Der Chip ist speziell für die sogenannte Inferenz optimiert – jenen Prozess, bei dem trainierte KI-Modelle Antworten generieren. Mit Microsofts Risikokapitalfonds M12 im Rücken will das Unternehmen der Dominanz von Nvidias Grafikprozessoren im KI-Hardwaremarkt Paroli bieten.
Während neue Hardware-Lösungen die technische Basis für Künstliche Intelligenz legen, stellt die EU bereits die rechtlichen Weichen für deren Einsatz. Dieser kostenlose Umsetzungsleitfaden bietet Unternehmen einen kompakten Überblick über alle Anforderungen, Pflichten und Fristen des neuen EU AI Acts. EU AI Act in 5 Schritten verstehen: Fristen, Pflichten und Risikoklassen kompakt erklärt
Zehnmal schneller als herkömmliche GPUs
Die Architektur des Corsair-Chips zielt auf ein grundlegendes Problem ab: den Engpass bei der Speicheranbindung. Laut Unternehmensangaben ist die Hardware bei bestimmten Aufgaben zehnmal schneller und fünfmal energieeffizienter als herkömmliche GPUs.
Das Geheimnis liegt in einem ungewöhnlichen Design: d-Matrix integriert die Recheneinheiten direkt mit dem statischen Arbeitsspeicher (SRAM). Dadurch umgeht der Chip die sogenannte „Speicherwand“ – ein Flaschenhals, der entsteht, wenn Systeme auf separaten dynamischen Arbeitsspeicher (DRAM) angewiesen sind. Branchenexperten weisen allerdings darauf hin, dass SRAM-basierte Designs bei Modellen mit Billionen von Parametern an ihre Grenzen stoßen könnten. Der Corsair-Chip positioniert sich daher als hocheffiziente Lösung für kleinere, schnell ablaufende Inferenzaufgaben.
Gefertigt werden die Chips im 6-Nanometer-Verfahren von TSMC. Neben den Einzelchips bietet d-Matrix das SquadRack-System an – eine Komplettlösung für Rechenzentren, entwickelt mit Arista, Broadcom und Super Micro.
500 Millionen Dollar für den Angriff auf den Milliardenmarkt
Der Schritt in die Massenproduktion folgt auf eine kräftige Finanzspritze. Das in Santa Clara ansässige Unternehmen hat insgesamt rund 500 Millionen Dollar eingesammelt, die Bewertung liegt bei knapp zwei Milliarden Dollar. CEO Sid Sheth, ein ehemaliger Intel-Manager, peilt einen KI-Inferenzmarkt an, der langfristig auf eine Billion Dollar anwachsen könnte.
Der rasante technologische Fortschritt bei KI-Systemen führt auch zu neuen Sicherheitsrisiken und strengeren gesetzlichen Vorgaben für Firmen. Wie Sie Ihr Unternehmen proaktiv absichern und gleichzeitig die Compliance-Anforderungen erfüllen, erfahren Sie in diesem kostenlosen E-Book. Gratis-E-Book: Cyber Security Bedrohungen abwenden und Ihr Unternehmen schützen
Die ersten Auslieferungen beginnen noch im Juni 2026. Hauptzielgruppe sind Hyperscaler-Betreiber, sogenannte „Neocloud“-Anbieter und führende KI-Forschungslabore. Rund 90 Prozent der Kunden sitzen derzeit in den USA, doch auch aus Südostasien und dem Nahen Osten gibt es Interesse. Für 2027 plant d-Matrix bereits den Nachfolger: den Chip Raptor, gefertigt im 4-Nanometer-Verfahren von TSMC.
Wettlauf um KI-Chips: Die Konkurrenz schläft nicht
Der Start des Corsair-Chips fällt in eine Zeit des Umbruchs. Der Markt für KI-Hardware sucht zunehmend Alternativen zu den universellen GPUs. Aktuelle Marktforschung zeigt: Kundenspezifische KI-ASICs werden 2026 voraussichtlich 27,8 Prozent des KI-Servermarkts ausmachen – und damit deutlich schneller wachsen als das GPU-Segment.
Auch andere Player haben sich zuletzt in Stellung gebracht:
- Broadcom und Alphabet kontrollieren Schätzungen zufolge rund 95 Prozent des Marktes für kundenspezifische ASIC-Co-Designs. Broadcom bleibt bis 2031 Zulieferer für Googles Tensor Processing Units (TPUs).
- Vector Core Compute (VC2) startete gestern einen Cloud-Dienst, der Intel-Xeon-Prozessoren, SambaNova-Chips und Nvidia-Blackwell-GPUs kombiniert. Die Leistung soll bis zu dreimal höher sein als bei reinen GPU-Konfigurationen.
- FuriosaAI gab gestern eine Partnerschaft mit Broadcom bekannt. Gemeinsam entwickeln sie eine Inferenzplattform der dritten Generation mit 2-Nanometer-Rechenchips und HBM4-Speicher. Muster werden für die erste Jahreshälfte 2028 erwartet.
- Oriole Networks aus Großbritannien stellte gestern PRISM vor – ein rein photonisches KI-Netzwerk, das elektrische Schalter durch optische Schaltkreise ersetzt. Der Stromverbrauch im Kernnetz soll um 81 Prozent sinken.
Doch nicht nur die Hardware-Hersteller liefern sich ein Rennen. Auch auf der Software-Seite tut sich etwas: Xiaomi demonstrierte gestern, dass Optimierungstechniken wie FP4-Quantisierung und spekulative Dekodierung es ermöglichen, Modelle mit einer Billion Parametern auf handelsüblichen GPUs mit über 1.000 Tokens pro Sekunde laufen zu lassen. Der Wettbewerb zwischen spezialisierter Hardware und optimierter Software wird damit immer härter.
