NVIDIA verliert an Bedeutung: Evercore warnt, dass steigende Kühl- und Stromkosten Hyperscaler zu eigenen ASICs treiben.
Obwohl allgemein davon ausgegangen wird, dass die Chips des KI-GPU-Riesen NVIDIA eine überlegene Gesamtbetriebskosten (TCO) Vergleich zu alternativen kundenspezifischen KI-Chips bieten, sind Analysten
Kurzfassung
Warum das wichtig ist
- Obwohl allgemein davon ausgegangen wird, dass die Chips des KI-GPU-Riesen NVIDIA eine überlegene Gesamtbetriebskosten (TCO) Vergleich zu alternativen kundenspezifischen KI-Chips bieten, sind Analysten
- NVIDIA-CEO Jensen Huang hat die Preisgestaltung seiner KI-Chips mehrfach verteidigt, indem er behauptete, sie bieten eine bessere Leistungseffizienz als Wettbewerber.
- Laut dem Bericht jedoch bei der Auswahl Kennzahlen, wie beispielsweise die Kühlkosten der Chips.
SvyTech-Check
Redaktionelle Einordnung
Kernpunkt
Obwohl allgemein davon ausgegangen wird, dass die Chips des KI-GPU-Riesen NVIDIA eine überlegene Gesamtbetriebskosten (TCO) Vergleich zu alternativen kundenspezifischen KI-Chips bieten, sind Analysten
Warum relevant
Die Diskussion über die Nutzungskosten auf eine Analyse, die sich ebenfalls mit diesem Thema befasste.
Einordnung
SvyTech ordnet die Meldung aus Wccftech als Teil des Themenfelds Technologie ein und verweist auf den Originalartikel, damit Leser Fakten, Quelle und Kontext nachvollziehen koennen.
Die Diskussion über die Nutzungskosten auf eine Analyse, die sich ebenfalls mit diesem Thema befasste. In ihrer Abdeckung stellte Morgan Stanley fest, dass der Aufbau eines Rechenzentrums mit NVIDIAs Blackwell-GPUs zwar doppelt so teuer ist wie mit kundenspezifischen KI-Chips, die Leistung pro Watt der Blackwell-GPUs jedoch bis zu achtmal höher ist.
Allerdings weist Evercore in seiner Analyse darauf hin, dass KI-Ingenieure bei der Bewertung pro Watt weitere Faktoren berücksichtigen. Zitat KI-Ingenieure und anderer Akteure aus der Hyperscaler-Branche, legt das Finanzunternehmen dar, dass Nutzer der Chips auch bei der Verwendung den Blick nehmen.
Laut Evercore bedeutet der Übergang „training-getriebenen Regime" zu einem „inference-getriebenen Regime" eine „steigende Fokussierung auf Kosten pro Token, ROI und TCO, was das Interesse der Hyperscaler an eigenentwickelten ASICs und alternativen Beschleunigern beschleunigt".
Technik und Auswirkungen
Quellenprofil
Quelle und redaktionelle Angaben
- Quelle
- Wccftech
- Canonical
- https://wccftech.com/nvidia-loses-ground-with-ai-engineers-as-cooling-and-power-costs-push-hyperscalers-toward-custom-asics-evercore-warns/
- Quell-URL
- https://wccftech.com/nvidia-loses-ground-with-ai-engineers-as-cooling-and-power-costs-push-hyperscalers-toward-custom-asics-evercore-warns/
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.
