KI-Chip-Startups lösen Finanzierungsrausch aus: FuriosaAI strebt 500 Millionen US-Dollar an, Nuvacore und D-Matrix verfolgen große Finanzierungsrunden

Eine Welle von KI-Chip-Startups strebt große Finanzierungsrunden an, was darauf hindeutet, dass der Appetit der Anleger auf Halbleiterunternehmen, die Nvidias Dominanz herausfordern, keine Anzeichen einer Abkühlung zeigt. Laut einem am 14. Juli 2026 veröffentlichten Bericht von The Information befinden sich FuriosaAI, Nuvacore und d-Matrix alle im aktiven Fundraising-Modus.

Die gleichzeitigen Spendenaktionen verdeutlichen, wie sich die KI-Hardwarelandschaft von einem von Nvidia kontrollierten Quasi-Monopol zu einem stärker fragmentierten Markt entwickelt, in dem Start-ups Chancen in den Bereichen Inferenz, Spezialrechner und Prozessordesign der nächsten Generation sehen.

Für die neueste KI-Branchenberichterstattung über Halbleiterentwicklungen und die Unternehmen, die die Zukunft der KI-Computing gestalten, verfolgt AI Buzz Wire den Hardwaresektor genau.

FuriosaAI: Der koreanische Herausforderer hat 500 Millionen Dollar im Visier

Laut Bloomberg und The Information strebt der südkoreanische KI-Chipdesigner FuriosaAI an, bis zu 500 Millionen US-Dollar in einer Serie-D-Finanzierungsrunde vor einem möglichen Börsengang aufzubringen. Die Runde wird von Morgan Stanley und Mirae Asset Securities beraten.

FuriosaAI hat sich als ernstzunehmende Nvidia-Alternative auf dem KI-Inferenzmarkt positioniert. Der Chip der zweiten Generation des Unternehmens mit dem Namen RNGD (ausgesprochen „Renegade“) ist speziell für die effiziente Ausführung von KI-Modellen konzipiert – die Inferenzarbeitslast, die im Gegensatz zum Training den Großteil des realen KI-Rechnerbedarfs ausmacht.

Abhängig von den Marktbedingungen und dem Erfolg seiner Serie-D-Runde strebt das Unternehmen einen möglichen Börsengang bereits im Jahr 2027 an. Eine 500-Millionen-Dollar-Beschaffung würde FuriosaAI das nötige Kapital verschaffen, um die Massenproduktion des RNGD-Chips zu finanzieren, weltweit zu expandieren und seine Entwicklungsteams zu skalieren, um mit etablierten Playern zu konkurrieren.

Das Timing von FuriosaAI ist strategisch. Die Dominanz von Nvidia bei KI-Trainingschips ist gut etabliert, aber der Inferenzmarkt – auf dem trainierte Modelle eingesetzt werden, um echte Benutzer zu bedienen – gilt als offener für den Wettbewerb. Für Inferenz-Workloads gelten andere Anforderungen als für Schulungen, sodass möglicherweise spezielle Architekturen gegenüber Allzweck-GPUs bevorzugt werden.

Nuvacore: Apple-Veteranen bauen die nächste CPU

Nuvacore, ein Startup, das sich auf die Entwicklung neuer Zentraleinheiten konzentriert, wurde von ehemaligen Apple-Chipingenieuren gegründet und kam erst vor drei Monaten mit einer von Sequoia Capital angeführten Seed-Runde aus dem Tarnmodus. Nun steht das Unternehmen laut The Information bereits kurz davor, zusätzliche Mittel zu einem höheren Preis zu beschaffen.

Der Stammbaum des Gründerteams von Nuvacore ist bedeutsam. Die Siliziumabteilung von Apple hat einige der erfolgreichsten kundenspezifischen Chips der Geschichte hergestellt, darunter die Prozessoren der M-Serie, die Mac-Computer antreiben, und die Chips der A-Serie in iPhones. Ingenieure, die an der Entwicklung dieser Chips mitgewirkt haben, bringen umfassendes Fachwissen im Design leistungsstarker, energieeffizienter Prozessoren mit – Fähigkeiten, die direkt auf die KI-Berechnung anwendbar sind.

Die Gründer von Nuvacore verkauften zuvor ein Startup an Qualcomm, was ihnen sowohl unternehmerische Erfolgsbilanz als auch tiefe Branchenverbindungen verschaffte. Der Fokus des Unternehmens auf CPU-Design und nicht auf GPU- oder Beschleunigerdesign legt nahe, dass es auf einen anderen Teil des KI-Rechenstapels abzielt – möglicherweise auf die Host-Prozessoren, die neben spezialisierten Beschleunigern KI-Arbeitslasten verwalten.

Die Tatsache, dass Nuvacore innerhalb von nur drei Monaten von einer verdeckten Finanzierung zu einer zweiten Finanzierungsrunde übergegangen ist, verdeutlicht die Dringlichkeit, die Anleger bei der Unterstützung von Chip-Talenten empfinden. In einem Markt, in dem erfahrene Halbleiteringenieure rar und sehr gefragt sind, erzielen Teams mit nachgewiesener Erfolgsbilanz erstklassige Bewertungen.

D-Matrix: Auf der Suche nach einer höheren Bewertung

D-Matrix, ein weiteres KI-Chip-Startup in der Finanzierungspipeline, verfolgt eine neue Runde mit einer höheren Bewertung. Das Unternehmen ist auf Chiplet-basierte KI-Inferenzbeschleuniger spezialisiert – ein modularer Ansatz für das Chipdesign, der mehrere kleinere Chips in einem einzigen Gehäuse kombiniert, was möglicherweise die Kosten senkt und die Fertigungsflexibilität verbessert.

D-Matrix hat zuvor Gelder von Investoren erhalten, darunter Microsofts M12-Venture-Fonds und Playground Global. Die Chiplet-Architektur des Unternehmens positioniert es als Alternative zu monolithischen GPU-Designs und zielt auf Inferenz-Workloads in Rechenzentren ab, bei denen Kosteneffizienz und Skalierbarkeit ebenso wichtig sind wie reine Leistung.

Warum der Chip-Goldrausch weitergeht

Die gleichzeitige Mittelbeschaffung durch FuriosaAI, Nuvacore und d-Matrix spiegelt eine grundlegende Überzeugung der Anleger wider: Nvidias nahezu vollständige Dominanz bei KI-Chips ist nicht von Dauer. Mehrere Faktoren treiben diese Überzeugung voran.

Erstens wächst der Inferenzmarkt schneller als der Schulungsmarkt. Da immer mehr Unternehmen KI-Modelle in der Produktion einsetzen, explodiert die Nachfrage nach kostengünstiger Inferenzhardware. Die GPUs von Nvidia eignen sich hervorragend für das Training, sind jedoch für viele Inferenzaufgaben möglicherweise überfordert und überteuert.

Zweitens schaffen geopolitische Zwänge Chancen für Chiphersteller außerhalb der USA. Exportkontrollen haben Nvidias Fähigkeit eingeschränkt, seine fortschrittlichsten Chips in China zu verkaufen, wodurch ein Vakuum entstanden ist, das inländische und verbündete Chiphersteller eilig füllen wollen. FuriosaAI ist als südkoreanisches Unternehmen diesbezüglich gut aufgestellt.

Drittens belastet das schiere Ausmaß der KI-Rechennachfrage die Produktionskapazität von Nvidia. Die fortschrittliche Verpackungskapazität von TSMC – entscheidend für High-End-KI-Chips – ist begrenzt, was zu langen Wartezeiten führt. Kunden suchen zunehmend nach Alternativen, um ihre Abhängigkeit von einem einzigen Lieferanten zu verringern.

Der Weg nach vorne für KI-Chip-Startups

Trotz der Begeisterung stehen KI-Chip-Startups vor großen Herausforderungen. Die Entwicklung und Herstellung wettbewerbsfähiger Halbleiter erfordert enormes Kapital, und der Wettbewerb mit Nvidia bedeutet, nicht nur die Hardwareleistung, sondern auch das Software-Ökosystem zu vereinen – CUDA, Nvidias Parallel-Computing-Plattform, verfügt über einen jahrzehntelangen Vorsprung und eine tiefe Entwicklertreue.

Der RNGD-Chip von FuriosaAI und die Angebote anderer Startups müssen beweisen, dass sie reale Leistungsvorteile und nicht nur Benchmark-Siege liefern können. Die Unternehmen, die erfolgreich sein werden, werden wahrscheinlich diejenigen sein, die bestimmte Nischen finden, in denen spezialisierte Hardware Allzweck-GPUs wirklich übertrifft – sei es in Bezug auf Inferenzeffizienz, Stromverbrauch oder Kosten pro Abfrage.

Da weltweit Milliarden an Fördermitteln in KI-Chip-Startups fließen, wird sich in den nächsten zwei Jahren darüber entscheiden, welche Herausforderer überleben können und welche aufgekauft oder geschlossen werden. Die alternative Erzählung von Nvidia ist überzeugend – aber die Hürde für die Umsetzung liegt außerordentlich hoch.

---

Quellen: The Information, Bloomberg und Berichterstattung mehrerer Medien aus der Halbleiterindustrie.

Bleiben Sie in der KI an der Spitze

Für eine fortlaufende Berichterstattung über die Halbleiterindustrie, Durchbrüche bei KI-Hardware und die Unternehmen, die Nvidia herausfordern, besuchen Sie AI Buzz Wire für die neuesten Entwicklungen.

Weitere KI-Neuigkeiten lesen →