Die Termini „GPU rich“ & „GPU poor“ wurden von der US-Forschungsfirma SemiAnalysis geprägt und haben sich schnell im Silicon Valley als Lagebeschreibung etabliert.
Hintergrund ist der anhaltende Chip-Mangel, der schon länger in den Medien präsent ist. Dass diese Krise das Kernproblem bei der Entwicklung und Nutzung von Generativer KI darstellt, hat bereits die Machbarkeitsstudie der Leam Initiative, gesponsert durch das Bundesamt für Wirtschaft und Ausfuhrkontrolle, herausgestellt. Schon im Januar hat es also der Bundesregierung nicht an Erkenntnis gemangelt. Diese sind auch der Grund für Ursula von der Leyens jüngste Initiative, Europas Supercomputer-Infrastruktur für Sprachmodelle zur Verfügung zu stellen.
GPU poor: Vor allem EU-Startups und Open-Source-Forscher sind hier zu finden. Bemerkenswert ist der staatlich geförderte Supercomputer Jules Verne, den SemiAnalysis als “völlig unkonkurrenzfähig” bezeichnet. Auch namhafte KI-Unternehmen wie Hugging Face und Databricks sind betroffen.
GPU rich: Zu dieser Elite zählen Firmen mit >20.000 A100/H100 GPUs von Nvidia, u.a. OpenAI, Google, Elon Musks X und Meta. Bemerkenswert: Bis Ende 2024 werden einige dieser Firmen und zahlreiche chinesische Unternehmen >100.000 GPUs akkumulieren, wobei Meta global den zweiten Platz nach der Anzahl seiner H100 GPUs einnehmen wird.
Und an der Spitze? Laut SemiAnalysis ist es Google – bezeichnet als das “rechenstärkste Unternehmen der Welt”. Worauf Open AIs Sam Altman auf X (Twitter) ziemlich genervt regiert hat.
Die Frage, die sich stellt: Wer wird den Markt der Generativen KI dominieren? Bleibt Open-Source mit cleverer Nutzung der begrenzten Rechenleistung im Spiel?
