Microsoft hat sich angeblich mit AMD zusammengetan, um die Expansion des Chipherstellers in Prozessoren für künstliche Intelligenz zu unterstützen. Laut einem Bericht von Bloombergstellt Microsoft Engineering-Ressourcen bereit, um die Entwicklungen von AMD zu unterstützen, während die beiden Unternehmen ihre Kräfte bündeln, um gegen Nvidia anzutreten, das einen geschätzten Marktanteil von 80 Prozent auf dem Markt für KI-Prozessoren kontrolliert.
Im Gegenzug, Bloomberg‘s Quellen behaupten auch, dass AMD Microsoft dabei hilft, seine eigenen internen KI-Chips mit dem Codenamen Athena zu entwickeln. An dem Projekt arbeiten Berichten zufolge mehrere hundert Mitarbeiter der Siliziumsparte von Microsoft, und das Unternehmen hat offenbar bereits rund 2 Milliarden US-Dollar in seine Entwicklung gesteckt. Microsoft-Sprecher Frank Shaw hat jedoch bestritten, dass AMD an Athena beteiligt ist.
Wir haben AMD und Microsoft zur Bestätigung kontaktiert und werden diese Geschichte aktualisieren, falls wir eine Rückmeldung erhalten.
Nvidias überragender Marktanteil für GPUs hat dazu beigetragen, die KI-Chipindustrie zu dominieren
Die explosionsartige Popularität von KI-Diensten wie ChatGPT von OpenAI treibt die Nachfrage nach Prozessoren voran, die die enormen Rechenlasten bewältigen können, die für ihre Ausführung erforderlich sind. Nvidias überragender Marktanteil für Grafikprozessoren (GPUs) – spezialisierte Chips, die die erforderliche Rechenleistung bereitstellen – ermöglicht es Nvidia, diesen Bereich zu dominieren. Derzeit gibt es keine geeignete Alternative, und das ist ein Problem für Unternehmen wie Microsoft, die die teuren Prozessoren von Nvidia benötigen, um die verschiedenen KI-Dienste in der Azure Cloud zu betreiben.
Die CUDA-Bibliotheken von Nvidia haben in den letzten zehn Jahren den größten Teil des Fortschritts in der KI vorangetrieben. Obwohl AMD ein großer Konkurrent in der Gaming-Hardware-Branche ist, hat das Unternehmen immer noch keine geeignete Alternative zum CUDA-Ökosystem für groß angelegte Bereitstellungen von maschinellem Lernen. Jetzt, da sich die KI-Branche aufheizt, versucht AMD, sich in eine bessere Position zu bringen, um Kapital zu schlagen. „Wir freuen uns sehr über unsere Chance im Bereich KI – das ist unsere strategische Priorität Nummer eins“, sagte Chief Executive Officer Lisa Su während der Telefonkonferenz des Chipherstellers am Dienstag. „Wir befinden uns in den sehr frühen Stadien der KI-Computing-Ära, und die Akzeptanz- und Wachstumsrate ist schneller als bei jeder anderen Technologie in der jüngeren Geschichte.“
Su behauptet, dass AMD gut positioniert ist, um teilweise kundenspezifische Chips für seine größten Kunden zur Verwendung in ihren KI-Rechenzentren zu entwickeln. „Ich denke, wir haben ein sehr komplettes IP-Portfolio über CPUs, GPUs, FPGAs, adaptive SoCs, DPUs und ein sehr fähiges Semi-Custom-Team“, sagte Su und fügte hinzu, dass das Unternehmen „Möglichkeiten für höhere Volumen jenseits von Spielekonsolen“ sehe.
AMD ist auch zuversichtlich, dass sein kommender Rechenzentrumschip Instinct MI300 für generative KI-Workloads angepasst werden könnte. „Der MI300 ist tatsächlich sehr gut positioniert, sowohl für HPC- oder Supercomputing-Workloads als auch für KI-Workloads“, sagte Su. „Und angesichts des jüngsten Interesses an generativer KI würde ich sagen, dass die Pipeline für MI300 hier in den letzten Monaten erheblich erweitert wurde, und wir freuen uns darüber. Wir investieren viel mehr Ressourcen.“
In der Zwischenzeit beabsichtigt Microsoft, weiterhin eng mit Nvidia zusammenzuarbeiten, um weitere Prozessoren des Unternehmens zu sichern. Der KI-Boom hat zu einem wachsenden Mangel an spezialisierten GPU-Chips geführt, der weiter dadurch eingeschränkt wird, dass Nvidia fast ein Monopol auf die Lieferung solcher Hardware hat. Microsoft und AMD sind nicht die einzigen Akteure, die versuchen, eigene KI-Chips zu entwickeln – Google hat einen eigenen TPU-Chip (Tensor Processing Unit) zum Trainieren seiner KI-Modelle, und Amazon hat in ähnlicher Weise Trainium-KI-Chips entwickelt, um Computermodelle für maschinelles Lernen zu trainieren.