Furiosa AI verdoppelt die Produktionskapazität mit einem 2-Nanometer-Stork-Chip gegen Nvidia.
Das südkoreanische KI-Startup Furiosa AI plant, die Produktion seines zweiten KI-Beschleunigers RNGD im kommenden Jahr auf 50.000 Einheiten zu verdoppeln, um die Nachfrage nach Inferenzleistung zu bedienen. Zudem entwickelt das Unternehmen in Zusammenarbeit mit Broadcom den dritten Generation-Chip Stork mit 2-Nanometer-Technologie, der laut Hersteller die beste Marktleistung bei gleichzeitig minimiertem Energieverbrauch und niedrigeren Betriebskosten bieten soll.
Kurzfassung
Warum das wichtig ist
- Das südkoreanische KI-Startup Furiosa AI plant, die Produktion seines zweiten KI-Beschleunigers RNGD im kommenden Jahr auf 50.000 Einheiten zu verdoppeln, um die Nachfrage nach Inferenzleistung zu bedienen.
- Zudem entwickelt das Unternehmen in Zusammenarbeit mit Broadcom den dritten Generation-Chip Stork mit 2-Nanometer-Technologie, der laut Hersteller die beste Marktleistung bei gleichzeitig minimiertem Energieverbrauch und niedrigeren Betriebskosten bieten soll.
- Ein neuer Akteur im KI-Rennen Das südkoreanische KI-Startup Furiosa AI unternimmt strategische Schritte, um seine Position gegenüber dem Marktführer Nvidia zu stärken.
SvyTech-Check
Redaktionelle Einordnung
Kernpunkt
Das südkoreanische KI-Startup Furiosa AI plant, die Produktion seines zweiten KI-Beschleunigers RNGD im kommenden Jahr auf 50.000 Einheiten zu verdoppeln, um die Nachfrage nach Inferenzleistung zu bedienen.
Warum relevant
Zudem entwickelt das Unternehmen in Zusammenarbeit mit Broadcom den dritten Generation-Chip Stork mit 2-Nanometer-Technologie, der laut Hersteller die beste Marktleistung bei gleichzeitig minimiertem...
Einordnung
SvyTech ordnet die Meldung aus wccftech.com als Teil des Themenfelds Technologie ein und verweist auf den Originalartikel, damit Leser Fakten, Quelle und Kontext nachvollziehen koennen.
Mit diesem Vorhaben will es die wachsende Nachfrage nach Inferenzleistung in Rechenzentren befriedigen und die marktbeherrschende Stellung aufbrechen. Erweiterte Inferenzleistung und 2-Nanometer-Technologie Die eigentliche Hauptaktion des Startups konzentriert sich auf den dritten Generation KI-Chip unter dem Codenamen Stork.
Dieser neue Prozessor wurde in Zusammenarbeit mit Broadcom entwickelt und basiert auf einer 2-Nanometer-Herstellungsgeometrie. Furiosa AI behauptet, dass das Stork-Modell die beste Inferenzleistung am Markt bieten wird.
Das Chip-Design ist speziell darauf optimiert, den Energieverbrauch und die Rechenkosten, die insbesondere beim Betrieb großer Sprachmodelle und multimodaler KI-Systeme entstehen, zu minimieren. Kostenvorteile und Energieeffizienz Die hohen Kosten ässe in der Lieferkette haben das Interesse an alternativen Lösungen verstärkt.
Furiosa AI zielt mit seinem Stork-Chip darauf ab, die Kosten pro Abfrage erheblich zu senken. Dank verbesserter Datenübertragungskapazität und optimierter Speichermarchitektur verspricht der neue Prozessor, den Stromverbrauch damit die Betriebskosten zu senken.
Quellenprofil
Quelle und redaktionelle Angaben
- Quelle
- wccftech.com
- Canonical
- https://svytech.de/artikel/furiosa-ai-verdoppelt-die-produktionskapazitat-mit-einem-2-nanometer-stork-chip-gegen-nvid
- Quell-URL
- https://wccftech.com/furiosa-ai-doubling-chip-production-50000-units-next-year-2nm-stork-chip-challenges-nvidia-with-worlds-best-inference/
Aehnliche Inhalte
Verwandte Themen und interne Verlinkung
Weitere Artikel aus aehnlichen Themenfeldern, damit Leser direkt im selben Kontext weiterlesen koennen.
Alibaba veröffentlicht das Open-Source-KI-Modell Qwen 3.8 mit 27 Milliarden Parametern
Alibaba Cloud hat das kommerziell nutzbare Open-Source-Modell Qwen 3.8 27B mit 27 Milliarden Parametern unter der Apache 2.0-Lizenz auf Hugging Face veröffentlicht, das dank einer hybriden Architektur und eines erweiterbaren Kontextfensters Tokens sowohl für lokale Installationen als auch für API-Anfragen verfügbar ist. Während der Hersteller behauptet, dass das Modell in Programmieraufgaben und der Analyse visueller Dokumente Leistungen übertrifft, weisen unabhängige Beobachter darauf hin, dass die veröffentlichten Benchmarks noch keiner externen Validierung unterzogen wurden und die standardmäßige höchste Denkebene bei einfachen Aufgaben zu unnötig langen Verarbeitungszeiten führt.
