Warum jeder über Arm spricht und warum Nvidia sich keine Sorgen macht
Momentan gibt es viel Aufregung um den neuen AI-Chip von Arm, insbesondere da die Aktien von Nvidia so gut abschneiden. Als jemand, der viel Zeit damit verbringt, die Werkzeuge für KI zu untersuchen, verstehe ich, warum Leute diese Punkte miteinander verbinden können. Arm ist ein großer Name im Bereich der Prozessoren, und KI ist, nun ja, *der* große Name der Technologie zur Zeit. Daher zieht ein neuer AI-Chip von Arm natürlich Aufmerksamkeit auf sich.
Von meinem Standpunkt aus, wenn ich beurteile, was in den KI-Toolkits funktioniert und was nicht, ist es leicht, voreilige Schlüsse über den Wettbewerb auf dem Markt zu ziehen. “Neuer Chip gleich Bedrohung!” ist ein verbreiteter Gedanke. Aber wenn wir die Fakten betrachten und sehen, wie sich diese Dinge tatsächlich in der realen Welt der Entwicklung und Implementierung von KI abspielen, ist es nicht so einfach.
Die aktuelle Position von Nvidia verstehen
Lassen Sie uns die Dinge klarstellen: Nvidia ist absolut dominant im Bereich der AI-Chips, insbesondere beim Training großer KI-Modelle. Ihre GPUs sind die Standardwahl für die meisten ernsthaften Arbeiten in der KI. Es geht nicht nur um rohe Rechenleistung; es ist ein ganzes Ökosystem. Nvidia hat Jahre damit verbracht, CUDA, ihre Plattform für paralleles Computing, aufzubauen. Das ist nicht einfach nur ein Stück Software; es ist eine riesige Sammlung von Bibliotheken, Werkzeugen und einer Entwickler-Community, die versteht, wie man es nutzt. Wenn Sie ein KI-Modell aufbauen, insbesondere ein komplexes, kaufen Sie nicht einfach einen Chip; Sie kaufen einen ganzen Arbeitsablauf, der eine mögliche und effiziente Entwicklung ermöglicht.
Die Trägheit hinter dem Ökosystem von Nvidia ist enorm. Entwickler sind darin geschult, bestehende Modelle sind darauf aufgebaut, und die akademische Forschung stützt sich oft darauf. Wechseln ist kein triviales Unterfangen. Es bedeutet, die Software neu zu architektieren, neue Ingenieure auszubilden und möglicherweise die Kompatibilität mit bestehenden Tools und Datenpipelines zu verlieren. Für viele Organisationen, insbesondere für solche, die in großem Maßstab arbeiten, sind diese Kosten prohibitiv, es sei denn, es gibt woanders einen wirklich signifikanten und unbestreitbaren Vorteil.
Der Ansatz von Arm und seine Eignung in der realen Welt
Jetzt lassen Sie uns über Arm sprechen. Die Stärke von Arm war traditionell die Effizienz und die Lizenzierung ihrer Designs, die es vielen verschiedenen Unternehmen ermöglichen, Chips auf Basis ihrer Architektur zu bauen. Deshalb sind sie in Mobiltelefonen und anderen energieeffizienten Geräten präsent. Ihr neuer AI-Chip ist mit anderen Prioritäten als den Hochleistungs-Rechenzentren von Nvidia konzipiert. Er ist wahrscheinlich für andere Arten von KI-Arbeitslasten optimiert – vielleicht für Inferenz am Rand oder für kleinere, spezialisierte Modelle.
Wenn ich an die Toolkits denke, die ich bewerte, sehe ich, wo Arm integrierbar sein könnte. Wenn Sie beispielsweise KI-Modelle auf Geräten mit strengen Strom- oder Kostenbeschränkungen bereitstellen, könnte eine arm-basierte Lösung sehr attraktiv sein. Stellen Sie sich intelligente Kameras, Fabriksensoren oder sogar einige Verbraucherelektronik vor, die KI lokal ausführen müssen, ohne alles in die Cloud zu senden. Das ist ein riesiger wachsender Markt, und Arm ist dafür unglaublich gut geeignet.
Das ist jedoch ein anderes Schlachtfeld als das, das Nvidia derzeit dominiert. Die Stärke von Nvidia liegt in den Rechenzentren, wo massive Modelle trainiert und ausgeführt werden. Es sind diese Modelle, die ChatGPT antreiben, Bilder generieren und komplexe wissenschaftliche Simulationen durchführen. Diese Aufgaben erfordern eine immense Rechenleistung, die die derzeitige Angebot von Arm nicht direkt konkurrieren kann.
In die Zukunft blicken: Koexistenz, nicht Ersatz
Warum stellt also der neue Chip von Arm keine unmittelbare Bedrohung für die Aktien von Nvidia dar? Weil sie sich größtenteils an verschiedene Marktsegmente richten. Es ist kein Nullsummenspiel, bei dem ein Chip den anderen in allen Anwendungen ersetzt.
- Verschiedene Anwendungsfälle: Nvidia ist in der Lage, KI in großem Maßstab in Rechenzentren zu trainieren und Inferenz zu betreiben. Arm wird wahrscheinlich in Edge-Anwendungen und bei einem geringen Energieverbrauch glänzen.
- Ökosystem-Verriegelung: Das CUDA-Ökosystem von Nvidia stellt eine signifikante Eintrittsbarriere für Wettbewerber im Bereich der hochentwickelten KI dar.
- Markteinführungszeit: Selbst wenn der Arm-Chip großartig ist, dauert es Jahre, kein Monate, um ein gleichwertiges Software-Ökosystem aufzubauen und die Entwicklerakzeptanz zu erhalten.
- Marktgröße: Der KI-Markt ist groß und wächst. Es gibt viel Platz für mehrere Akteure, die sich auf unterschiedliche Nischen konzentrieren.
Aus meiner Erfahrung mit der Bewertung von KI-Toolkits sehe ich einen starken Trend hin zu spezialisierten Hardwarelösungen für spezifische Aufgaben. Wir werden nicht einen Chip haben, der alles besser macht. Der neue AI-Chip von Arm ist eine wichtige Entwicklung und wird zweifellos neue Möglichkeiten für KI-Anwendungen eröffnen, insbesondere am Rand. Aber es ist wahrscheinlicher, dass er den Gesamtmarkt für KI erweitern wird, anstatt direkt einen massiven Anteil von Nvidias Kuchen zu nehmen, zumindest in der absehbaren Zukunft.
Die Aktien von Nvidia steigen, weil die Nachfrage nach ihrem Kerngeschäft – leistungsstarke GPUs für das Training von KI – unglaublich stark bleibt. Der Ansatz von Arm ist klug und positioniert sie für Wachstum in anderen Bereichen. Es ist ein Zeichen für einen gesunden und diversifizierten Markt für KI-Hardware und stellt keine unmittelbare Herausforderung für den aktuellen Marktführer dar.
🕒 Published: