Teslas Chip-Wette: Wie Elon Musk NVIDIA in der KI überholen will

Elon Musk ist nicht gerade für Understatement bekannt, aber seine jüngste Vision treibt das Ganze noch einmal auf die Spitze: Seiner Meinung nach muss Tesla irgendwann mehr KI-Chips ausliefern als NVIDIA, AMD und praktisch alle anderen Hersteller zusammen, wenn das Unternehmen die Führung bei dem, was er „Real-World AI“ nennt, übernehmen will – also bei jener künstlichen Intelligenz, die echte Straßen, echte Städte und echte Menschen bewältigt und nicht nur Texte in einem Chatbot erzeugt.

In mehreren Posts auf X (vormals Twitter) betont Musk, Tesla sei längst keine reine E-Auto-Firma mehr, sondern entwickle seit Jahren eigene Beschleunigerchips für maschinelles Lernen. Laut ihm ist Tesla inzwischen in einen jährlichen Produktzyklus hineingewachsen: Etwa alle zwölf Monate erscheint eine neue Hardware-Generation. Das erinnert eher an den Smartphone-Markt als an die träge Elektronik-Entwicklung klassischer Autobauer. Diese Chips sollen Full Self-Driving (FSD), eine künftige Cybercab-Robotaxi-Flotte und den humanoiden Optimus-Roboter antreiben.

Für Stirnrunzeln sorgt vor allem die schiere Größenordnung der Pläne. Musk hat intern von Zielmarken von bis zu 200 Milliarden KI-Chips pro Jahr gesprochen. Die Zahl wirkt so abgehoben, dass selbst eingefleischte Tesla-Fans ins Grübeln kommen. In Kommentarspalten wird gespottet, er habe massives FOMO beim aktuellen KI-Hype, wolle um jeden Preis noch größer und lauter sein als NVIDIA, und hänge sich an immer neue Versprechen, bevor die alten eingelöst sind. Die Liste verpasster oder verschobener Wunderprojekte – Hyperloop, vollautonome Robotaxis, „unzerbrechliche“ Scheiben – wird dabei gerne als Gegenargument herangezogen.

Dahinter steht ein sehr handfestes Problem: High-End-Chips wachsen nicht auf Bäumen. Der Großteil der modernen Prozessoren entsteht in einem winzigen Kreis an Foundries, allen voran TSMC in Taiwan, dazu Samsung als weiterer Schwergewicht. Diese Fertigungslinien sind auf Jahre hinaus ausgebucht; Kunden wie Apple, NVIDIA oder AMD sichern sich Kapazitäten über milliardenschwere Vorabzahlungen und langfristige Verträge. Oder, wie ein Analyst formulierte: Wer am meisten zahlt und am frühesten unterschreibt, bestimmt die Reihenfolge – und es ist keineswegs klar, dass Tesla dort ganz vorne steht.

Selbst wenn Tesla weitere Kontingente bekäme, wäre der Sprung zu den von Musk genannten Dimensionen gewaltig. Neue Fabs für modernste Fertigungsprozesse in den USA aufzubauen – ein Kernstück seiner Vision – ist kein Projekt für ein oder zwei Jahre, sondern eher für ein Jahrzehnt. Es braucht hochspezialisierte Fachkräfte, empfindliche Lieferketten für Chemikalien und Materialien, extrem teure Belichtungsmaschinen, und es prasselt ein Regen aus Patenten und Betriebsgeheimnissen auf jedes Neuprojekt ein. Einen Premium-Chip zu entwickeln und zu fertigen ist ungleich komplexer als eine weitere Linie für Karosserien und Batteriepacks aufzustellen.

Musk reagiert darauf mit einem altbekannten Muster: Er dreht den Regler einfach noch weiter auf. Unter dem Schlagwort „TeraFab“ skizziert er eine Mega-Fabrik, hochautomatisiert, angeblich in der Lage, eine bisher unvorstellbare Menge an KI-Beschleunigern zu produzieren, zugeschnitten auf Teslas Workloads. Parallel versucht das Unternehmen, seine Lieferbasis zu verbreitern: Neben TSMC und Samsung wird offen mit Intel Foundry als weiterem Partner für kommende Chipgenerationen – oft als AI5 und AI6 bezeichnet – geflirtet. In Musks Logik reicht kein Mix externer Lieferanten aus, um den künftigen Bedarf an Rechenleistung zu decken; eine starke eigene Produktion sei weniger Luxus als Überlebensstrategie.

Viele Forscherinnen und Ingenieure aus der KI-Welt sehen das deutlich kritischer. Man gewinnt diese Rennen, so ihr Argument, nicht allein über die Menge an Silizium, sondern über intelligentere Modelle, effizientere Architekturen und robuste Sicherheitskonzepte. Rechenzentren mit immer mehr Chips erzeugen spektakuläre Demos, aber sie können auch Kapital, Zeit und Talente aus Bereichen abziehen, die langfristig viel wichtiger sind: Validierung, Szenariotests, Fehlerkultur, iterative Verbesserung. Zudem ist Teslas eigene Bilanz gemischt: FSD sorgt für beeindruckende Videos, aber auch für Berichte über Phantom-Bremsungen, merkwürdige Entscheidungen an Kreuzungen und widersprüchliches Verhalten im Stadtverkehr.

Auch auf Kundenseite ist das Bild alles andere als einheitlich. Einige sehen in Musk vor allem den genialen Verkäufer, der ständig das Ziel verschiebt: Wenn ein Versprechen nicht rechtzeitig eingelöst wird, kündigt er einfach ein noch größeres an. Andere stören sich daran, dass Tesla bei recht bodenständigen Themen weiterhin wackelt – von Qualitätsproblemen im Innenraum über umstrittene Glasdächer bis hin zu unpraktischen Türgriffen und Notentriegelungen. Vor diesem Hintergrund wirkt die Pose des künftigen NVIDIA-Konkurrenten für viele eher wie eine Überdosis Größenwahn.

Gleichzeitig gibt es eine lautstarke Fraktion, die findet, dass genau diese Radikalität Teslas größte Stärke ist. Niemand sonst vereine in diesem Umfang reale Fahrdaten aus aller Welt, vertikale Integration vom Sensor über den Chip bis zur Software und die Bereitschaft, extrem riskante Wetten einzugehen. Aus dieser Perspektive ist die Fixierung auf gigantische Rechenleistung logisch: Um „Real-World AI“ wirklich robust zu machen, braucht es millionenfach gefahrene Ausnahmesituationen, und die lernt man nun einmal nicht mit ein paar Trainingsläufen auf einem mittelgroßen Cluster.

Hinzu kommt eine industriepolitische Ebene. Über Jahrzehnte haben westliche Regierungen und Konzerne Fertigung in Billiglohnländer ausgelagert, um Kosten zu sparen. Heute, da Halbleiter plötzlich als strategische Ressource gelten, möchte man ein Stück dieser Wertschöpfung wieder zurückholen. Das lässt sich aber nicht mit ein paar Subventionen und einer Handvoll Tweets erledigen, sondern erfordert viel Geduld, Kooperation und die Bereitschaft, auch mit Unternehmen zusammenzuarbeiten, die man gleichzeitig als Rivalen wahrnimmt.

Am Ende ist die entscheidende Frage daher weniger, ob Tesla tatsächlich 200 Milliarden Chips im Jahr produzieren oder einen Science-Fiction-TeraFab hochziehen wird. Wichtiger ist, ob es der Firma gelingt, Musks Hunger nach Größe mit der Nüchternheit zu verbinden, die man von sicherheitskritischen Systemen erwartet. In der Schlagzeile mag es beeindruckend aussehen, wenn Tesla irgendwann mehr KI-Chips ausliefert als NVIDIA oder AMD. Ob das Unternehmen die Real-World-AI-Ära aber wirklich prägt, wird mindestens genauso sehr von Zuverlässigkeit, Sicherheit, Transparenz – und dem Vertrauen der Fahrerinnen und Fahrer – abhängen wie von jeder Produktionskurve, die steil nach oben zeigt.