AWS bindet Qualcomm langfristig an seine KI-Infrastruktur
Amazon Web Services und Qualcomm haben eine mehrjährige Kooperation für KI-Chips und Netzwerktechnik vereinbart. Das maximale Volumen der Einkäufe und kommerziellen Verpflichtungen von Amazon liegt bei 60 Milliarden US-Dollar bis September 2036.
Im Mittelpunkt steht Custom Silicon, also speziell für bestimmte Aufgaben entwickelte Halbleiter. Die Chips sollen unter anderem KI-Inferenz beschleunigen, den laufenden Betrieb bereits trainierter KI-Modelle. Welche fertigen Qualcomm-Produkte AWS tatsächlich einsetzen wird, bleibt bislang offen.
| Bereich | Angabe |
|---|---|
| Maximales Vertragsvolumen | 60 Milliarden US-Dollar |
| Laufzeit der Verpflichtungen | Bis September 2036 |
| Ziel für optische Portgeschwindigkeit | 1,6 Tbit/s |
| Geplanter Start der AI250-Serie | 2027 |
| Geplanter Start der C1000-CPU | 2. Halbjahr 2028 |
| Geplante C1000-Spezifikation | Über 250 Kerne, bis zu 5 GHz |
Optische Verbindungen werden zum Engpass
AWS will Serializer-Deserializer, kurz SerDes, und optische digitale Signalprozessoren von Qualcomm einsetzen. SerDes wandeln parallele Datenströme in serielle Signale und zurück. Die optischen Signalprozessoren bereiten diese Daten für die Übertragung über Glasfaser auf.
Damit sollen Portgeschwindigkeiten von 1,6 Tbit/s erreicht werden. Solche Verbindungen werden wichtiger, wenn KI-Beschleuniger nicht nur innerhalb eines Servers, sondern über mehrere Racks hinweg zusammenarbeiten. Der Ausbau ergänzt Amazons hohe Investitionen in Rechenleistung, zu denen auch die Bestellung von zwei Millionen Nvidia-GPUs für AWS zählt.
Auch an anderer Stelle baut AWS die Bandbreite zwischen Infrastrukturen aus. Die geplante direkte Verbindung zwischen Azure und AWS mit 100 Gbit/s zeigt, dass Netzwerktechnik neben den eigentlichen KI-Chips zu einem zentralen Wettbewerbsfaktor wird.
Qualcomm setzt auf LPDDR statt HBM
Qualcomms AI250-Serie und die zugehörigen Dragonfly Rack-Systeme sollen 2027 starten. Die Plattform verwendet günstigeren LPDDR-Speicher anstelle von HBM, einem besonders schnellen und entsprechend teuren Speicher für KI-Beschleuniger.
Qualcomm verlagert dafür Rechenlogik auf das Base-Die, die grundlegende Siliziumschicht des Speicheraufbaus. Damit soll eine höhere effektive Speicherbandbreite erreicht werden. Ob AWS angepasste AI250-Chips, vollständig eigene Designs mit Qualcomm-Technik oder andere Varianten einsetzen wird, ist nicht bestätigt.
Parallel entwickelt Qualcomm mit der C1000 eine eigene Rechenzentrums-CPU. Vorgesehen sind mehr als 250 Kerne, Taktraten von bis zu 5 GHz und ein Marktstart in der zweiten Hälfte des Jahres 2028.
Qualcomm wolle seine Erfahrung mit fortschrittlicher Verarbeitung und energieeffizienter Rechenleistung einbringen, um gemeinsam mit AWS die nächste Generation der KI-Infrastruktur zu ermöglichen, erklärte CEO Cristiano Amon sinngemäß.
Bedrock wird Teil der Gegenleistung
Die Geschäftsbeziehung funktioniert in beide Richtungen. Qualcomm will den Einsatz von Amazon Bedrock für EDA-Arbeitslasten ausweiten. Electronic Design Automation bezeichnet Softwareverfahren zur automatisierten Entwicklung und Prüfung von Halbleitern.
Damit liefert Qualcomm nicht nur Komponenten an AWS, sondern nutzt zugleich Amazons proprietäre KI-Plattform. Welche finanziellen Anteile auf Hardware, Dienstleistungen oder weitere Verpflichtungen entfallen, wurde nicht aufgeschlüsselt.
Mögliche Kostenvorteile haben ihren Preis
Für Unternehmen im DACH-Raum könnte eine breitere Hardwarebasis bei AWS mittelfristig günstigere oder leistungsfähigere KI-Inferenz ermöglichen. Konkrete AWS-Dienste, Verfügbarkeiten und Preismodelle wurden allerdings noch nicht genannt. Kostensenkungen bleiben deshalb vorerst eine mögliche Folge und keine zugesagte Leistung.
Strategisch versucht AWS, seine Abhängigkeit von einzelnen Chipanbietern und teurem HBM-Speicher zu reduzieren. Für Cloud-Kunden entsteht daraus nicht automatisch mehr Unabhängigkeit. Maßgeschneiderte Beschleuniger, Netzwerke und Bedrock-Dienste können die Bindung an die proprietäre AWS-Infrastruktur weiter erhöhen.
On-Premises- und Self-Hosting-Ansätze profitieren erst, wenn vergleichbare Technik als Standardhardware frei verfügbar wird. Lokale Systeme wie die AMD Threadripper Halo Workstation für lokale KI verfolgen einen anderen Weg, bleiben bei großen Inferenzlasten aber eine eigene Infrastrukturentscheidung mit entsprechendem Betriebsaufwand.