Die Ver\u00f6ffentlichung des j\u00fcngsten Finanzberichts von Nvidia versetzte die Welt der Rechenzentren in Alarmbereitschaft. So erkl\u00e4rte dort Jensen Huang, Gr\u00fcnder und CEO des Unternehmens: \u201eDie Computerindustrie durchl\u00e4uft zwei parallele Umstellungen \u2013 beschleunigtes Computing und generative KI.\u201c Er fuhr fort, dass \u201eeine Billion US-Dollar der weltweit installierten Rechenzentrumsinfrastruktur vom Allzweckmodell zum beschleunigten Rechnen \u00fcbergehen werden. W\u00e4hrenddessen f\u00fchren Unternehmen den Wettlauf, schnellstm\u00f6glich generative KI auf ihre Produkte, Dienstleistungen und Gesch\u00e4ftsprozesse anzuwenden.\u201c<\/p>\n\n\n\n
Ist eine komplette \u00dcberholung der Rechenzentren aufgrund der weit verbreiteten Nutzung generativer Modelle der K\u00fcnstlichen Intelligenz (KI) wirklich notwendig? Sicher ist: Je mehr Unternehmen KI-Tools in ihren Gesch\u00e4ftsalltag integrieren, desto gr\u00f6\u00dfer wird die Nachfrage nach Rechenzentrumsressourcen sein. Wie wirkt sich das auf die bestehenden Infrastrukturen aus? Werden sie mithalten k\u00f6nnen? Und zu welchen Kosten?<\/p>\n\n\n\n
Tirias Research<\/a> stellte eine Prognose auf: Die Kosten f\u00fcr die Serverinfrastruktur von Rechenzentren f\u00fcr generative KI soll bis 2028 mehr als 76 Milliarden US-Dollar betragen \u2013 zus\u00e4tzlich zu den Betriebskosten. Dieser Anstieg k\u00f6nnte den Plan von Unternehmen durchkreuzen, die beispielsweise versuchen, ihren Gesch\u00e4ftsbetrieb durch die Integration dieser Art von KI-Tool zu automatisieren. Laut dieser Tirias-Perspektive w\u00fcrde die Einbindung einer neuen Rechenzentrumsinfrastruktur eine vierfache Steigerung der Rechenleistung bieten. Dieser Gewinn w\u00fcrde aber durch eine 50-fache Steigerung der KI-Arbeitslasten aufgewogen, selbst mit innovativen und effizienteren Inferenzalgorithmen.<\/p>\n\n\n\n Weitere Informationen lieferte Chris Street, Direktor f\u00fcr Rechenzentren bei der Immobilien-Investmentberatung JLL, in einem Interview mit Tech Wire Asia<\/a>: Dort erkl\u00e4rte er, dass die Branche einen Anstieg der Leistungsdichte erlebe, der auf die Unterst\u00fctzung von KI-Anwendungen abzielt. Dies bringe neue Herausforderungen mit sich, insbesondere bei \u00e4lteren Anlagen, die nicht f\u00fcr eine solche Nutzung ausgelegt sind. \u201eDiese Situation macht den Wechsel zu Cloud-Diensten f\u00fcr viele Unternehmen unumg\u00e4nglich\u201c, so der Analyst. F\u00fcr Street lie\u00dfen sich einige Einrichtungen wiederverwenden, w\u00e4hrend m\u00f6glicherweise bei anderen eine Aufr\u00fcstung nur mit erheblichem Aufwand vonstatten ginge \u2013 und sich deshalb nicht lohnen w\u00fcrde.<\/p>\n\n\n\n Bradley Shimmin, Analyst f\u00fcr den Daten- und KI-Sektor bei der Beratungsgruppe Omdia, r\u00e4umt ein, dass neue Ans\u00e4tze f\u00fcr die Hardwarebeschleunigung erforderlich sein k\u00f6nnten. Die Ansicht von Huang, dass Rechenzentren ihre gesamte Ausr\u00fcstung ersetzen m\u00fcssen, teilt er jedoch nicht.<\/p>\n\n\n\n Auf der Website Data Center Knowledge<\/a> f\u00fchrt Shimmin aus, dass Unternehmen f\u00fcr viele Anwendungsf\u00e4lle, insbesondere f\u00fcr solche mit rechenintensiven Trainingsmodellen, in die besten Arten der Hardwarebeschleunigung f\u00fcr KI investieren m\u00fcssen. \u201eEs gibt jedoch auch einen gegenl\u00e4ufigen Trend, bei dem Forscher lernen, mit weniger Modellen und weniger Parametern mehr zu erreichen. Ein Beispiel daf\u00fcr w\u00e4ren hochselektierte Datens\u00e4tze und intelligenteres Training\u201c, so Shimmin weiter.<\/p>\n\n\n\n Der Omina-Manager betont: Eine weitere \u00d6kosystem-Initiative, die Rechenzentren bei der Unterst\u00fctzung generativer KI-Anwendungsf\u00e4lle helfen kann, kommt von den Prozessorherstellern. Samsung strebt beispielsweise an, KI-Modelle auf der Chip- und Edge-Ger\u00e4te-Ebene auszuf\u00fchren und so die Rechenzentren zu entlasten.<\/p>\n\n\n\n Es gibt jedoch auch Stimmen, die der Meinung des Nvidia-Managers zustimmen. Karl Freund, Gr\u00fcnder und Hauptanalyst von Cambrian-AI Research, \u00e4u\u00dferste sich gegen\u00fcber Data Center Knowledge: \u201eHuang ist ein Vision\u00e4r und hat schon lange gesagt, dass Rechenzentren zu beschleunigen sind.\u201c Zumindest f\u00fcr Nvidia wird dieses Szenario wahr \u2013 eine Realit\u00e4t, die eine Menge spezialisierter KI-Hardware f\u00fcr Rechenzentren erfordert: In seinem j\u00fcngsten Finanzbericht meldete das Unternehmen einen Rekordumsatz von 4,28 Milliarden US-Dollar aus seiner Rechenzentrumssparte. Das bedeutet ein Plus von 14 % im Verh\u00e4ltnis zum Vorjahr und 18 % im Vergleich zum Vorquartal.<\/p>\n\n\n\n Die Hardware-Beschleunigungsl\u00f6sungen von Nvidia nutzen den aktuellen Fokus auf KI so gut aus, dass das Unternehmen heute einen Marktwert von 1 Billion US-Dollar<\/a> erreicht hat \u2013 und damit in den sogenannten \u201e12-Zero Club\u201c aufgestiegen ist.<\/p>\n\n\n\n Ein Blick zur\u00fcck: Nvidia wurde 1993 von einem taiwanesisch-amerikanischen Elektroingenieur namens Jensen Huang gegr\u00fcndet. Der Schwerpunkt: hochaufl\u00f6sende Grafikverarbeitung. Aber wie wurde dieses Unternehmen Teil der Welt k\u00fcnstlicher Intelligenz und der Rechenzentren?<\/p>\n\n\n\n Der Weg verlief so: Grafikprozessoren (GPUs) wurden entwickelt, um endlose mathematische Berechnungen unter Verwendung gro\u00dfer Datenmengen (Pixel in Bildern) als Input durchzuf\u00fchren. Damit ist die Darstellung dreidimensionaler R\u00e4ume in einer optimierten und beschleunigten Weise m\u00f6glich \u2013 im Gegensatz zu CPUs, die f\u00fcr den allgemeinen Gebrauch gedacht sind. Im Laufe der Zeit entwickelten sich die GPUs, die bis heute zum Kerngesch\u00e4ft von Nvidia geh\u00f6ren, weiter: Sie hatten nun mehrere Prozessoren, die kleinere Berechnungen parallel ausf\u00fchren, welche von einem gr\u00f6\u00dferen und komplizierteren Problem abgeleitet sind. Beispiele hierf\u00fcr sind Bilder mit gro\u00dfer Detailgenauigkeit in beschleunigter Bewegung unter Spielerinteraktion.<\/p>\n\n\n\n Inzwischen ist die Lage eine andere. Gegen\u00fcber NetworkWorld<\/a> sagte Manuvir Das, Nvidias Vice President of Corporate Computing, dass sich das Unternehmen \u201edefinitiv auf die korrespondierende Welt konzentriert\u201c \u2013 auch wenn sich Nvidias Kern als Spieleunternehmen nicht \u00e4ndern wird.<\/p>\n\n\n\n Um auf die aktuelle KI-Landschaft zur\u00fcckzukommen: Maschinelles Lernen und seine Trainingsalgorithmen, die in LLM-Modellen enthalten sind, erfordern viele gleichzeitige Berechnungen mit gro\u00dfen Datenmengen. Die Schlussfolgerung ist naheliegend, dass Nvidias GPUS gut f\u00fcr den Einsatz in der KI geeignet w\u00e4re. \u201eEs war klug, sich das zunutze zu machen\u201c, sagt Willy Shih<\/a>, Professor an der Harvard Business School.<\/p>\n\n\n\n Laut Das bieten die GPUs von Nvidia je nach Zielmarkt unterschiedliche Funktionalit\u00e4ten. Die Unternehmens-GPUs verf\u00fcgen beispielsweise \u00fcber eine Engine f\u00fcr die Verarbeitung nat\u00fcrlicher Sprache und andere Funktionen, die bei Gaming-GPUs nicht zu finden sind.<\/p>\n\n\n\n Aktuell hat Nvidia in diesem Rennen die Nase vorn. Aber auch Intel, AMD sowie Amazon und Google investieren in das Segment der GPUs f\u00fcr KI.<\/p>\n","protected":false},"excerpt":{"rendered":" Die Ver\u00f6ffentlichung des j\u00fcngsten Finanzberichts von Nvidia versetzte die Welt der Rechenzentren in Alarmbereitschaft. So erkl\u00e4rte dort Jensen Huang, Gr\u00fcnder und CEO des Unternehmens: \u201eDie Computerindustrie durchl\u00e4uft zwei parallele Umstellungen \u2013 beschleunigtes Computing und generative KI.\u201c Er fuhr fort, dass \u201eeine Billion US-Dollar der weltweit installierten Rechenzentrumsinfrastruktur vom Allzweckmodell zum beschleunigten Rechnen \u00fcbergehen werden. W\u00e4hrenddessen…<\/p>\n","protected":false},"featured_media":11247,"comment_status":"closed","ping_status":"closed","template":"","format":[],"category":[74],"tags":[],"company":[],"topic":[],"class_list":["post-11299","articles","type-articles","status-publish","has-post-thumbnail","hentry","category-datacenter"],"acf":[],"_links":{"self":[{"href":"https:\/\/network-king.net\/de\/wp-json\/wp\/v2\/articles\/11299","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/network-king.net\/de\/wp-json\/wp\/v2\/articles"}],"about":[{"href":"https:\/\/network-king.net\/de\/wp-json\/wp\/v2\/types\/articles"}],"replies":[{"embeddable":true,"href":"https:\/\/network-king.net\/de\/wp-json\/wp\/v2\/comments?post=11299"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/network-king.net\/de\/wp-json\/wp\/v2\/media\/11247"}],"wp:attachment":[{"href":"https:\/\/network-king.net\/de\/wp-json\/wp\/v2\/media?parent=11299"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/network-king.net\/de\/wp-json\/wp\/v2\/category?post=11299"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/network-king.net\/de\/wp-json\/wp\/v2\/tags?post=11299"},{"taxonomy":"format","embeddable":true,"href":"https:\/\/network-king.net\/de\/wp-json\/wp\/v2\/format?post=11299"},{"taxonomy":"company","embeddable":true,"href":"https:\/\/network-king.net\/de\/wp-json\/wp\/v2\/company?post=11299"},{"taxonomy":"topic","embeddable":true,"href":"https:\/\/network-king.net\/de\/wp-json\/wp\/v2\/topic?post=11299"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}Warum setzt Nvidia auf KI?<\/h2>\n\n\n\n