Nvidia ist seit Jahren ein Synonym für High-End-Grafikprozessoren (GPUs), die Fortschritte in den Bereichen Spiele, Datenwissenschaft und jetzt auch künstliche Intelligenz vorantreiben. Die jüngsten Schritte des Unternehmens zeigen jedoch, dass es sich zunehmend darauf konzentriert, die Anforderungen eines breiteren KI-Marktes zu erfüllen – einem Markt, in dem nicht jede Anwendung die modernste und teuerste Hardware erfordert.
Jenseits von GPUs: Diversifizierung von Computing-Lösungen
Nvidia verkauft nicht mehr nur GPUs. Jüngste Investitionen in Chip-Technologie mit geringer Latenz und die Einführung eigenständiger CPUs signalisieren eine Strategie zur Gewinnung von Kunden, denen Effizienz Vorrang vor reinem Stromverbrauch gibt. Dies ist besonders relevant für „agentische KI“ – Software, die Echtzeit-Reaktionsfähigkeit anstelle riesiger Trainingsdatensätze erfordert.
Dieser Wandel wurde durch die gestrige Ankündigung eines milliardenschweren Deals zwischen Nvidia und Meta untermauert. Der Social-Media-Riese wird eine Mischung aus Nvidia-Chips, einschließlich CPUs, kaufen, um seine wachsende KI-Infrastruktur zu betreiben. Diese Partnerschaft ist nicht neu; Meta hatte zuvor geplant, bis Ende 2024 350.000 H100-Chips zu erwerben und bis 2025 insgesamt 1,3 Millionen GPUs in seinem Arsenal zu haben.
Bei der neuesten Erweiterung wird Meta die CPUs von Nvidia neben den GPUs von Blackwell und Rubin in großem Maßstab einsetzen und so seine Rechenzentren sowohl für KI-Training als auch für Inferenz optimieren.
Der Aufstieg von CPUs in KI-Workloads
Was treibt diese Nachfrage nach CPUs an? Der Trend geht zur Agenten-KI. Da KI-Anwendungen immer stärker in Echtzeitsysteme integriert werden, spielen CPUs eine entscheidende Rolle bei der Verwaltung des Datenflusses und der Gewährleistung der Reaktionsfähigkeit. Ein Rechenzentrum für OpenAI benötigt jetzt „Zehntausende CPUs“, um die riesigen Datenmengen zu verarbeiten, die von GPUs generiert werden, ein Bedarf, der vor dem explosionsartigen Wachstum der KI nicht bestand.
Allerdings bleiben GPUs dominant. Der CPU-Kauf von Meta ist beträchtlich, wird aber von den GPU-Käufen immer noch in den Schatten gestellt. Die CPU dient als unterstützende Komponente und stellt sicher, dass es in der GPU-gesteuerten Architektur nicht zu Engpässen kommt.
Wettbewerb und Diversifikation
Die Schritte von Nvidia erfolgen, während andere KI-Giganten ihre Rechenquellen diversifizieren. OpenAI, Anthropic und Google prüfen alle kundenspezifische Chips oder Partnerschaften mit AMD und Cerebras, um die Abhängigkeit von einem einzigen Lieferanten zu verringern. OpenAI hat beispielsweise Verträge sowohl mit Nvidia (potenziell im Wert von 100 Milliarden US-Dollar) als auch mit AMD (bis zu 6 Gigawatt Chips) sowie einen 10-Milliarden-Dollar-Vertrag mit Cerebras.
Das zugrunde liegende Problem bleibt das Angebot. Die Nachfrage nach GPUs übersteigt immer noch die Verfügbarkeit, was Unternehmen dazu zwingt, nach Möglichkeiten zu suchen, wo immer dies möglich ist. Die jüngste Übernahme von Groq durch Nvidia, einem auf kostengünstige Inferenz spezialisierten Chip-Startup, spiegelt diesen Druck wider.
Metas massive Investition in die KI-Infrastruktur
Meta plant, in diesem Jahr zwischen 115 und 135 Milliarden US-Dollar für die KI-Infrastruktur auszugeben, gegenüber 72,2 Milliarden US-Dollar im letzten Jahr, was das Engagement des Unternehmens für KI-gesteuertes Wachstum unterstreicht. Nvidia behauptet seit langem, dass seine Hardware neben Schulungen auch Inferenz unterstützt. Vor zwei Jahren teilte sich der Geschäftsbereich etwa 40 % Inferenz und 60 % Schulung auf.
Zusammenfassend lässt sich sagen, dass die Partnerschaft von Nvidia mit Meta einen strategischen Wandel hin zur Erfüllung der vielfältigen Anforderungen des KI-Marktes bedeutet. Das Unternehmen konzentriert sich nicht mehr ausschließlich auf High-End-GPUs; Es erweitert aktiv sein CPU-Angebot und festigt seine Position als umfassender Computeranbieter in einem zunehmend wettbewerbsintensiven Umfeld.
