AMD verdreifacht adressierbaren Server-Markt auf 220 Milliarden US-Dollar und stellt Datenbank-Geschäft von über 100 Milliarden US-Dollar in Aussicht
Goldman Sachs Communacopia + Technology Conference, 11. September 2026
Advanced Micro Devices hat auf der Communacopia and Technology Conference von Goldman Sachs eine markante Anhebung seines adressierbaren Gesamtmarkts (TAM) vorgelegt. Matt Ramsay, Corporate Vice President für Financial Strategy und Investor Relations, gab bekannt, dass die TAM-Prognose des Unternehmens für den Server-Markt im Jahr 2030 von 60 Milliarden US-Dollar beim Analyst Day im November auf 120 Milliarden und nun auf 220 Milliarden US-Dollar nach oben korrigiert wurde. „Wir sprachen über ein Wachstum des Datencenter-Franchise von mehr als 60 Prozent und ein Wachstum des KI-Geschäfts von über 80 Prozent. Damals dachten wir, dass wir bereits deutlich über den Markterwartungen lagen und von einem Server-TAM von 60 Milliarden US-Dollar sprachen – und diesen Wert haben wir nun mehr als verdreifacht“, so Ramsay. Er fügte hinzu, dass AMDs eigene Wachstumsperspektiven parallel zu den Marktzahlen angehoben wurden.
Die Dimension dieser Anpassung ist deshalb von Bedeutung, weil Ramsay noch einen Schritt weiterging. Er deutete an, dass die von Dan McNamara, SVP und General Manager für Compute und Enterprise AI, geleitete Server-Sparte letztlich „mehr als 50 Prozent dieses TAM“ erobern könnte. Dies impliziert auf lange Sicht ein potenzielles eigenständiges Server-Geschäft von über 100 Milliarden US-Dollar. „Ich begleite und bin Teil des Server-Geschäfts von AMD nun schon seit sehr, sehr langer Zeit, und über den Aufbau eines 100-Milliarden-Dollar-Server-Geschäfts zu sprechen, ist ziemlich aufregend. Kein Druck, Dan“, scherzte Ramsay. Auch die Prognose für die Ertragskraft zog entsprechend nach: Das frühere Ziel von „mehr als 20 US-Dollar“ Gewinn je Aktie über den strategischen Zeitraum wurde auf „signifikant mehr als 20 US-Dollar“ aktualisiert, wobei das Management jedoch von einer Nennung einer konkreten neuen Zahl absah.
Agentenbasierte KI schreibt die Server-Architektur neu – und fügt nicht nur GPUs hinzu
Der technisch gehaltvollste Teil der Veranstaltung drehte sich darum, warum McNamara der Ansicht ist, dass agentenbasierte KI-Workloads (Agentic AI) sich strukturell von der Ära der Abfrage-Antwort-Logik (Prompt-Response) unterscheiden, die die ChatGPT-Inferenz von Ende 2022 bis zum vergangenen Jahr geprägt hat. Er beschrieb das frühere Modell als einen „sehr linearen“ Ablauf aus Webservern, Anwendungsservern, Datenbank-Speicher und GPU-Servern mit leicht kalkulierbaren Attach Rates. Agentenbasierte Workloads sprengen dieses Modell. „Bei Agentic ist es, wie Sie alle wissen, ein völlig kontinuierlicher Fluss. Es ist ein gänzlich anderer Compute-Paradigma. Es ist ein permanenter 24/7-Betrieb, bei dem im Sandbox-Modus zahlreiche verschiedene Agenten erzeugt werden“, erklärte McNamara. Er erläuterte, dass eine neue Klasse reiner CPU-basierter Rechenleistung – Steuerungs- und Kontrolloperationen (Control Plane), API-Aufrufe, Datenbankabfragen und Tool-Ausführungen – parallel zu den GPU-Servern und der traditionellen Allzweck-Serverflotte läuft und beide Segmente gleichzeitig ankurbelt.
Dies ist die zugrundeliegende Logik hinter der Venice-CPU von AMD, die laut McNamara um drei verschiedene Workload-„Schwimmbahnen“ herum aufgebaut ist: an GPUs angebundene Head-Node-Server, die hohe IPC-Werte und Frequenzen erfordern, um die Beschleuniger mit Daten zu versorgen; agentenbasierte Sandbox-Server, die eine hohe Thread-Anzahl pro Watt benötigen und durch die 256-Kern-Konfiguration von Venice bedient werden; sowie der breite Markt für Allzweck-Server. Das Management äußerte sich offen dahingehend, dass präzise CPU-zu-GPU-Verhältnisse pro Gigawatt an KI-Kapazität nicht auf einen einfachen Modelleingabewert reduziert werden können. „Das hängt davon ab … es hängt ganz stark davon ab, was der Endkunde zu erreichen versucht“, sagte McNamara und wies lediglich darauf hin, dass das heutige Verhältnis von grob 1:1 mit der Skalierung agentenbasierter Deployments weiter steigen wird.
Server-Dynamik zeigt sich bereits in den Enterprise-Zahlen
Über den mehrjährigen Horizont hinaus verwies das Management auf kurzfristige Belege dafür, dass die CPU-These bereits greift. Ramsay hob hervor, dass AMDs Enterprise-Server-Segment im zweiten Quartal um mehr als 70 Prozent gewachsen ist – ein Tempo, das er für diese Kategorie als im Grunde beispiellos bezeichnete: „Die Industrie hat derartige Wachstumsraten im Enterprise-Server-Bereich im Grunde noch nie gesehen.“ McNamara verwies zudem auf die Entscheidung von Amazon, den RDS-Dienst (ein First-Party-Workload) auf AMDs Turin-CPUs anstelle von hauseigenem Silizium zu betreiben. Er wertete dies als Bestätigung dafür, dass kundenspezifische ARM-Chips von Hyperscalern nicht für jeden Anwendungsfall passen. „Es geht genau um diesen Sweetspot bei der Rechenleistung pro Kern und diesen Optimierungspunkt auf der V-F-Kurve, dem wir große Aufmerksamkeit widmen“, sagte er und fügte hinzu, dass Venice die bislang breiteste Markteinführung von AMD am ersten Tag bei OEMs, ODMs, Cloud-Anbietern und ISVs darstellt.
Zur generellen Langlebigkeit der x86-Architektur wiesen beide Führungskräfte das Narrativ zurück, dass kundenspezifisches Hyperscaler-Silizium das Ökosystem bedrohe. McNamara argumentierte, dass die Debatte überhaupt kein Befehlssatz-Problem sei: „Es gibt keine grundlegenden Unterschiede in der ISA zwischen x86 und ARM. Es geht im Kern darum, unterschiedliche Optimierungspunkte zu bedienen – letztlich Leistung pro Watt pro Dollar.“ Ramsay fügte hinzu, dass es bei der Ökonomie zur Skalierung auf eine Marktgröße wie diese darum geht, „schlechthin die besten Server-Komponenten zu bauen“, anstatt architektonische Loyalität zu pflegen. Die Kundennachfragesignale für AMDs spezifische Optimierungspunkte seien zunehmend über Generationsgrenzen hinweg konsistent.
KI-Beschleunigergeschäft bleibt konzentriert, Anthropic als Anker
Auf der GPU-Seite bekräftigte Ramsay das Rahmenwerk des Unternehmens mit Anthropic, wonach das KI-Labor bis zu 2 Gigawatt an MI450-Kapazität erwerben kann. Zudem erklärte er, dass AMD sich mitten in der „Hochlauf- und Einführungsphase“ von Helios und MI455 befindet. Das Management bekräftigte die frühere Prognose einer mehr als Verdopplung des Datencenter-Geschäfts im Jahr 2027, räumte jedoch ein, dass das KI-Beschleunigergeschäft vorerst bei den Top-Kunden konzentriert bleibt – eine bewusste Strategie, die McNamara mit dem frühen Vorgehen bei Servern verglich, das bei Cloud-Anbietern und nationalen Laboren begann, bevor es sich auf Enterprise-Kunden ausweitete. Er erwartet eine ähnliche Diversifizierungskurve bei KI, allerdings in einem schnelleren Zeitfenster, und merkte an, dass Unternehmen zunehmend Sub-Rack-Installationen evaluieren – PCIe-Kartenkonfigurationen oder 8-Wege-UBB-Server –, während sie verteilte, hybride Infrastrukturen gegen reine Cloud-Ansätze abwägen.
AMDs eigene KI-Adoption als Transformation zum Softwareunternehmen
Abseits der reinen Zahlen nutzte McNamara die Session, um zu argumentieren, dass AMDs interne KI-Transformation – der Einsatz eigener Open-Source-Datentools namens Optima sowie die intensive Nutzung der Claude-Tools von Anthropic im Chip-Engineering – die Time-to-Market sowohl für Hardware als auch für Software beschleunigt. Ramsay erklärte, das Unternehmen sei von CFO Jean Hu mit Peer-Unternehmen aus der Halbleiter- und Technologiebranche verglichen worden und man sei überzeugt, dass AMD „intern an der Speerspitze der KI-Adoption“ stehe; höhere Token-Kosten würden durch substanziell größere Produktivitätsgewinne kompensiert. McNamara ging noch einen Schritt weiter und beschrieb die Evolution des Unternehmens als Wandel der Identität: „Wir werden heute in noch größerem Maße zu einem Software- und Systemunternehmen als noch vor sechs Monaten.“ Er verwies auf den Übergang vom Verkauf einzelner Chips hin zur Lieferung vollständig integrierter, Rack-skalierter Systeme als diejenige Veränderung, die Investoren in den kommenden 12 bis 24 Monaten am meisten schätzen dürften.