Was der 40% Gewinn bedeutet
Effizienz im Chip-Design bezieht sich typischerweise auf die Leistung pro Watt. Bei KI-Workloads, die intensive Berechnungen und Datenbewegungen umfassen, sind die Stromkosten ein dominanter Faktor. Eine Verbesserung von 40% ist erheblich. Sie könnte den Unterschied ausmachen, ob ein Modell auf einer bestimmten Anzahl von Servern läuft oder ob mehr benötigt werden. Sie könnte auch die Energiekosten für ein Rechenzentrum senken.
Diese Zahl ist besonders relevant, da KI-Modelle immer größer werden. Das Training eines großen Sprachmodells kann Megawattstunden Strom verbrauchen. Inferenz, der Prozess der Nutzung eines trainierten Modells, erfordert ebenfalls erhebliche Rechenleistung. Jeder Effizienzgewinn wirkt sich direkt auf die Wirtschaftlichkeit von KI aus.
Microsofts Vorstoß bei kundenspezifischen Chips
Microsoft entwickelt seit Jahren eigene KI-Chips. Die Azure-Cloud-Plattform des Unternehmens verwendet eine Mischung aus Chips verschiedener Anbieter, aber kundenspezifische Chips ermöglichen es Microsoft, für seine spezifischen Workloads zu optimieren. Sie verringern auch die Abhängigkeit von einem einzigen Anbieter.
Nadellas Aussage spezifiziert nicht, auf welchen Chip sich die 40% beziehen, und beschreibt auch nicht die Testmethode. Es ist möglich, dass der Gewinn je nach Workload variiert. Aber die Behauptung gibt einen Einblick in die Fortschritte, die Microsoft macht.
Die breitere Auswirkung
Kundenspezifische Chips sind zu einem Schwerpunkt für große Cloud-Anbieter geworden. Die Fähigkeit, Chips auf KI-Workloads zuzuschneiden, kann Leistungs- und Effizienzvorteile gegenüber Standardoptionen bieten. Microsofts 40%
