Google entwickelt Berichten zufolge einen Chip, in dessen Silizium Geminis Bauplan eingebrannt ist
Ein Serverchip mit dem Codenamen Frozen v2 soll die Form von Gemini fest in Hardware abbilden. Ingenieure rechnen Berichten zufolge mit der sechs- bis zehnfachen Ausgabe pro Energieeinheit. Google hat nichts davon bestätigt.
Google arbeitet Berichten zufolge an einem neuen Serverchip mit dem internen Codenamen Frozen v2, der Teile des Gemini-Modellaufbaus direkt in die Hardware integrieren soll. Laut Berichten, die diese Woche aufgegriffen wurden, rechnen Ingenieure damit, dass er pro Energieeinheit sechs- bis zehnmal mehr KI-Ausgabe liefern könnte als Googles aktuelle TPUs. Der Einsatz soll für 2028 geplant sein. Google hat nicht bestätigt, dass das Projekt existiert, und die Effizienzangabe ist eine interne Projektion statt eines gemessenen Ergebnisses. Behandle die Zahl daher als Hoffnung, nicht als Spezifikation.
Interessant ist das Wort „Architektur“. Ein Modell besteht aus zwei Dingen: seiner Architektur, also dem Bauplan dafür, wie Schichten und Verbindungen angeordnet sind, und seinen Gewichten, den Millionen abgestimmter Zahlen, die ihm Wissen geben. Frozen v2 verdrahtet Berichten zufolge den Bauplan, nicht aber die Zahlen fest. Das ist wichtig, denn Google könnte später immer noch ein neueres, klügeres Gemini auf denselben Chip laden. Würden auch die Gewichte eingefroren, wäre der Chip an dem Tag veraltet, an dem ein besseres Modell erscheint. Das berichtete Design ist ein Kompromiss zwischen Tempo und langfristiger Nutzbarkeit.
Die Effizienz entsteht durch weniger Hin- und Herschieben. Auf einem normalen Chip bedeutet der Betrieb eines Modells, Daten fortwährend zwischen Speicher und Recheneinheiten zu bewegen. Diese Bewegung verbraucht überraschend viel Strom, nicht die Mathematik selbst. Weiß der Chip bereits, welche Form die Berechnung hat, die von ihm verlangt wird, verschwindet ein großer Teil dieses Verschiebens.
Was dahintersteckt: Das ist eine Wette darauf, dass sich Modellarchitekturen allmählich stabilisieren. Jahrelang änderte sich der Aufbau von Spitzenmodellen zu schnell, um ihn in Silizium festzulegen, denn Chips brauchen vom Entwurf bis zum Einsatz ungefähr drei bis vier Jahre. Auf Hardware für 2028 zu setzen heißt darauf zu setzen, dass ein Gemini-artiges Modell in zwei Jahren noch weitgehend Gemini-artig aussieht. Der geschäftliche Grund ist unmittelbarer: Google fehlt Berichten zufolge interne Rechenkapazität, so sehr, dass der Cloud-Bereich nicht jeden Unternehmenskunden bedienen kann, der hineinwill. Günstigeres Bereitstellen ist gerade so viel wert wie ein besseres Modell, möglicherweise sogar mehr.
Was das für dich bedeutet: Heute ändert sich nichts, und wahrscheinlich auch 2027 nicht. Die Richtung solltest du aber kennen, denn die Kosten für den Betrieb von KI bestimmen, was du kostenlos bekommst. Jeder große Rückgang der Bereitstellungskosten in den vergangenen zwei Jahren zeigte sich innerhalb von Monaten entweder als Preissenkung oder als großzügigeres Gratisangebot. Wenn spezialisierte Chips wie dieser funktionieren, bedeutet das für die meisten Menschen praktisch, dass die guten Modelle nicht mehr rationiert werden. Die wichtige Einschränkung: Unbestätigte Projektionen ungenannter Ingenieure über Hardware in zwei Jahren gehören zur unzuverlässigsten Kategorie von KI-Nachrichten überhaupt. Eine Spanne von sechs- bis zehnfach ist breit genug, um „umwälzend“ und „moderat“ im selben Satz zu umfassen.
Quellen
Anthropic vergibt 50.000 Dollar an Credits an Forschende zu seltenen Krankheiten, Bewerbungsschluss ist der 2. August
Eine gezielte Ausschreibung im Rahmen von Anthropics Programm AI for Science, die sich an die rund 400 Millionen Menschen mit einer von mehr als 7.000 seltenen Krankheiten richtet. Zwei Förderlinien, offen bis zum 2. August.
