Zum Inhalt
WeltzeitEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal über KI und Technologieereignisse · analysen · interviews · technischer hintergrund

Suche
LIVE
›

Chip-Verpackung ist der neue Flaschenhals: 17,5 GW für KI-Rechenzentren, und das ist die Obergrenze

Die heute verfügbaren Kapazitäten für fortschrittliche Verpackung reichen für Beschleuniger mit rund 13 GW Bruttoleistung. Das berichtete The Register am 30. September unter Berufung auf die Investmentbank Jefferies und das Analysehaus SynMax. Rechnet man CPUs, Speicher und Kühlung hinzu, ergibt das etwa 17,5 GW Gesamtleistung für Rechenzentren.

TechnologieAnalyseLena BrandtVeröffentlicht: 2. Oktober 20264 Min. LesezeitQuellen 15
Chip-Verpackung ist der neue Flaschenhals: 17,5 GW für KI-Rechenzentren, und das ist die Obergrenze

Diese Zahl zählt. Nicht die angekündigte Pipeline, nicht die 80 GW, die manche Nachfragemodelle für 2028 unterstellen. Die Obergrenze der Verpackung.

Jefferies gab den Bericht an The Register weiter, der ihn am 30. September veröffentlichte. SynMax wertet wöchentlich Satellitenbilder von Flächenrodungen, ersten Bauwerken und dem Baufortschritt aus. Das Unternehmen schätzt, dass die US-Installationen von rund 11 GW Bruttokapazität im Jahr 2025 auf 16 bis 18 GW im Jahr 2026 steigen, mehr als die frühere Prognose von 14 bis 16 GW. Die praktische Obergrenze für 2027 sieht es bei knapp über 20 Gigawatt. Zwei weitere Verpackungsprojekte, die 2027 ans Netz gehen sollen, könnten weitere 6 GW bringen, aber nur, wenn die Kapazität schneller wächst als prognostiziert. Der Abstand zwischen Fläche und Silizium ist inzwischen aus dem Orbit sichtbar. Die Flächenrodung für neue Projekte stagniert, berichtete The Register. Die sichtbare Aktivität bleibt weit hinter dem Tempo zurück, das nötig wäre, um die mehr als 80 GW zu liefern, die angekündigte Pipelines nahelegen. Ein früherer Jefferies-Bericht ergab, dass nur die Hälfte der für 2026 geplanten US-Kapazität im Bau war. Bei bis zu 80 Prozent der Pipeline für 2028 hatte die Arbeit noch gar nicht begonnen.

Warum Verpackung und nicht Wafer

Die Fertigung der Beschleuniger-Dies ist nur die halbe Arbeit. Danach müssen sie mit Komponenten wie High-Bandwidth-Memory verpackt werden, bevor OEMs sie in Servern einbauen können.

Bei der fortschrittlichen Verpackung werden mehrere Dies und Speicher über hochdichte Verbindungen zusammengeführt. Viele fortschrittliche CPUs und KI-Beschleuniger nutzen diesen Ansatz. Selbst Chips, die auf US-Boden gefertigt werden, müssen möglicherweise ins Ausland geschickt werden, meist nach Taiwan, um verpackt zu werden. So entsteht ein Engpass zwischen Halbleiterproduktion und betriebsbereiter Rechenzentrumskapazität.

Bei Innovate Together 2026 von A*STAR in Singapur beschrieben Ingenieure von KLA, ASM, ASMPT und der National University of Singapore den Druck in Prozessgrößen, berichtete EE Times am 30. September. Die Gehäuse werden größer, während die Rastermaße der Verbindungen und die Fehlertoleranzen schrumpfen. Surya Bhattacharya, Leiter System-in-Package am Institute of Microelectronics von A*STAR, sagte, die fortgesetzte Transistorskalierung reiche nicht mehr aus, um den Rechenbedarf von KI zu decken. Systeme müssten mehr Dies und Funktionen integrieren, sagte er. Damit werde die Verpackung Teil des Systementwurfs und sei nicht länger ein Nachgedanke. Avi Shantaram von ASM International sagte, Hybridbonding sei wichtig für hochdichte 3D-Verbindungen der nächsten Generation, doch die Herausforderung reiche über das Bonding-Werkzeug hinaus. Oberflächenrauheit der Wafer, Dishing beim chemisch-mechanischen Polieren, Sauberkeit und Partikelkontrolle beeinflussten alle Ergebnisse. Gary Widdowson, CTO der Semiconductor Solutions von ASMPT, sagte, Hybridbonding werde das thermische Kompressionsbonding nicht sofort ersetzen, das bei Reife und Kosten Vorteile behalte. „Wir haben es mit einem kompletten Prozess zu tun, nicht mit dem Problem eines einzelnen Geräts“, sagte Widdowson laut EE Times.

Die Ökonomie ist gnadenlos. Ein gesponserter Blogbeitrag auf SemiEngineering.com vom 1. Oktober bezifferte den Entwicklungsaufwand für einen ASIC üblicher Komplexität auf über 1.000 Ingenieuremonate. Er stellte fest, dass die Pionierarbeit bei Synthese, Place and Route den Engpass zur Verifikation verschoben hat. Das ist eine Einschränkung auf der Designseite, die parallel zur Verpackung läuft.

Yield als Ventil

Ein Start-up argumentiert, die Knappheit lasse sich ohne mehr Wafer mildern. Satya Nitta, Mitgründer und Executive Chairman von Emergence AI, sagte gegenüber EE Times auf der SEMICON India 2026, die Nachfrage übersteige das Angebot, und jede Fab laufe an der Kapazitätsgrenze. „Man kann Chips nicht schneller herstellen, aber man kann mit KI definitiv mehr Chips pro Wafer ausbeuten“, sagte er. Nitta beschrieb Agenten, die dasselbe Fehlermuster in 30 Prozent von 1.500 Produkten finden und vorschlagen, den betroffenen Block neu zu entwerfen. Diese Arbeit gehe über menschliche kognitive Grenzen hinaus, sagte er. IDMs unter den Kunden des Unternehmens bitten es inzwischen, die Arbeit in die Fab auszudehnen. Anderswo wird die Werkzeugkette direkt automatisiert. OpenAI und Synopsys unterzeichneten eine mehrjährige Partnerschaft zum Aufbau von GPT-Synopsys, einem Modell, das über Chipdesign und Verifikation nachdenken und die EDA-Werkzeuge von Synopsys bedienen soll, berichtete The Decoder am 30. September. Erste Tests mit Halbleiterkunden laufen bereits. Beide Unternehmen wollen das Produkt gemeinsam vermarkten und die Erlöse teilen.

Nichts davon ändert die kurzfristige Rechnung. Speicher ist die zweite Einschränkung. MaxLinear erklärte, sein neuer DOCSIS-Chip Puma 9 werde neben DDR4 auch DDR5 unterstützen, um das Risiko in der Lieferkette zu senken. SVP Puneet Sethi sagte zu Light Reading, Preis und Angebot von DDR5 dürften entspannter werden als bei DDR4. AMD kauft unterdessen das KI-Forschungslabor World Labs für rund 8,2 Milliarden US-Dollar in Aktien. Data Center Knowledge berichtete, der am 28. September angekündigte Deal solle künftige Chipdesigns informieren, während sich KI-Modelle weiterentwickeln.

Ob die Verpackungskapazität schnell genug wächst, ist die offene Frage. Die Obergrenze ist nicht theoretisch. Sie liegt bei 17,5 GW.

Kommentare 0

Quellen

15
  1. 01America is planning more AI datacenters than its chip supply can fillEN
  2. 02AI Drives Larger, Denser Packaging, Raising New Challenges for Equipment MakersEN
  3. 03Emergence AI Targets Fabless Chipmakers With Neuroformal AIEN
  4. 04OpenAI and Synopsys team up to build an AI model that designs chips like a seasoned engineerEN
  5. 05Why LLMs Are The Best Thing To Happen To Chip DesignEN
  6. 06Crossing Chiplet Boundaries With PCIe Over UCIeEN
  7. 07MaxLinear claims new 'Puma 9' DOCSIS chip is a big cost-cutterEN
  8. 08MaxLinear intros 'AI-ready' Puma 9 DOCSIS chipsetEN
  9. 09AMD to Acquire World Labs for $8.2B to Advance AI Models and RoboticsEN
  10. 10Huawei boss claims homegrown AI chip sales top Nvidia in ChinaEN
  11. 11Qualcomm Unveils Snapdragon 8 Elite Gen 6 and Elite Extreme Gen 6: Next Gen Flagship Mobile ChipsEN
  12. 12Google rolls out Gemini 4 Argon, its most advanced AI modelEN
  13. 13Experts worry about Nvidia's AI chip sales in China and influence over TrumpEN
  14. 14101 Malicious npm Packages Add Developers' WhatsApp Accounts to Groups Without ConsentEN
  15. 15Advanced grid tech gets a $1.9B DOE boostEN

Alle Zahlen und Zitate in diesem Text stammen aus den unten genannten Quellen.

Die Materialien wurden vom Redaktionsteam mit Unterstützung von KI erstellt.

Lena Brandt

Lena Brandt

KI, Modelle und Technik

Lena Brandt schreibt für FLASH24 über Technik, KI und Modelle sowie Medien und Internet und stützt sich dabei auf Herstellerangaben, Studien und öffentlich zugängliche Datensätze, statt Pressemitteilungen ungeprüft zu übernehmen. Bei Modellvergleichen kontrolliert sie Benchmark-Werte, Trainingsdaten und Versionsnummern und rechnet Angaben zu Rechenleistung und Kosten selbst nach. Sie spricht mit Entwicklern und Forschern, wartet auf angekündigte Updates und vergleicht Releases, bevor sie eine Einschätzung abgibt. Privat beschäftigt sie sich mit 3D-Druck, alten Rechnern und der Frage, wie Modelle aus Internetmüll lernen – Themen, die regelmäßig in ihre Texte einfließen. Sie publiziert keine Zahlen, deren Quelle sie nicht selbst überprüfen konnte.

Redaktion →

Kommentare

0
  1. Noch keine Kommentare — seien Sie der Erste.

Kommentar schreiben

Kommentare sind öffentlich sichtbar. Wir veröffentlichen keine Beleidigungen, Werbung oder Spam.