Nvidias Marktkapitalisierung hat gerade 5,5 Billionen Dollar erreicht, TSMC hat Investitionsausgaben von 31,3 Milliarden Dollar genehmigt, und die US-Regierung erhöht weiterhin die Subventionen für heimische Fabriken. Geld ist vorhanden, Kapazitäten werden aufgebaut. Der nächste kritische Engpass: Talente.
125 Millionen Dollar, fünf Unternehmen, fünf Jahre
Am Freitag (22. Mai) gaben Broadcom, Meta, Applied Materials, GlobalFoundries und Synopsys gemeinsam bekannt, 125 Millionen Dollar über fünf Jahre in ein Halbleiter-F&E-Zentrum an der UCLA zu investieren.
Die Teilnehmer decken die gesamte Lieferkette ab:
- Broadcom: kundenspezifische KI-Chips
- Meta: Kunde von Hyperscale-Rechenzentren
- Applied Materials: Halbleiterfertigungsanlagen
- GlobalFoundries: Foundry
- Synopsys: Chipdesign-Software
Von Frontend-EDA-Tools bis hin zu Backend-Packaging und -Fertigung ist die gesamte Kette vertreten. Das Zentrum wird Grundlagenforschung für KI-Chips der nächsten Generation betreiben und, was noch wichtiger ist, Ingenieure ausbilden, die diese Arbeit leisten können.
„Die Branche selbst weiß nicht, wie sie in zehn Jahren aussehen wird“
Die Dekanin der UCLA School of Engineering, Ah-Hyung „Alissa“ Park, machte bei der Zeremonie eine offene Bemerkung:
„Die Branche selbst weiß nicht, wie die Halbleiterindustrie in zehn Jahren aussehen wird.“
Vor fünf Jahren wäre das PR-Gerede gewesen. Heute ist es wahr. Die KI-Chip-Landschaft verändert sich rasant – TPU, Trainium, kundenspezifische ASICs, Cerebras‘ Wafer-Scale, Groqs LPU. Jeder große Kunde entwickelt seine eigene Lösung, jede erfordert unterschiedliche Prozesswege und Designmethodiken. Die Ingenieurausbildung kann nicht mithalten.
Applied Materials CEO Gary Dickerson drückte die Dringlichkeit noch direkter aus:
„Mit zunehmender Chipkomplexität und beschleunigter KI-Entwicklung ist die Stärkung der Industrie-Hochschul-Kooperation wichtiger denn je.“
Früher dauerte eine Promotion im Halbleiterbereich 5-7 Jahre von der Einschreibung bis zum Abschluss. Wenn sie ihren Abschluss machen, könnte sich der gesamte Prozessknoten bereits wieder geändert haben.
Der Ansatz der UCLA
Das neue Zentrum bietet eine andere Struktur für Doktoranden:
- Jährliche Langzeitpraktika bei Partnerunternehmen
- Gemeinsame Betreuung durch Fakultätsmitglieder und Industrieingenieure
- Forschungsthemen orientieren sich an der tatsächlichen F&E der Partner
- Abschluss mit Fähigkeiten, die auf die Industrienachfrage abgestimmt sind
Dieses Modell ist nicht neu – die deutsche Ingenieurausbildung und taiwanesische Halbleiterprogramme verwenden es seit Jahren –, aber in US-Universitäts-Halbleiterprogrammen wurde es lange nicht mehr angewendet.
Der Präsident der UCLA betonte die „einzigartigen Stärken in der interdisziplinären Integration“ – also die Fähigkeit, Informatik, Elektrotechnik, Materialwissenschaften und Chemie zusammenzubringen. Dies ist ein impliziter Vergleich mit Schulen wie Stanford und MIT, die oft als „halbleiterlastiger“ gelten. Dass die UCLA gleichzeitig Zusagen von fünf Unternehmen erhalten konnte, hängt mit ihrem Standort (dem Design-Hub in Südkalifornien) und der Integrationsfähigkeit der Ingenieurfakultät zusammen.
Langsamer als Fabrikbau, aber dringlicher
Die US-Regierung hat in den letzten zwei Jahren Dutzende Milliarden Dollar in heimische Chipfabriken gesteckt – TSMCs 20 Milliarden in Arizona, Intels Ohio-Projekt, Microns Anlage in New York. Bau und Ausstattung von Anlagen sind der schnelle Teil.
Der langsame Teil ist die Personalausstattung. Eine 12-Zoll-Fabrik benötigt Tausende von Ingenieuren und Technikern, und den USA fehlt derzeit ein ausreichender Talentpool. Mehrere Projekte wurden bereits verzögert, teilweise aufgrund von Schwierigkeiten bei der Einstellung qualifizierter Ingenieurteams.
Die Initiative Broadcom + Meta + UCLA füttert einen Talentpool, der sich in einem Jahrzehnt auszahlen wird. Aber wenn man jetzt nicht damit beginnt, wird es in zehn Jahren noch schwieriger.
Quellen: CocoLoop, Meta, Broadcom, and Synopsys launch $125M Semiconductor Hub at UCLA to accelerate next-generation AI chip breakthroughs (Tech Startups)