Für ein paar Tage dort Kapitalisierung von Nvidia es übertraf das von Apple knapp und markierte symbolisch den Beginn eines solchen neue Ära im Bereich der Technik: das vonkünstliche Intelligenz. Allerdings mit der Präsentation auf der WWDC2024, der jährlichen Entwicklerkonferenz Apple, Ihrer Lösung zur Integration von KI in Ihre Systeme, Apple Intelligence, Cupertino ist erneut das Unternehmen mit der höchsten Kapitalisierung der Welt. Nvidia bleibt immer noch ein ernstzunehmender Konkurrent, aber trotz seiner unbestrittenen Erfolge ist nicht alles ein einfacher Weg für das Unternehmen.
I Hauptkonkurrenten von Nvidia sowie einige seiner wichtigsten Kunden arbeiten an einem zusammenInitiative unter der Leitung von OpenAI. Das Ziel ist es Software entwickeln Dadurch können Entwickler künstlicher Intelligenz einfacher auf Chips von Nvidias Konkurrenten umsteigen. Nvidia ist zum Weltmarktführer in der Chipproduktion aufgestiegen, da das Unternehmen nahezu ein Monopol auf dem Sektor der Komponenten hat, die für die Entwicklung groß angelegter Systeme der künstlichen Intelligenz erforderlich sind. Das mangelnde Angebot und die hohen Preise zwingen die Unternehmen der Branche jedoch dazu, nach alternativen Lösungen zu suchen.
Obwohl die Schaffung neuer Chips Obwohl es einen wichtigen Schritt für die künstliche Intelligenz darstellt, löst es das Problem fortschrittlicher Systeme nicht vollständig. Der wahre Nvidias Geheimwaffe tatsächlich liegt es in seinem Software-Plattform, Wunder. Mit dieser Plattform können Sie Chips, die ursprünglich als Grafikbeschleuniger entwickelt wurden, nutzen, um Anwendungen für künstliche Intelligenz schneller und effizienter auszuführen.
Auf dem Weg zu einer Koalition
Mit 'Ziel ist es, eine gültige Alternative zu schaffenUm Nvidias Cuda-Plattform schließen sich Konkurrenten und Kunden des Chipriesen zusammen Schalten Sie Triton ein. Triton wurde von OpenAI entwickelt und erstmals im Jahr 2021 veröffentlicht. Es handelt sich um eine Software, die für die Ausführung von Code auf einer Vielzahl von KI-Chips entwickelt wurde.
Giganten wie Meta, Microsoft und Google, die bereits beträchtliche Summen in den Kauf von Nvidia-Chips investiert haben, tragen aktiv zur Entwicklung von Triton bei und entwickeln weiterhin eigenständig eigene Chips für künstliche Intelligenz.
Die Absicht dieser Unternehmensgruppe, zu der auch die Konkurrenzhersteller Intel, AMD und Qualcomm gehören, ist klar: in Triton zu investieren Nvidia Marktanteile wegnehmen und die unangefochtene Dominanz des Riesen im Bereich der Hardware für künstliche Intelligenz brechen.
Wie von betont Greg Lavendel, Chief Technology Officer von IntelDas Hauptziel besteht darin, „Cuda-Lock-in zu durchbrechen“ und Entwickler von der Notwendigkeit zu befreien, ausschließlich Nvidia-Chips zum Ausführen von KI-Anwendungen zu verwenden.
Nvidia ist mit einer Bewertung von über 3 Billionen US-Dollar mittlerweile das zweitgrößte Unternehmen der Welt und könnte bald das erste werden. Intel und AMD haben Schwierigkeiten, mitzuhalten.
Ein Apple-ähnliches Hardware-Software-Ökosystem
Il Nvidias Domäne Im Bereich der künstlichen Intelligenz verlässt sich das Unternehmen nicht allein auf die Leistungsfähigkeit seiner Chips, sondern auf eine Hardware-Software-Ökosystem perfekt integriert, dass die Konkurrenz nur schwer nachahmen kann.
Wie er gut erklärt hat Jensen HuangCEO Nvidia, auf der GPU Technology Conference im vergangenen März: „Unser Kerngeschäft besteht nicht nur darin, Chips zu bauen. Wir schaffen einen kompletten Supercomputer, vom Chip über das System bis hin zu den Verbindungen … aber vor allem die Software, die das wahre Betriebssystem der künstlichen Intelligenz darstellt.“
Nvidia wurde vor mehr als 30 Jahren zur Unterstützung der Entwicklung von Videospielen gegründet und hat festgestellt, dass der Übergang zur künstlichen Intelligenz durch seine Cuda-Software erleichtert wurde, die 2006 eingeführt wurde, um die Ausführung allgemeiner Anwendungen auf seinen Grafikprozessoren (GPUs) zu ermöglichen.
Seitdem ist dieDas Unternehmen hat Milliarden von Dollar investiert bei der Entwicklung von Hunderten von Softwaretools und Diensten, die die Ausführung von Anwendungen der künstlichen Intelligenz optimieren eigene GPUs, wodurch sie schneller und zugänglicher werden.
Alle Software
Es sieht so aus, als hätte Nvidia eine Team, das sich der Softwareentwicklung widmet doppelt so groß wie das, das auf der Hardware funktioniert.
David Katz, Partner von Radikale Unternehmungen, ein auf künstliche Intelligenz spezialisierter Investmentfonds, versteht die Stärke von Nvidia: „Was Nvidia tatsächlich erreicht hat, wird meiner Meinung nach oft unterschätzt. Sie haben rund um ihre Produkte ein Software-Ökosystem geschaffen, das effizient, intuitiv und leistungsstark ist und in der Lage ist, komplexe Aufgaben deutlich zu vereinfachen. Es handelt sich um ein System, das das Ergebnis einer schrittweisen Weiterentwicklung ist und über einen beträchtlichen Zeitraum von einer sehr großen Benutzergemeinschaft unterstützt wird.“
Der hohe Preis von Nvidia-Produkten und die lange Warteschlange beim Kauf der fortschrittlichsten Geräte wie der H100 und der nächster „Superchip“ GB200haben ein Problem geschaffen und uns dazu gebracht, nach Alternativen zu suchen.
Da die meisten KI-Systeme und -Anwendungen jedoch bereits auf der Cuda-Software von Nvidia laufen, ist es für Entwickler zeitaufwändig und riskant, sie für andere Prozessoren wie den AMD MI300, Intel Gaudi 3 oder den Amazon Trainium neu zu schreiben.
Um sich von Nvidia zu lösen, muss man nicht nur nach konkurrenzfähiger Hardware suchen, sondern vor allem auch die Benutzerfreundlichkeit durch Software gewährleisten.
Konkurrenten von Nvidia-Chips mögen Google AI TPU Sie bieten in Benchmark-Tests eine vergleichbare Leistung, aber es ist die Software, die den Unterschied macht. Nvidia-Führungskräfte behaupten, dass ihre Softwarearbeit es ermöglicht, ein neues KI-Modell auf ihren neuesten Chips in „Sekunden“ bereitzustellen und fortlaufende Effizienzverbesserungen bietet. Aber diese Vorteile haben ein Preis: Cudas Lock-in.
Die Open-Source-Lösung: Triton
Meryem Arik, Mitbegründerin von TitanML, einem in London ansässigen KI-Startup, gab bekannt, dass ihr Unternehmen zunächst Cuda nutzte, GPU-Mängel sie jedoch dazu zwangen, ihre Anwendungen in Triton neu zu schreiben. Diese strategische Entscheidung ermöglichte es TitanML, neue Kunden zu gewinnen, die den sogenannten „Cuda-Preis“ vermeiden wollten.
Triton, dessen Mitschöpfer Philippe Tillet ist OpenAI beigetreten Im Jahr 2019 verfügt es über einen Open-Source-Charakter, der es jedem ermöglicht, seinen Code frei einzusehen, anzupassen oder zu verbessern. Dieser Aspekt verleiht Triton im Vergleich zu Cuda, das stattdessen Nvidia gehört, eine besondere Attraktivität für Entwickler.
Obwohl Triton zunächst ausschließlich auf Nvidia-GPUs lief, ist dies nun der Fall unterstützt auch den AMD MI300 und in Kürze dieIntel Gaudi und andere Beschleunigerchips.
Un Beispiel Sinnbildlich ist das von Meta, das die Triton-Software zum Herzstück seines selbst entwickelten KI-Chips MTIA machte. Als Meta letzten Monat die zweite Generation von MTIA herausbrachte, betonten seine Ingenieure die hohe Effizienz und Hardware-Unabhängigkeit von Triton, die den Betrieb auf einer breiten Palette von Chip-Architekturen ermöglicht.
Die UXL-Stiftung
Sowie OpenAI, auch konkurrierende Entwickler mögen Anthropisch und sogar Nvidia selbst haben, wie hervorgehoben, zur Verbesserung von Triton beigetragen aus Protokollen auf GitHub und Diskussionen über das Toolkit.
Triton ist nicht der einzige Versuch, Nvidias Software-Dominanz herauszufordern. Intel, Google, Arm und Qualcomm gehören zu den Mitgliedern der UXL-Stiftung, eine Branchenallianz, die er aufbaut eine Alternative zu Cuda basierend auf OneAPI Open-Source-Plattform von Intel.
Chris Lattner, ehemaliger leitender Ingenieur bei Apple, Tesla und Google, ins Leben gerufen Mojo, eine Programmiersprache für KI-Entwickler, deren Hauptstärke darin besteht, dass Cuda nicht erforderlich ist.
Mit seinem Startup ModularZiel von Lattner ist es, die Erstellung von KI-Modellen für „Entwickler aller Art, nicht nur für Elite-Experten großer KI-Unternehmen“, „wesentlich zugänglicher“ zu machen.
Ein langer Weg
Selbst wenn sich Triton oder Mojo als wettbewerbsfähige Lösungen erweisen, müssen sich die Konkurrenten von Nvidia stellen ein langer Weg, um die Führung zu verkürzen Initiale von Cuda. Der Citi-Analysten Sie gehen davon aus, dass Nvidias Anteil am Markt für generative KI-Chips von etwa 81 % im nächsten Jahr auf etwa 63 % im Jahr 2030 sinken wird, was seine Dominanz für viele Jahre bestätigt.
„Einen Chip zu bauen, der mit Nvidia konkurrenzfähig ist, ist eine große Herausforderung, aber noch schwieriger ist es, den gesamten Software-Stack aufzubauen und Benutzer davon zu überzeugen, ihn zu verwenden“, sagte er Pekhimenko.
„Das Software-Ökosystem entwickelt sich ständig weiter, und das glaube ich Die Lücke wird sich mit der Zeit schließen“, fügte Lavender hinzu.
Nvidias Ansatz, der Hardware und Software in einem integriert Einzelsystem, ist mit der Philosophie von Steve Jobs und seinem Konzept „Alles in einem einzigen Schmuckstück“ verbunden. Diese Strategie hat es Apple ermöglicht, seit über 40 Jahren einen erheblichen Wettbewerbsvorteil im High-End-Markt zu wahren. Das Gleiche könnte Nvidia passieren.
Quellen:
- Tim Bradshaw, Nvidias Rivalen nehmen seine Software-Dominanz ins Visier, „The Financial Times“, 24. Mai 2024
- David McCabe, US Clears Way for Antitrust Inquiries of Nvidia, Microsoft und OpenAI, „The New York Times“, 5. Juni 2024
- Michael Acton, Niccolas Megaw, Nvidia überholt Apple, da seine Marktkapitalisierung 3 Billionen US-Dollar übersteigt, „The Financial Times“, 6. Juni 2024
