Google gibt NVIDIA einen Schuss vor den Bug

Es besteht kein Zweifel, dass NVIDIA Corporation (WKN:918422) sehr davon profitiert hat, früh in den Bereich künstliche Intelligenz einzusteigen. Bei der Veröffentlichung der letzten Quartalszahlen kam heraus, dass die Umsätze aus dem Bereich Datenzentren um 186 % im Jahresvergleich gestiegen waren. Damit macht die künstlich Intelligenz jetzt mehr als 21 % der Quartalseinnahmen von fast 2 Milliarden US-Dollar aus. Vor zwei Jahren waren es noch 6 % gewesen. Der Aktienkurs des Unternehmens entwickelt sich ähnlich und konnte in den letzten fünf Jahren fast 1000 % gewinnen.

Diese Gewinne liegen an den GPUs von NVIDIA, die erste Wahl für Systeme mit künstlicher Intelligenz sind. Alphabet (WKN:A14Y6F) mit seiner Tochterfirma Google befindet sich an vorderster Front mit den Sparten Google Brain und durch die Übernahme von DeepMind. Beide Sparten spezialisieren sich auf Deep Learning und neurale Netzwerke. Dabei kommen die GPUs von NVIDIA stark zum Einsatz. Allerdings könnte sich dieser Status quo etwas ändern und der monopolgleiche Status von NVIDIA bei Systemen für künstliche Intelligenz könnte in Gefahr sein.

Der Kampf

Letzte Woche stellte Google auf der Entwicklerkonferenz die neueste Version des TPU (Tensor Processing Unit) vor, der Chip, den das Unternehmen eigens für die Systeme mit künstlicher Intelligenz entwickelt hatte. Die neue Version des TPU kann laut Unternehmensangaben sowohl Training als auch Inferenz selbst durchführen. Aber was hat das mit NVIDIA zu tun?

Ein bisschen Hintergrund

Wenn du nicht in diesem Feld arbeitest, dann weißt du nicht, dass die künstliche Intelligenz zwei verschiedene Phasen kennt. Die erste ist das Training dieser Systeme. Dazu gehört die Schaffung der Algorithmen, genannt neurale Netzwerke. Diese müssen dann darauf trainiert werden, eine bestimmte Aufgabe wie Bilderkennung oder Sprachverarbeitung durchzuführen. Diese Trainingsphase ist sehr leistungsintensiv.

Sobald diese Systeme einmal trainiert sind, setzen sie die Aufgaben um, für die sie designt wurden. Sie gehen massive Datenmengen durch und benutzen ihre einzigartigen Fähigkeiten, um Muster zu erkennen und um datenintensive Aufgaben mit Geschwindigkeit und Präzision umzusetzen. Die Umsetzung diese Aufgaben wird Inferenz genannt.

Bis jetzt waren die GPUs die beste Option für das Training von System mit künstlicher Intelligenz. Diese Chips können nämlich viele mathematische Berechnungen parallel oder gleichzeitig durchführen. Das ist auch der Grund, warum sie für Grafiken so gut geeignet sind. Gleichzeitig macht sie das zur ersten Wahl für künstliche Intelligenz. In diesem Bereich hatten die GPUs daher keine Konkurrenz.

Ein TPU-Pod bestehend aus 64 CPUs der zweiten Generation mit einer Beschleunigung beim maschinellen Lehren von 11,5 Petaflops. Bildquelle: Google.

Google verkündete, man habe ein System entwickelt, mit dem 64 TPUs auf einem Server zu einem sogenannten TPU-Pod zusammengeschlossen werden könnten. Damit sollen bisher noch nie dagewesenen Rechnerleistungen möglich werden. Fei-Fei Lee, Googles Chefwissenschaftler für künstliche Intelligenz und maschinelles Lernen und gleichzeitig der Direktor des Labors für künstliche Intelligenz an der Universität von Stanford deutet an, dass der neue Supercomputer unglaubliche 180 Teraflops liefern wird und dass die TPUs genau dafür geschaffen wurden.

In einem Blog schrieb Jeff Dean, ein Mitarbeiter von Google Brain: ”Mit diesen TPU-Pods sehen wir jetzt schon dramatische Verbesserungen und große Zeitersparnis. Eines unserer Übersetzungsmodelle brauchte einen kompletten Tag, um mit 32 der besten verfügbaren GPUs umgesetzt zu werden. Mit einem Achtel eines TPU-Pods erreichen wir dieselbe Genauigkeit in einem Nachmittag.”

Als Google den ersten TPU im Mai 2016 auf der Entwicklerkonferenz vorstellte, sagte CEO Sundar Pichai: “Die TPUs liefern pro Watt mehr Performance als kommerzielle FPGAs und GPUs. Der neue Chip wäre energieeffizienter und speziell designt, um mit TensorFlow, der Softwarebibliothek von Google für Systeme mit künstlicher Intelligenz, integriert zu werden. Die verbesserte Hardware- und Softwarekombination werde bei Google schon seit mehr als einem Jahr benutzt. Die GPUs wären immer noch das Mittel der Wahl für das Training, der neue TPU habe aber einen Vorteil bei der Inferenz, also bei der Arbeit, sobald das System einmal trainiert ist.

Wie geht’s weiter?

NVIDIA wird seine Führung in diesem Markt nicht kampflos aufgeben. Das Unternehmen brachte vor kurzem seine eigene Tensor-Technologie auf den Markt zusammen mit weiteren Verbesserungen bei der GPU-Architektur. Das ist schon seit einiger Zeit der Industriestandard und das wird sich wahrscheinlich nicht über Nacht ändern. Die Investoren sollten sich aber dessen bewusst sein, dass die künstliche Intelligenz sich noch in den Kinderschuhen befindet und sich die Technologie fast täglich ändert. NVIDIA ist immer noch das größte Unternehmen in diesem Bereich, aber Google hat ihnen den Fehdehandschuh hingeworfen und damit gezeigt, dass NVIDIA nicht allein ist.