie dem A100 und H100 verbot.

Als Reaktion darauf entwickelte Nvidia den weniger leistungsstarken H20-Chip, doch der jüngste Vorstoß der chinesischen Regierung könnte den Umsatz noch weiter beeinträchtigen. Nvidias Umsatz in China ist bereits von 24,6 % Anfang 2022 auf nur noch 12,2 % bis Mitte 2025 gesunken.

Der Markt für KI-Chips verändert sich

Während China den Aufbau seiner eigenen KI-Chip-Fähigkeiten verdoppelt, beginnt sich die globale Technologielandschaft zu verändern. Da inländische Giganten wie Huawei mit wettbewerbsfähigen Produkten auf den Markt kommen, könnte sich das Kräfteverhältnis auf dem Markt für KI-Chips zunehmend von US-Unternehmen wie Nvidia entfernen.

---

Hervorgehobener Bildnachweis: Maxence Pira/Unsplash