nachricht

ki-chips werden auch ki-beschleuniger oder rechenkarten genannt. je nach technischer architektur können sie in allzweck-grafikprozessoren (gpgpus), zentraleinheiten (cpus), anwendungsspezifische integrierte chips (asics) und feldchips unterteilt werden -programmierbare gate-arrays (fpgas). bei der entwicklung der künstlichen intelligenz haben forscher herausgefunden, dass paralleles rechnen ein effizientes modelltraining durchführen und große komplexe daten verarbeiten kann. gpgpu verfügt über eine höhere parallele rechenleistung als andere chips und eignet sich für rechenintensive anwendungen, sodass es zum mainstream der computerchips geworden ist.

gemäß der funktionalen klassifizierung können ki-chips in zwei typen unterteilt werden: trainingskarten und inferenzkarten. trainingskarten, auch große karten genannt, verfügen normalerweise über eine höhere rechenleistung und speicherbandbreite, um eine große menge an berechnungen und datenverarbeitung während des trainingsprozesses zu unterstützen. karten, auch kleine karten genannt, haben niedrigere parameter und müssen nur die inferenzanforderungen erfüllen . im allgemeinen können trainingskarten als argumentationskarten verwendet werden, argumentationskarten können jedoch nicht als trainingskarten verwendet werden. vereinfacht ausgedrückt erfordert das training großer modelle eine große anzahl von trainingskarten, um einen grafikkarten-cluster zu bilden, während für anwendungen inferenzkarten erforderlich sind, um das ki-modell für berechnungen auszuführen.

diese welle künstlicher intelligenz wurde von chatgpt ins leben gerufen und nutzt große sprachmodelle und generative ki-anwendungen als einstiegspunkt. seit seiner veröffentlichung durch google im jahr 2017 wird transformer häufig in der verarbeitung natürlicher sprache, computer vision, autonomem fahren und anderen bereichen eingesetzt und bringt darüber hinaus beliebte c-side-produkte wie chatgpt auf den markt. chinesische und ausländische technologieunternehmen erhöhen weiterhin ihre investitionen in verwandte bereiche, darunter google, meta, microsoft, bytedance, baidu und andere in- und ausländische technologiegiganten und start-ups, die alle hoffen, einen anteil vom kuchen zu bekommen. technologieunternehmen investieren auch ständig in talente, technologie und ressourcenlayout. laut prognosedaten von bloomberg intelligence könnte der anteil generativer ki an den gesamten ausgaben für hardware, software, dienste, werbung, spiele usw. in der informationstechnologie bis 2032 von derzeit weniger als 1 % auf 12 % steigen.

im jahr 2018 brachte openai das generative pre-training-sprachmodell gpt-1 auf den markt, das über 117 millionen parameter verfügt. die anzahl der im jahr 2023 veröffentlichten gpt-4-parameter wird etwa 1,8 billionen betragen. der anstieg der anzahl der parameter um mehr als das 10.000-fache in 5 jahren hat zu einem exponentiellen anstieg des rechenleistungsbedarfs großer modelle geführt. openai schätzt, dass sich seit 2012 der weltweite bedarf an rechenleistung für das training von ki-modellen alle drei bis vier monate verdoppelt hat. insbesondere nach 2023 ist die entwicklung der ki in vollem gange. inländische und ausländische hersteller haben ihre investitionen in generative ki erhöht, und der „kampf der hunderter von modellen“ hat auch zu einem langfristigen mangel an rechenleistung geführt .

inländische ki-chips konzentrieren sich hauptsächlich auf die inferenzseite. dieser aspekt steht im wettbewerbnvidiaandererseits nimmt mit der entwicklung und popularisierung der ki-technologie die nachfrage der branche nach leistungsstarken ki-chips mit geringem stromverbrauch zu. es gibt jedoch auch hersteller von trainingschips, die pläne vorlegen. auf dem global ai chip summit 2024 kündigte biren technology zum ersten mal in der branche seine unabhängige und originelle heterogene gpu-trainingslösung an es unterstützt das gemischte training von drei oder mehr heterogenen gpus auf demselben großen modell. moore thread kündigte seinen mtt s4000-basierten wanka intelligent cluster kuae (kuae) für schulungen und tests an. auch hersteller wie huawei, cambrian und haiguang information haben ähnliche schritte unternommen.

es ist äußerst schwierig, ein ki-chip-unternehmen zu gründen. das laimi research institute ist davon überzeugt, dass die erste schwierigkeit bei der gründung eines ki-chip-unternehmens darin besteht, probleme beim chip-design und bei der herstellung zu lösen. aufgrund ausländischer beschränkungen wurden entsprechende designtools kontrolliert. das herstellungsproblem ist jedoch ein realistischeres problem. der neueste ki-chip von nvidia verwendet das 4nm-verfahren. derzeit verfügt nur tsmc über die herstellungskapazitäten, während die chipherstellungskapazitäten auf dem chinesischen festland etwas unzureichend sind.

das zweite sind marktprobleme. inländische ki-unternehmen kaufen derzeit aus subjektiven oder objektiven gründen, um produkte zu ersetzen, die besser sind ihren eigenen bedürfnissen entsprechen (hersteller wie bytedance entwerfen beispielsweise ihre eigenen ki-chips basierend auf der nachfrage). einerseits beschleunigen große modelle die entwicklung von ki-chips, andererseits machen sie auch die kluft zwischen den chipherstellern immer größer. inländische hersteller von ki-chips müssen überlegen, welche spezifischen anforderungen ihre produkte erfüllen können, bevor kunden bereit sind, hohe prämien zu zahlen.

der dritte punkt ist die rentabilität. aus bekannten gründen sind die forschungs- und entwicklungszyklen von ki-chips lang, intensiv und kostspielig, und diese investitionen lassen sich kurzfristig oft nur schwer amortisieren. daher ist es äußerst wichtig, die hämatopoetische fähigkeit zu erhalten. angesichts der aktuellen dynamik des primärmarktes ist es äußerst unwahrscheinlich, dass man sich bei bluttransfusionen ausschließlich auf den risikokapitalmarkt verlässt. der positive cashflow der ki-chip-unternehmen ist ebenfalls einen test wert.

während die große modellrevolution die welt erfasst, erreicht die nachfrage nach rechenleistung neue höhen und treibt die iteration und weiterentwicklung von cloud-, edge- und side-ki-chips voran. unter den drei wolken des explosiven datenwachstums, der annäherung an physische grenzen der technologie und der komplexen und volatilen internationalen situation schreiten viele ki-chip-unternehmen unter druck auf zurückhaltende und pragmatische weise voran und bereiten sich aktiv auf die chancen der zeit vor durch die generative ki-welle.

wie elon musk sagte: nur rohstoffe sind die einzige einschränkung, und jeder aspekt der herstellung kann völlig neu erfunden werden. das enorme potenzial der ki wird definitiv zu einer marktgröße von billionen führen. der „steckplatz“ ist nur vorübergehend. mit dem durchbruch fortschrittlicher prozesse und kapitalinvestitionen wird der abstand zwischen uns und ausländischer ki eher kleiner. der spielraum für inländische substitution ist riesig, und verbundene unternehmen werden ebenfalls schnelle wachstumschancen eröffnen.

endgame-denken erfordert die festlegung des gewinners. die welt der zukunft wird unendliche rechenleistung erfordern, aber angesichts der wettbewerbslandschaft auf dem us-markt wird es möglicherweise nur wenige gewinner geben. aufgrund des sieger-take-all-charakters von ki-chips glauben wir, dass inländische ki-chip-unternehmen über technische stärke, vertriebskapazitäten und finanzierungsmöglichkeiten verfügen müssen, um zu gewinnen. diese fähigkeiten stellen startups vor große herausforderungen, schaffen aber auch branchenbarrieren.