Der Schlüssel zum KI-Problem

Technologiegiganten und Startups experimentieren mit neuen Ansätzen zur Lösung eines hartnäckigen KI-Problems: Energie.

„Ich kann es nicht verstehen“, sagte Andrew Wee, der über 30 Jahre Erfahrung in der Rechenzentrums- und Hardwarebranche im Silicon Valley verfügt.

Was ihn verwirrte und sogar verärgerte, war der prognostizierte Energiebedarf künftiger KI-Supercomputer, der Maschinen, die den großen Sprung der Menschheit nach vorne ermöglichen sollten.

Wee, der leitende Positionen bei Apple und Meta innehatte und jetzt Hardware-Chef beim Cloud-Anbieter Cloudflare ist, ist der Ansicht, dass der derzeitige Anstieg des für KI benötigten Energiebedarfs – der nach Schätzungen des Weltwirtschaftsforums bis 2030 jährlich um 50 % steigen wird – nicht nachhaltig ist.

„Wir müssen technische Lösungen, politische Lösungen und andere Lösungen finden, um dieses Problem gemeinsam anzugehen“, sagte Wee.

Ein neuer Weg für KI-Chips

Zu diesem Zweck testet Wees Team bei Cloudflare einen völlig neuen Chiptyp von einem 2023 gegründeten Startup namens Positron, das gerade eine neue Investitionsrunde in Höhe von 51,6 Millionen US-Dollar angekündigt hat.

Diese Chips haben das Potenzial, wesentlich energieeffizienter zu sein als Chips von Nvidia, dem Branchenführer im Bereich Inferenzaufgaben.

Dabei handelt es sich um den Prozess der Generierung von KI-Antworten aus Benutzeranfragen. Auch wenn Nvidia-Chips auf absehbare Zeit weiterhin zum Trainieren von KI verwendet werden, könnten Unternehmen durch effizientere Inferenz Dutzende Milliarden Dollar und eine entsprechende Menge an Energie sparen.

Laut WSJ konkurrieren mindestens ein Dutzend Chip-Startups darum, Cloud-Computing-Anbietern maßgeschneiderte Inferenzchips der Zukunft zu verkaufen.

Der Ironwood-Chip wurde von Google speziell für Inferenzaufgaben entwickelt. Foto: Google.

Auch Google, Amazon und Microsoft sind mit von der Partie und bauen auf Inferenz ausgerichtete Chips, um ihre eigenen internen KI-Tools zu betreiben und sie über Cloud-Dienste an Partner zu verkaufen.

Um ihre Ziele zu erreichen, verwenden die Hersteller neuartiger KI-Chips eine „klassische“ Strategie: Sie entwickeln Chips von Grund auf neu, und zwar speziell für die neue Klasse von Aufgaben, die in der Computertechnik plötzlich an Bedeutung gewinnen.

Das war in der Vergangenheit die Formel für Grafikkarten, und so hat Nvidia seinen heutigen Erfolg aufgebaut. Es dauerte eine Weile, bis Grafikchips für KI umfunktioniert wurden, aber die Realität ist, dass es nie perfekt gepasst hat.

"Engpass"

Jonathan Ross, der früher das KI-Chip-Entwicklungsprogramm von Google leitete, sagte, er habe ein Startup namens Groq gegründet, weil er davon überzeugt sei, dass es eine völlig andere Art der Chipentwicklung gebe, die nur für die Ausführung leistungsstarker KI-Modelle optimiert sei.

Groq behauptet, dass sein Chip KI-Leistung auch viel schneller liefern kann als der beste Chip von Nvidia und – was entscheidend ist – mit nur einem Drittel der Leistung.

Dies liegt an seinem einzigartigen Design, bei dem der Speicher nicht separat, sondern im Inneren eingebettet ist. Laut Jordan Nanos, einem Analysten bei SemiAnalysis, ist es sinnvoll, dass das Startup Inferenzaufgaben zu geringeren Kosten als die Systeme von Nvidia bereitstellen kann.

Positron verfolgt unterdessen einen anderen Ansatz, um schnellere Inferenzen zu ermöglichen. Das Startup, das mit Cloudflare zusammenarbeitet, hat einen vereinfachten Chip mit einem eingeschränkteren Leistungsspektrum entwickelt, der ausschließlich darauf ausgerichtet ist, Aufgaben schneller auszuführen.

Das System der nächsten Generation von Positron wird voraussichtlich direkt mit Nvidias nächstem Chip namens Vera Rubin konkurrieren. Laut Mitesh Agrawal, CEO von Positron, wird der Chip von Positron laut Nvidias Roadmap zwei- bis dreimal effizienter sein und gleichzeitig drei- bis sechsmal mehr Leistung pro Eingangseinheit liefern.

Der Chip der neuen Generation von Positron ist vereinfacht und verfügt über einen eingeschränkteren Funktionsumfang, der ausschließlich auf die schnellere Ausführung von Aufgaben ausgerichtet ist. Foto: Positron.

Es ist eine Binsenweisheit in der Computergeschichte, dass, wenn Hardware-Ingenieure herausfinden, wie man etwas schneller oder effizienter erledigen kann, Programmierer und Verbraucher herausfinden, wie sie die neuen Leistungssteigerungen nutzen können.

Mark Lohmeyer, Vizepräsident für KI und Computerinfrastruktur bei Google Cloud, sagte, dass die Einführung neuer, anspruchsvollerer KI-Modelle durch Verbraucher und Unternehmen bedeute, dass die Nachfrage nach KI ungebrochen sei, egal, wie viel effizienter sein Team KI bereitstellen könne.

Wie die meisten anderen großen KI-Anbieter arbeitet Google daran, radikal neue Wege zur Energieerzeugung für Systeme zu finden, darunter Kern- und Fusionsenergie.

Neue Chips können zwar einzelnen Unternehmen dabei helfen, KI effizienter bereitzustellen, doch die Branche als Ganzes wird weiterhin immer mehr Energie verbrauchen. Wie ein aktueller Bericht von Anthropic feststellt, könnte die Energieproduktion – und nicht Rechenzentren und Chips – der eigentliche Engpass für die zukünftige KI-Entwicklung sein.

Quelle: https://znews.vn/chia-khoa-cho-van-de-cua-ai-post1572212.html