Arm-Chips in China: Fertigung bleibt der Engpass

Cambridge 1990, chinesische Cluster 2026

Arm-Chips gelangen in chinesische AI-Rechenzentren als Fertigprodukt, und die Geschichte dieser Architektur erklärt, warum das zählt. Im November 1990 entsteht in Cambridge Advanced RISC Machines, ein Joint Venture zwischen Acorn Computers, Apple und VLSI Technology. Das Modell war einfach: Architekturen entwerfen, Lizenzen vergeben, Fertigung anderen überlassen.

Sechsunddreißig Jahre später kehrt sich diese Strategie um.

Am 8. September 2026 präsentiert Arm auf der Konferenz Arm Everywhere China Lenovo und Volcengine, die Cloud-Division von ByteDance, als erste chinesische Kunden für eine selbst konzipierte und vermarktete AGI-CPU, wie Caixin Global berichtet^[1]. Der Kontext ist anders. Die Struktur der Rechenleistung verschiebt sich durch diesen Schritt.

Die Zahl, die die Geometrie des Rechenzentrums neu schreibt

Die entscheidende Zahl kommt von Bernstein und betrifft die Form der Cluster. Das Verhältnis zwischen GPUs und CPUs in AI-Rechenzentren verschiebt sich von 8:1 in den Jahren 2024-2025 zu 1:1 oder 2:1 im Zeitraum 2026-2030 – also vier Mal mehr Prozessoren pro installiertem Beschleuniger.

Die gleiche Analyse vom 10. September 2026 bringt zwei Industriedaten. Arm AGI-CPUs verbrauchen etwa 300 Watt im Vergleich zu 500 Watt bei einem x86-Serverprozessor. Der Auftragsbestand der Produktlinie hat sich laut CEO Rene Haas (Juli 2026) auf über 2 Milliarden Dollar für die Geschäftsjahre 2027 und 2028 verdoppelt. Die ersten AGI-CPUs mit 3 Nanometer erschienen im März 2026.

Die Bruttomargen beim direkten Verkauf sind laut der gleichen Quelle fünf bis zehn Mal höher als bei Lizenzen.

Arm prognostiziert einen Umsatzanstieg um mehr als das Fünffache bis zum Geschäftsjahr 2030. Der erklärte Engpass bleibt die Produktionskapazität.

Der Mechanismus: das Watt als politischer Engpass

Der Engpass eines AI-Rechenzentrums ist das Watt, dann der Quadratmeter, dann der Chip.

Zweihundert Watt Differenz pro Socket erscheinen auf dem Datenblatt gering. Multipliziert mit den Tausenden von Servern in einem Cluster werden es Dutzende von Megawatt Last und eine Grenze bei der Stromversorgung. Wer einen Campus mit hunderten von Megawatt plant, wählt die Architektur, die Leistung für die Beschleuniger freisetzt.

Hier wird Ingenieurwesen zur Geopolitik. Die CPU rückt wieder in den Mittelpunkt, weil sich der Engpass von der reinen Berechnung zur Datenvorbereitung, zur Job-Orchestrierung und zum internen Netzwerk verschoben hat.

Converge Digest dokumentiert Arms Neoverse CSS-Plattform für maßgeschneiderte AI-Silizium mit der offiziellen Stellungnahme des Unternehmens: convergedigest.com^[2]. Das vorgefertigte Subsystem verkürzt die Entwicklungszeit für diejenigen, die einen eigenen Chip wollen.

Wer die Entwicklungszeit verkürzt, verschiebt die Nachfrage.

Die erste Bewegung: der Raum für x86 verengt sich

Dieser Schritt ist die zweite Bewegung einer Sequenz. Die erste war, den Raum für x86 innerhalb Chinas zu verengen.

Seit 2019 verlagerte sich die chinesische öffentliche Beschaffung auf heimische Prozessoren, mit technischen Kriterien, die lokale Anbieter bevorzugen. Huawei präsentierte den Kunpeng 920, eine auf Arm-Architektur basierende Server-CPU, im Januar 2019. 2021 kam LoongArch, ein vollständig chinesischer Befehlssatz, und RISC-V gewann an Boden in Forschungsprojekten und industriellen Chips.

Das Muster ist strukturell, auf dekadenlanger Skala, und betrifft die Kontrolle über Architekturen. Drei Beispiele reichen aus, um es ein Muster zu nennen: x86 aus öffentlichen Käufen ausgeschlossen, inländische ISA von der Regierung finanziert, jetzt direkter Kauf von Arm-CPUs für AI-Cluster.

Die Diversifizierung in Richtung Cambridge reduziert die Abhängigkeit von einem einzigen amerikanischen Beschleunigeranbieter.

Der Engpass bleibt die Fabrikation

Design lässt sich replizieren. Produktionskapazität wird über Jahre aufgebaut.

Das Beispiel ist aktuell und dokumentiert. Im Mai 2019 setzt das US-Handelsministerium Huawei auf die Entity List, im Mai 2020 schneidet die Foreign Direct Product Rule den Zugang zu TSMCs Fabs ab. HiSilicon konnte weiterhin Chips auf Weltklasse-Niveau entwerfen, aber die Produktion stoppte.

Der kausale Mechanismus läuft in eine präzise Richtung: Wer über Lithografie und fortgeschrittene Fabs verfügt, entscheidet, wie viele Chips existieren. Das Design bestimmt, wie gut sie sind.

Eine 3-Nanometer-CPU kommt heute aus Taiwan oder Südkorea. Eine von Arm gekaufte chinesische Linie bleibt daher dem gleichen Engpass ausgesetzt, der Nvidia unter Druck setzt, mit zusätzlichem Lizenzrisiko.

Der Engpass ist die Fab; die offene Lücke ist die Finanzierung, weil Kontrollen Hardware treffen, aber Kapital zirkuliert.

Die Position und was sie widerlegen würde

Meine Position: Der Übergang zu ausgewogenen CPU-GPU-Clustern komprimiert Nvidias Preismacht in China, und echte Souveränität bleibt an die Produktionskapazität gebunden.

Der Konsens liest die Nachricht als kommerziellen Sieg für Arm. Ich sehe eher eine Umverteilung der Ausgaben: Jeder Dollar für CPUs ist ein Dollar weniger für Beschleuniger innerhalb des gleichen Strombudgets. Risikomodelle, die auf einem GPU-dominierten Regime aufgebaut sind, behandeln dieses Budget als fest.

Das ist ein Regime-Wechsel, und der Markt hat die daraus folgende Margenkompression unterschätzt. Die Schlüsselvariable bleibt der Mix, nicht das Volumen.

Was mich umstimmen würde: Der Nachweis, dass eine chinesische Gießerei in großem Maßstab 3-Nanometer-CPUs mit erklärten Ausbeuten produziert. In diesem Fall würde die Souveränität von der Konstruktion zur Produktion übergehen, und diese These fiele.

Drei Implikationen für das Kapital

Die Exposition gegenüber AI-Berechnung verteilt sich heute auf drei Ebenen: wer entwirft, wer produziert, wer mit Strom versorgt. Die erste Ebene wird überfüllt. Die anderen zwei bleiben eng.

1. Family Offices und Staatsfonds, Horizont 36 Monate: Reduktion der Mono-Lieferanten-Exposition bei Beschleunigern und Gewichtung von CPU-Servern, Verpackungskapazität und Stromversorgung.
2. CEO und Vorstand, Horizont 24 Monate: Der Industrieplan, der auf einer einzigen Rechenarchitektur aufbaut, muss in zwei Varianten neu geschrieben werden – x86 und Arm – mit expliziten Portierungskosten in der Bilanz.
3. Chief Risk Officer, Horizont 18 Monate: Das Szenario, das in VAR-Modellen fehlt, ist die Bruttomargen-Kompression des dominanten GPU-Lieferanten durch den Mix-Effekt bei unverändertem Volumen.

Für den Finanzvorstand und die Investor Relations ist die Frage rauer. Die Erzählung, die lineares Wachstum der Beschleuniger-Ausgaben verspricht, riskiert in achtzehn Monaten überholt zu wirken.

Das Risiko läuft auch auf der Schuldenseite. Aktuelle Berichte von BIS und IWF weisen auf den gleichen Punkt hin: Das Kreditwesen, das Rechenzentren finanziert, bewertet noch zukünftige AI-Einnahmen. Eine Umverteilung des Hardware-Mix verändert die erwarteten Cashflows dieser Projekte.

Das Fenster zur Umpositionierung ist breit, und die Kosten des Wartens sind asymmetrisch. Wer nach der Ankündigung eines Hyperscalers einsteigt, zahlt den Preis der öffentlichen Information.

Die Prognose

Prognose: Bis zum 30. Juni 2028 werden Alibaba Cloud oder Tencent Cloud AI-Server-Cluster ankündigen, die auf von Arm gekauften AGI-CPUs als Fertigprodukt basieren, womit die Zahl der erklärten chinesischen Kunden dieser Produktlinie auf drei oder mehr steigt. Konfidenz: mittel-hoch, 70%. Horizont: 30. Juni 2028.

Widerlegungssignal: Am 30. Juni 2028 bleiben die erklärten chinesischen Kunden der AGI-Linie Lenovo und Volcengine, also zwei oder weniger.

Was zu beobachten ist:

• Die quartalsweise Kommunikation von Arm über Einnahmen aus direktem Chipverkauf, getrennt von Lizenzen.
• Die 3-Nanometer-Kapazitätszuweisungen, die TSMC und Samsung ihren Server-CPU-Kunden mitteilen.
• Die Beschaffungsausschreibungen chinesischer Cloud-Anbieter mit Leistungsvorgaben pro Rack und GPU-CPU-Verhältnis.

Diese drei Indikatoren erscheinen vor den Bilanzen. Das Verhältnis zwischen Beschleunigern und Prozessoren bleibt die Kennzahl, um zu verstehen, wohin die Ausgaben fließen und wo die Macht liegt.