Amazon macht große Fortschritte bei seinem Vorhaben, Nvidias 80-prozentige Dominanz auf dem Hardwaremarkt für künstliche Intelligenz (KI) herauszufordern. Dieser Schritt ist Amazons jüngster Versuch, seine Position im KI-Ökosystem zu festigen, die Abhängigkeit von Nvidias Grafikprozessoren (GPUs) zu verringern und Kunden eine erschwinglichere Alternative zu bieten.
Amazons Weg zur Entwicklung eigener KI-Chips wird von Annapurna Labs angeführt, einem Start-up für Chipdesign, das Amazon 2015 für 350 Millionen US-Dollar übernommen hat. Das Unternehmen hat bei der Entwicklung eigener Prozessoren bedeutende Fortschritte gemacht, darunter die Graviton-Serie für herkömmliche Rechenzentren und die Trainium-Produktfamilie für KI-Workloads.
Ein mutiger Schritt hin zu eigenen KI-Chips
Trainium 2, das im November 2023 auf der AWS re:Invent vorgestellt wurde, ist eine direkte Antwort auf die wachsende Nachfrage nach spezialisierten KI-Prozessoren, die für das Training großer Sprachmodelle und die Ausführung komplexer KI-Operationen in großem Maßstab optimiert sind. Amazon zufolge bietet Trainium 2 bedeutende Verbesserungen und erreicht eine bis zu viermal höhere Trainingsleistung als sein Vorgänger, die Trainium-Chips der ersten Generation.
AWS zufolge wird Trainium 2 die leistungsfähigste Rechenleistung auf der Plattform ermöglichen, sodass Basismodelle effizienter trainiert werden können – schneller, kostengünstiger und mit geringerem Energieverbrauch. Trainium-2-Chips können in EC2 UltraClusters eingesetzt werden und auf bis zu 100.000 Chips skaliert werden. Dadurch lassen sich Basismodelle (FMs) und große Sprachmodelle (LLMs) schneller trainieren und gleichzeitig lässt sich die Energieeffizienz verdoppeln.
Die Chips, die voraussichtlich bald allgemein verfügbar sein werden, werden bereits von Organisationen wie Anthropic – einem wichtigen von Amazon unterstützten Wettbewerber von OpenAI – sowie von anderen Unternehmen wie Databricks, Deutsche Telekom, Ricoh und Stockmark eingesetzt. Berichten zufolge wird Amazon Trainium 2 auf einer bevorstehenden Veranstaltung offiziell vorstellen und weitere Einzelheiten zu den Fortschritten bei seinen KI-Chips bekannt geben.
Weniger Abhängigkeit von Nvidia
Bei Amazons KI-Strategie geht es ebenso sehr um Wirtschaftlichkeit wie um Technologie. Die KI-Branche ist stark von Nvidias GPUs abhängig geworden, die als Goldstandard für die Ausführung komplexer KI-Workloads gelten. Diese Abhängigkeit hat ihren Preis – Nvidias GPUs sind stark nachgefragt und knapp verfügbar, was die Kosten für Cloud-Service-Provider und ihre Kunden in die Höhe treibt.
Dave Brown, Amazons Vizepräsident für Rechen- und Netzwerkdienste, räumte diese Herausforderung ein. „Wir wollen absolut der beste Ort für den Betrieb von Nvidia sein“, sagte er. „Gleichzeitig halten wir es für gesund, eine Alternative zu haben.“
Mit Trainium 2 und anderen eigenen KI-Chips hofft Amazon, die finanzielle Belastung für AWS-Kunden zu verringern. Das Unternehmen gibt an, dass seine Inferentia-Chips, eine weitere Reihe auf KI ausgerichteter Prozessoren, bei der Generierung von Antworten durch KI-Modelle bereits 40 Prozent niedrigere Betriebskosten ermöglicht haben.
Der branchenweite Wandel hin zu eigener KI-Hardware
Amazon ist nicht der einzige Technologiekonzern, der massiv in die Entwicklung von KI-Chips investiert. Google, Meta und Microsoft arbeiten ebenfalls an proprietären KI-Chips, um ihre Abhängigkeit von Nvidia zu verringern. Google hat kürzlich seine neueste Tensor Processing Unit (TPU), Trillium, vorgestellt, die ein viermal schnelleres KI-Training und eine dreimal schnellere Inferenz als ihr Vorgänger bietet. Meta brachte Anfang dieses Jahres ebenfalls seinen Meta Training and Inference Accelerator der nächsten Generation (MTIA) auf den Markt.
Trotz Amazons aggressivem Vorstoß in den Bereich der KI-Hardware ist Trainium 2 bislang noch nicht weit verbreitet. Die seit der Vorstellung im Jahr 2023 eingeschränkte Verfügbarkeit des Chips hat Interesse geweckt. Experten warten auf unabhängige Leistungsbenchmarks, um festzustellen, wie Trainium 2 bei realen Anwendungen im Vergleich zu Nvidias GPUs abschneidet.
Amazons Bemühungen zur Entwicklung eigener Chips bleiben ein zentraler Bestandteil seiner umfassenderen KI-Strategie. Das Unternehmen setzt darauf, dass eine erschwinglichere Alternative zu Nvidias GPUs es ihm ermöglichen wird, sich einen beträchtlichen Anteil am Markt für KI-Chips zu sichern.