Laut früheren Meldungen und Meta wurde eine wichtige Vereinbarung zwischen Google und Meta getroffen, wonach die von Google entwickelten Google Cloud TPU-Chips im nächsten Jahr von Meta geleast werden, um zu sehen, wie die speziell entwickelten Produkte zur Beschleunigung der eigenen KI-Aufgaben passen, und wenn sich der Großversuch als positiv erweist, kann die Muttergesellschaft von Facebook ab 2027 solche Chips kaufen.
Analysten sind der Meinung, dass Googles Schritt Nvidia etwas den Wind aus den Segeln nehmen könnte, aber Nvidia muss sich keine Sorgen machen, dass seine Marktdominanz bedroht ist, da Nvidia-Chips über das CUDA-Ökosystem weiterhin das Segment der KI-Rechenzentren dominieren werden. Es ist eine Tatsache, dass endlich ein gewisser Wettbewerb entstehen könnte, was sicherlich gut für das KI-Ökosystem wäre - aber es wäre schwieriger für Nvidia, sich zu behaupten, als es heute der Fall ist. Diese Tage sind natürlich noch Jahre entfernt, aber bis dahin kann das Unternehmen die Früchte seiner Arbeit genießen, und die Geschäftsführung von Nvidia sieht das sicherlich auch so.
Das Unternehmen gab kürzlich eine Erklärung ab, in der es seine Freude über den Erfolg von Google zum Ausdruck brachte und anerkannte, dass das Unternehmen auf dem Markt für KI-Beschleuniger enorme Fortschritte gemacht hat, und fügte hinzu, dass es Google weiterhin mit seinen eigenen Produkten beliefern werde. Laut Nvidia haben die eigenen Entwicklungen einen Vorsprung von einer Generation vor den Lösungen der Branche. Außerdem erwähnte das Unternehmen, dass seine Plattform die einzige ist, auf der alle KI-Modelle laufen, und dass sich dies auf alle Bereiche des Computing erstreckt. Nvidias KI-Beschleuniger bieten eine höhere Leistung, mehr Vielseitigkeit und Unterstützung für ein breiteres Spektrum an KI-Modellen und -Aufgaben als anwendungsspezifische Chips vom Typ ASIC, die in der Regel für bestimmte KI-Frameworks oder -Funktionen konzipiert sind, d. h. in ihrer Verwendung wesentlich eingeschränkter sind.
Diese Aussage ist richtig, Nvidias Produkte sind in der Tat vielseitiger als anwendungsspezifische Chips, aber letztere sind besser an den spezifischen Aufgabentyp anpassbar, so dass sie als Zielhardware mit hoher Effizienz und großer Leistung eingesetzt werden können und kostengünstiger sind. Nachteilig ist, dass sie nicht vielseitig sind und meist auf eine bestimmte Aufgabe beschränkt sind, was die Möglichkeiten einschränkt. Die Unternehmen müssen daher abwägen, welcher Weg am besten zu ihren längerfristigen Zielen und Möglichkeiten passt, und dann die notwendige Entscheidung entsprechend treffen.
Neben Meta sind auch andere Unternehmen an Googles TPU-Chips interessiert. Anthropic beispielsweise setzt sie seit 2023 ein und plant eine größere Investition, um die Vertragskapazität bis 2026 auf 1 GW zu erhöhen. Das ist zwar schön und gut, aber eine weitere Expansion wird eine Herausforderung sein, denn das CUDA-Ökosystem von Nvidia ist so fest in die Struktur der KI-Industrie eingebettet, dass es schwierig ist, seine Nutzer davon zu überzeugen, es zu ersetzen. Natürlich besteht der erste Schritt darin, leistungsstarke KI-Beschleuniger mit leistungsfähiger Softwareunterstützung zu bauen, aber das kann fast nur durch die Zusammenarbeit der Industrie erreicht werden, was konzertierte Anstrengungen und eine vorausschauende Planung erfordert.
Die Vereinbarung zwischen Meta und Google ist sicherlich bedeutsam, und wenn andere große Unternehmen diesem Beispiel folgen, könnte sie Nvidia früher oder später Kopfschmerzen bereiten, selbst wenn dies erst in einigen Jahren der Fall sein wird. Intels ehemaliger CEO Pat Gelsinger hat schon lange gesagt , dass die Industrie Nvidias CUDA-Framework loswerden sollte, aber das wird keine leichte Aufgabe sein - selbst ein ausreichend leistungsfähiger Konkurrent ist schwer zu schlagen, da er in Bezug auf Rechenleistung, Energieeffizienz und Entwicklungsgeschwindigkeit so weit hinter dem Markt zurückliegt.
