Foxconn und Nvidia bauen bis 2026 Taiwans größten Supercomputer-Cluster

Ein neuer Anker für KI-Rechenleistung in Asien

Foxconn baut gemeinsam mit Nvidia ein 1,4 Milliarden Dollar teures Supercomputing-Zentrum in Taiwan. Der Betrieb soll in der ersten Hälfte des Jahres 2026 aufgenommen werden. Nach der Inbetriebnahme wird der Standort Taiwans größten fortschrittlichen GPU-Cluster beherbergen und die erste Installation in Asien sein, die auf Nvidias Blackwell-GB300-Plattform basiert. Die Anlage mit einer Leistung von 27 Megawatt (MW) wird von Visonbay.ai entwickelt, Foxconns neuer Sparte für KI-Supercomputing und Cloud-Dienste.

Das Projekt kommt zu einem Zeitpunkt, an dem Unternehmen darum wetteifern, Kapazitäten für das Training großer Sprachmodelle, die Inferenz mit Basismodellen in großem Maßstab sowie den Einsatz von Robotik und autonomen Systemen zu sichern. Moderne KI-Workflows benötigen GPU-Cluster mit hoher Dichte, die Daten mit sehr hoher Geschwindigkeit zwischen Chips übertragen und dabei Stromverbrauch und Wärmeentwicklung im Griff behalten. Durch die Verbindung von Nvidias neuester Architektur mit Foxconns wachsender Rolle als Hersteller und Integrator von KI-Racks soll das Zentrum in Taiwan diese Anforderungen für Kunden in der gesamten Region erfüllen.

Mit 27 MW Leistung gehört der Standort zu den größeren Einzelgebäude-Installationen in Asien. Er ist kein Mega-Campus, aber groß genug, um hochmoderne Modelle zu trainieren, Forschung auf nationaler Ebene zu betreiben und Geschäftskunden zu bedienen, denen Zeit oder Kapital fehlen, um eigene Anlagen aufzubauen. Ziel des Bauvorhabens ist eine kurze Zeit bis zur Betriebsaufnahme. Dazu beitragen sollen werkseitig vorgefertigte Rack-Systeme und der Schwerpunkt auf Flüssigkeitskühlung, um die Leistung hoch und den Energieverbrauch effektiv niedrig zu halten.

Was Blackwell GB300 zu bieten hat

Nvidias Blackwell-Generation ist auf größere Modelle, schnelleres Training und geringere Kosten pro Recheneinheit ausgelegt. Die GB300-Reihe kombiniert sehr schnelle GPU-Kerne mit Speicher hoher Bandbreite und einer aktualisierten NVLink-Verbindung, die Dutzende GPUs zu einem gemeinsamen Verbund verknüpft. In der Praxis kann ein Cluster dadurch Parameter und Aktivierungen effizienter zwischen GPUs übertragen. Das beschleunigt sowohl das Training als auch die Inferenz sehr großer Modelle.

Diese Systeme sind für den Betrieb mit sehr hoher Dichte ausgelegt. Die Wärmeentwicklung übersteigt die Grenzen herkömmlicher Luftkühlung bei Weitem. Deshalb setzen Anbieter zunehmend auf direkte Flüssigkeitskühlung und andere fortschrittliche Lösungen, die Wärme deutlich effizienter von heißen Komponenten abführen. Die auf Rack-Ebene konzipierten Nvidia-Systeme mit GB300-GPUs spiegeln diesen Wandel wider: Leitungen, Verteiler und Steuerungen werden bereits im Werk in die Racks integriert.

Blackwell bietet außerdem Plattformfunktionen für Unternehmenseinsätze, darunter verbesserte Sicherheit und Unterstützung für vertrauliches Computing. Das ist wichtig für Organisationen, die Daten und Modellgewichte während des Trainings und der Inferenz schützen und zugleich regulatorische sowie interne Compliance-Anforderungen erfüllen müssen.

So funktioniert ein KI-Rack

In einem KI-Rack befinden sich Server mit GPUs, Hochgeschwindigkeits-Switches und Speicher sowie die Stromverteilung und Verkabelung, die das System zusammenhalten. Innerhalb des Racks ermöglicht NVLink den GPUs eine Kommunikation mit extrem hoher Bandbreite und geringer Latenz. Zwischen den Racks verbindet Hochgeschwindigkeits-Ethernet oder InfiniBand den Cluster, sodass sich Aufgaben auf viele Racks verteilen lassen, wenn sie die Kapazität eines einzelnen Racks übersteigen.

Warum Flüssigkeitskühlung zum Standard wird

Flüssigkeitskühlung führt Wärme wesentlich effektiver ab als Luftkühlung. So können Rechenzentren mehr Rechenleistung auf jeden Quadratmeter Fläche bringen. Außerdem sinkt der Energieverbrauch der Lüfter, was die Power Usage Effectiveness (PUE) eines Standorts verbessern kann. Für Betreiber bringt Flüssigkeitskühlung neue Wartungsabläufe mit sich. Der Aufwand lohnt sich jedoch, wenn GPU-Dichte, Effizienzziele und Lärmgrenzwerte hohe Anforderungen stellen.

Mieten statt selbst bauen: Der Wandel der KI-Ökonomie

Bei Foxconns Tech Day stellte Nvidia eine klare Rechnung für Kunden auf, die Investitionskosten und Geschwindigkeit gegeneinander abwägen. Unternehmen können eigene Cluster kaufen und betreiben oder Rechenkapazität von Betreibern mieten, die sich darauf spezialisiert haben, ihre GPU-Flotten auf dem neuesten Stand zu halten. Durch die rasanten Leistungssteigerungen bei GPUs fällt es Käufern schwer, Anlagen lange zu nutzen, wenn sie keine häufige Erneuerung planen.

Alexis Bjorlin, eine Vizepräsidentin bei Nvidia, sagte den Teilnehmern, dass das Mietmodell mit kürzeren Produktzyklen und der schnellen Weiterentwicklung von Modellen attraktiver werden könne. Der Ansatz könne vielen Unternehmen mehr Flexibilität und höhere Renditen bieten.

Das Mieten von Rechenressourcen kann eine deutlich höhere Kapitalrendite bieten und Unternehmen die Flexibilität geben, ihre Rechenkapazität an Produkt- und Geschäftszyklen anzupassen.

Foxconns neue Sparte Visonbay.ai soll dieses Modell in Taiwan anbieten. Unternehmen erhalten dadurch Zugang zu GB300-Kapazitäten, ohne Wartezeiten, Personalaufwand und den Bau eigener Anlagen in Kauf nehmen zu müssen. Ein Servicemodell unterstützt auch Kunden aus dem öffentlichen Sektor und der Forschung, die planbare Budgets statt hoher Anfangsinvestitionen benötigen. Für Nvidia vergrößert die Vereinbarung die installierte Basis von Blackwell-Systemen. Foxconn baut damit zusätzlich zu seiner Rolle als Hersteller ein wiederkehrendes Dienstleistungsgeschäft auf.

Foxconns Wette auf KI-Infrastruktur

Foxconn hat in den vergangenen zwei Jahren ein zweites Standbein für Wachstum rund um KI und Cloud-Infrastruktur aufgebaut. Nach Angaben des Unternehmens kann es rund 1.000 KI-Racks pro Woche fertigen und will diese Produktionsrate im kommenden Jahr steigern. Verwaltungsratschef Young Liu hat zudem einen langfristigen Investitionsplan vorgelegt: Foxconn will jährlich 2 bis 3 Milliarden Dollar in KI-Projekte und Kapazitäten investieren.

Über das Rechenzentrum hinaus bringen Foxconn und Nvidia KI in die Fertigung. Ziel ist es, Bildverarbeitungssysteme, digitale Zwillinge und Robotik einzusetzen, um Fehler zu reduzieren, die Ausbeute zu steigern und neue Produkte schneller auf den Markt zu bringen. Die Zusammenarbeit läuft bereits und soll Einfluss darauf haben, wie Foxconn seine eigenen Fabriken plant und betreibt.

Spencer Huang, ein bei Nvidia für Robotik zuständiger Produktverantwortlicher und Sohn von Nvidia-Gründer Jensen Huang, beschrieb die Arbeit als praxisorientierten Vorstoß für intelligentere Fabriken.

Nvidia arbeitet mit Foxconn daran, KI in Fabriken und Fertigungslinien einzusetzen.

Foxconn nutzte die Veranstaltung auch, um Fortschritte bei seinem Elektroauto-Programm zu präsentieren. Das von japanischen Ingenieuren entwickelte Model A ist für den japanischen Markt bestimmt. Foxconn plant, das Fahrzeug in Japan zu bauen, sobald die Stückzahlen ein lokales Werk rechtfertigen. Dies ist Teil einer Strategie, Autohersteller zu bedienen, die mehr Montagearbeiten auslagern wollen.

Was 27 Megawatt bedeuten

Die Leistung ist der einfachste Maßstab, um für KI ausgelegte Rechenzentren zu vergleichen. Mit 27 MW wird der Standort von Foxconn und Nvidia eine bedeutende Anlage für Taiwan sein, groß genug für Tausende hochmoderner GPUs. Hyperscale-Campusse sind deutlich größer und erreichen über mehrere Gebäude hinweg mitunter 100 bis 300 MW. Dieses Projekt konzentriert sich jedoch auf einen einzelnen Cluster mit hoher Dichte, der vielen Kunden gleichzeitig Training und Inferenz ermöglichen kann.

Eine Kapazität dieser Größenordnung unterstützt Forschungseinrichtungen und Unternehmen aus unterschiedlichen Branchen. Halbleiterunternehmen können Chipdesigns und photolithografische Prozesse simulieren. Biotechnologie-Teams können mit generativen Modellen Proteine erforschen und Wirkstoffe untersuchen. Fintech- und E-Commerce-Unternehmen können große Sprachmodelle für Empfehlungen, Betrugserkennung und Kundenbetreuung feinabstimmen. Robotikentwickler können Steuerungsstrategien trainieren und synthetische Daten mit Produktionsgeschwindigkeit erzeugen.

Der Vorteil von Taiwans Ökosystem

Taiwan verfügt über eine eng verzahnte Lieferkette für fortschrittliche Rechenleistung. TSMC fertigt viele der Chips, Auftragshersteller bauen Server und Racks, und ein etablierter Markt für Netzwerkdienste verbindet Kunden mit Cloud-Anbietern. Ein GB300-Cluster in Taiwan verkürzt die Rückkopplungsschleifen zwischen Hardware, Systemintegration und frühen Anwendern. Der Standort verringert für Kunden in der Region zudem Lieferzeiten und Aufwand bei der Einfuhr.

Wer den Cluster voraussichtlich nutzen wird

Universitäten vor Ort und nationale Forschungseinrichtungen werden KI-Forschung betreiben, die von souveräner Rechenleistung auf der Insel profitiert. Regionale Cloud-Anbieter und Softwareunternehmen können Kapazitäten für Modelltraining, Feinabstimmung und Inferenz buchen. Industrieunternehmen mit Fabriken in Taiwan und Japan können den Cluster für Simulationen und Bildverarbeitungsaufgaben im Zusammenhang mit der Produktion nutzen. Diese Mischung dürfte dazu beitragen, die Auslastung auch bei wechselnden Marktzyklen hoch zu halten.

Fertigung mit Tausenden Racks pro Woche

KI-Racks in großem Maßstab herzustellen, ist komplex. Jedes Gerät muss montiert, für die Flüssigkeitskühlung verrohrt, für sehr hohe Bandbreiten verkabelt und vor dem Versand unter Last geprüft werden. Foxconns Produktionsrate von rund 1.000 Racks pro Woche zeigt, wie weit sich das Unternehmen über die Smartphone-Montage hinaus in Richtung geschäftskritischer Infrastruktur entwickelt hat. Diese Größenordnung verkürzt die Lieferzeiten für Kunden und dürfte dafür sorgen, dass das neue Zentrum in Taiwan nach der Eröffnung schnell ausgelastet ist.

Foxconn plant außerdem, gemeinsam mit Partnern im Ausland Rechenzentrumsausrüstung zu bauen. Frühere Pläne sahen eine Zusammenarbeit mit SoftBank an einem ehemaligen Foxconn-Standort für Elektroautos in Ohio vor. Sie ist Teil der breiter angelegten Bemühungen, Ausrüstung für große KI-Programme in den USA zu liefern. Die internationale Reichweite dieser Vereinbarungen verschafft Foxconn logistische Ausweichmöglichkeiten, wenn sich Engpässe zwischen Regionen verlagern.

Energie, Kühlung und Nachhaltigkeit

Große KI-Cluster bündeln viel Stromverbrauch und Wärmeentwicklung. Das wirft die bekannten Fragen auf: Wie werden die Standorte ans Stromnetz angeschlossen, wie beziehen sie saubereren Strom und wie gehen sie mit Wasser um? Betreiber in Taiwan nutzen vermehrt Stromabnahmeverträge für Wind- und Solarenergie und arbeiten daran, Wärme wiederzuverwenden und Kältemaschinen zu modernisieren, um Energieverluste zu senken. Der Wechsel zur direkten Flüssigkeitskühlung reduziert den Energiebedarf der Lüfter, verbessert die Wärmerückgewinnung und macht eine hohe GPU-Dichte praktikabel.

Flüssigkeitskühlsysteme müssen sorgfältig ausgelegt und mit hochwertigen Steuerungen versehen werden, um Ausfälle zu vermeiden. Serviceteams müssen im Umgang mit Schnellkupplungen, der Kühlmittelchemie und der Lecksuche geschult sein. Der Vorteil sind eine besser vorhersehbare Wärmeleistung und ein günstigerer PUE-Zielwert über das ganze Jahr hinweg, auch in den heißen Sommermonaten, die in vielen Teilen Asiens üblich sind.

Was das für Nvidia und den KI-Markt bedeutet

Für Nvidia bewirkt das Projekt gleich zweierlei: Es beschleunigt den Einsatz der Blackwell-Familie im Produktivbetrieb und erweitert den Markt für Mietmodelle bei Rechenleistung. Die Vereinbarung vertieft Nvidias Beziehungen zu einem wichtigen Fertigungspartner und eröffnet Kunden zugleich einen Zugang zu Spitzen-GPUs, ohne dass sie Beschaffungszyklen durchlaufen oder neue Hallen bauen müssen.

Für Käufer kommt der Zeitpunkt passend zu einer Welle neuer Modellversionen. Unternehmen, die den Wechsel von Beschleunigern der vorherigen Generation planen, können ihre Workloads auf GB300-Instanzen mit höherer Speicherbandbreite und besserer Leistung pro Watt verlagern. Forschungsteams können Cluster-Zeit für Trainingsläufe reservieren, deren Durchführung in öffentlichen Clouds während Zeiten hoher Nachfrage kaum praktikabel wäre. Die zusätzliche Kapazität unterstützt außerdem nationale Programme, die souveräne KI-Ressourcen innerhalb Taiwans anstreben.

Zeitrahmen, Investitionen und wichtige Fragen

Foxconn zufolge soll der Standort in Taiwan in der ersten Hälfte des Jahres 2026 fertig sein. Der Verwaltungsrat hat die Beschaffung von Ausrüstung für KI-Rechencluster und ein Supercomputing-Zentrum bis Ende 2026 genehmigt. Das deutet auf einen stufenweisen Ausbau und Spielraum für Erweiterungen hin, falls die Nachfrage schnell anzieht. Mit dem 27-MW-Projekt und dem jährlichen Investitionsplan von 2 bis 3 Milliarden Dollar für KI will Foxconn sowohl als Anbieter von KI-Racks als auch als Dienstleister über Visonbay.ai wachsen.

Kunden werden auf Einzelheiten zur Verfügbarkeit von GB300-Racks, zum geplanten Serviceangebot von Visonbay.ai und zu den Anbindungsmöglichkeiten an regionale Netzwerke achten. Die Effizienz und Verfügbarkeit des Zentrums werden zum Maßstab für künftige Blackwell-Installationen in Asien, wo viele Standorte nun flüssigkeitsgekühlte Räume und modulare, auf GPU-Cluster zugeschnittene Konzepte planen.

Die wichtigsten Punkte

• Foxconn und Nvidia bauen in Taiwan ein 1,4 Milliarden Dollar teures Supercomputing-Zentrum, das in der ersten Hälfte des Jahres 2026 fertig sein soll.
• Der Standort wird Taiwans größter fortschrittlicher GPU-Cluster und der erste in Asien sein, der auf Nvidias Blackwell-GB300-Plattform läuft.
• Das Rechenzentrum ist auf 27 MW ausgelegt und wird von Foxconns Sparte Visonbay.ai entwickelt und betrieben.
• Nvidia bewirbt das Mieten von Rechenleistung als flexible Möglichkeit, auf Spitzen-GPUs zuzugreifen. Visonbay.ai will dieses Modell anbieten.
• Foxconn kann rund 1.000 KI-Racks pro Woche herstellen und plant, die Produktion im kommenden Jahr zu steigern.
• Nvidia-Produktverantwortlicher Spencer Huang sagte, die Unternehmen arbeiteten gemeinsam daran, KI in Fabriken und Fertigungslinien einzusetzen.
• Foxconn plant jährliche KI-Investitionen von 2 bis 3 Milliarden Dollar, um die steigende Nachfrage 2026 und darüber hinaus zu bedienen.
• Das Projekt unterstreicht Taiwans wachsende Rolle bei fortschrittlicher Rechenleistung und rückt zugleich Energie, Kühlung und Effizienzziele stärker in den Fokus.