Nvidia dominiert souveräne KI mit 92,4 Prozent

„Souveräne KI“ soll Staaten eigentlich helfen, die Abhängigkeit von ausländischen Technologieunternehmen zu verringern. Bei der Rechenbasis gelingt das bislang kaum. Counterpoint-Analyst Neil Shah hob deshalb den zentralen Widerspruch hervor: Länder bauen eigene Modelle, verlassen sich dafür aber fast durchgängig auf die Hardware und Software eines einzigen US-Konzerns .

Warum Nvidia so schwer zu ersetzen ist

Der Vorsprung lässt sich nicht allein mit der Geschwindigkeit einzelner Chips erklären. Entscheidend ist das gesamte Ökosystem.

• CUDA als Eintrittshürde: Nvidias Plattform CUDA umfasst Entwicklungswerkzeuge, optimierte Bibliotheken und Schnittstellen für Training, Inferenz und Simulation. Nach rund zwei Jahrzehnten ist sie tief in Forschungsprojekten, Cloud-Diensten und Unternehmenssoftware verankert. Ein Wechsel zu einem anderen Anbieter würde daher häufig nicht nur neue Hardware, sondern auch Anpassungen an bestehendem Code und an Betriebsabläufen erfordern .
• Infrastruktur aus einer Hand: Nvidia liefert neben Beschleunigern auch Modellbibliotheken, Netzwerktechnik wie NVLink und NVSwitch sowie vorkonfigurierte KI-Systeme. Für staatliche Projekte mit begrenzten Ressourcen kann das die Beschaffung und den Betrieb vereinfachen .
• Skalenvorteile: Der Konzern hat mehr KI-Beschleuniger ausgeliefert als seine Wettbewerber zusammen. Das stärkt seine Position in der Lieferkette, unter anderem bei der Fertigung durch TSMC, und verschafft Nvidia große Spielräume für weitere Forschung und Entwicklung .

Zwar gibt es Anzeichen dafür, dass die CUDA-Bindung langfristig weniger exklusiv werden könnte. Hardwareunabhängige Werkzeuge wie Triton sowie eigene Chips von Google und Amazon greifen an den Rändern des Nvidia-Ökosystems an . Für souveräne KI-Projekte ist daraus bislang jedoch kein relevanter Marktanteilsgewinn eines Wettbewerbers entstanden.

Wo Alternativen Fuß fassen

Die Konkurrenz ist nicht unsichtbar – sie konzentriert sich bislang aber auf einzelne Projekte und Regionen:

• AMD ist vor allem über Europas Supercomputer LUMI, Australiens Maincode-Projekt und eine Partnerschaft mit dem südkoreanischen Unternehmen Moreh vertreten .
• Cerebras hat über die emiratische G42 und den Condor-Galaxy-Supercomputer im Nahen Osten einen strategischen Zugang geschaffen .
• NAVER in Südkorea baut gemeinsam mit Nvidia und Brookfield die nationale „AI Factory“-Infrastruktur aus. Das Beispiel zeigt allerdings gerade nicht den Ersatz Nvidias, sondern dessen Rolle als zentraler Technologiepartner .
• Google und Amazon setzen ihre TPU- beziehungsweise Trainium-Chips zunehmend für eigene Rechenzentren und bestimmte Inferenzaufgaben ein. In staatlichen KI-Projekten außerhalb ihrer eigenen Cloud-Ökosysteme spielen sie bislang keine vergleichbare Rolle .

Nvidia erweitert seinen Einfluss über Chips hinaus

Nvidia versucht, seine Position nicht nur durch Produktzyklen zu verteidigen, sondern auch durch langfristige Partnerschaften und Kapital.

Partnerschaft mit Ilya Sutskevers SSI

Am 27. Juli 2026 gaben Nvidia und Safe Superintelligence (SSI), das von dem früheren OpenAI-Chefwissenschaftler Ilya Sutskever mitgegründete KI-Unternehmen, eine langfristige strategische Partnerschaft bekannt. Reuters berichtete über eine Beteiligung von 5 Milliarden US-Dollar; die offizielle Mitteilung nannte die finanziellen Details nicht .

SSI erhält Zugang zu Nvidias kommender Vera-Rubin-Plattform. Nach Angaben der Unternehmen soll sich die verfügbare Rechenleistung des KI-Labors dadurch um eine Größenordnung erhöhen . Der Deal verbindet damit ein prominentes Forschungsunternehmen mit Nvidias Hardware-Roadmap und schafft zusätzliche Nachfrage nach der Plattform.

Südkoreas nationale KI-Infrastruktur

NAVER, Nvidia und Brookfield haben einen Ausbau der südkoreanischen nationalen AI-Factory-Infrastruktur auf 200 Megawatt vorgeschlagen . Damit stärkt Nvidia seine Stellung in einem wichtigen asiatischen Markt für staatlich unterstützte KI. Für konkrete gemeinsame Ausbauvorhaben in Japan liegen in den vorliegenden Quellen dagegen keine ausreichenden Details vor.

Geplante Investitionen in Open-Weight-Modelle

Nvidia hat außerdem angekündigt, über fünf Jahre 26 Milliarden US-Dollar für die Entwicklung sogenannter Open-Weight-Modelle bereitzustellen. Solche Modelle können von Forschungseinrichtungen und Behörden heruntergeladen, angepasst und selbst betrieben werden. Wenn die zugrunde liegenden Systeme jedoch auf Nvidia-Software und -Hardware optimiert sind, kann Offenheit auf Modellebene die Abhängigkeit von der Rechenplattform sogar weiter verfestigen .

China und die geopolitische Kehrseite

China wurde aus der Counterpoint-Untersuchung ausgeschlossen. Die Quellen führen als Hintergrund an, dass chinesische Alternativen wie Huawei Ascend und Cambricon bei den leistungsfähigsten KI-Anwendungen hinter Nvidia zurückliegen und US-Exportbeschränkungen den Zugang zu modernen Nvidia-Beschleunigern begrenzen .

Chinesische KI-Labore müssen daher auf ältere, vor den Beschränkungen erworbene Nvidia-GPUs, weniger leistungsfähige heimische Chips oder geringere verfügbare Rechenkapazitäten ausweichen. Das kann die Entwicklung besonders großer Modelle verlangsamen.

Daraus entsteht ein strategischer Widerspruch: Exportkontrollen stärken Nvidias Stellung in vielen internationalen Projekten, weil sie chinesische Alternativen vom globalen Wettbewerb fernhalten. Gleichzeitig erhöhen sie für China den Anreiz, eine eigene Chip- und Softwarebasis aufzubauen.

Für konkrete Aussagen zu angeblichen Äußerungen des DeepSeek-Chefs, Vorwürfen rund um Moonshot, US-Zöllen im Jahr 2026, Section 232 oder dem sogenannten „Pax-Silica“-Pakt enthalten die vorliegenden Quellen keine ausreichenden, zitierfähigen Belege. Diese Punkte sollten daher nicht als bestätigte Bestandteile des Befunds behandelt werden.

Was belegt ist – und was offenbleibt

Der Kern des Problems: Souveränität auf Modellebene, Abhängigkeit bei der Infrastruktur

Der Counterpoint-Bericht macht sichtbar, dass „souveräne KI“ aus mindestens zwei Ebenen besteht: Ein Staat kann eigene Daten verwenden und ein eigenes Sprachmodell entwickeln. Das bedeutet aber noch nicht, dass er auch die dafür notwendige Recheninfrastruktur kontrolliert.

Mit einem Anteil von 92,4 Prozent ist Nvidia in den untersuchten Projekten nahezu zum Standard geworden. AMD und Cerebras verfügen über wichtige regionale Nischen, doch bislang nicht über eine Plattform, die CUDA, Nvidias Komplettsysteme und dessen Lieferkettenvorsprung zugleich ersetzen könnte .

Die entscheidende Frage für die kommenden Jahre lautet deshalb nicht nur, wer die besten KI-Modelle entwickelt. Es geht ebenso darum, ob Staaten ihre Modelle auf einer ausreichend vielfältigen und eigenen technischen Basis betreiben können – oder ob ihre digitale Unabhängigkeit weiterhin auf der Hardware eines einzigen amerikanischen Unternehmens aufbaut.