{"id":11627,"date":"2025-02-11T11:46:32","date_gmt":"2025-02-11T11:46:32","guid":{"rendered":"https:\/\/byte-bucket.com\/2025\/02\/11\/schnellere-ki-startups-fordern-nvidia-heraus\/"},"modified":"2025-02-11T11:46:32","modified_gmt":"2025-02-11T11:46:32","slug":"schnellere-ki-startups-fordern-nvidia-heraus","status":"publish","type":"post","link":"https:\/\/byte-bucket.com\/?p=11627","title":{"rendered":"Schnellere KI: Startups fordern Nvidia heraus"},"content":{"rendered":"<p>Zwei Startups, Cerebras Systems und Groq, sorgen mit ihren ma\u00dfgeschneiderten Chips zunehmend f\u00fcr Aufsehen in der Welt der K\u00fcnstlichen Intelligenz (KI). Beide Unternehmen entwickeln Hardware-L\u00f6sungen, die das chinesische Large Language Model (LLM) DeepSeek auf eine neue Geschwindigkeitsstufe heben sollen und Nvidia, den bisherigen Marktf\u00fchrer in diesem Bereich, unter Druck setzen.<\/p>\n<p>Cerebras Systems ist bekannt f\u00fcr seine gigantischen Computerchips, die in ihrer Gr\u00f6\u00dfe mit Tellern vergleichbar sind. Diese sogenannten Wafer-Scale-Chips zeichnen sich durch ein radikal neues Design aus und haben in Tests DeepSeek in Codierungsaufgaben einen klaren Vorsprung verschafft. Laut Artificial Analysis waren sie bis zu 57 Mal schneller als Konkurrenzsysteme, die DeepSeek auf Grafikprozessoren (GPUs) betrieben. Cerebras meldete Geschwindigkeitsrekorde: DeepSeek l\u00f6ste komplexe Aufgaben innerhalb von nur 1,5 Sekunden, w\u00e4hrend andere Systeme Minuten ben\u00f6tigten.<\/p>\n<p>Doch Groq, gegr\u00fcndet von einem ehemaligen Google-Ingenieur mit Expertise im Bereich Schaltkreise, lie\u00df sich nicht davon abhalten und pr\u00e4sentierte schnell ein noch ambitionierteres Angebot. Groqs Chips sind speziell f\u00fcr gro\u00dfe Sprachmodelle optimiert und erm\u00f6glichen es DeepSeek, Antworten in nahezu Echtzeit zu liefern \u2013 im Gegensatz zu herk\u00f6mmlichen LLMs, die zeilenweise produzieren.<\/p>\n<p>Diese Entwicklungen reflektieren einen wichtigen Paradigmenwechsel in der KI-Modellentwicklung. Der Fokus verschiebt sich zunehmend von komplexen Argumentationsmodellen hin zur schnellen und effizienten Inferenz, dem Prozess, bei dem ein fertiges KI-Modell Nutzeranfragen verarbeitet. Geschwindigkeit und Kosten gewinnen an Bedeutung.<\/p>\n<p>Groq und Cerebras bieten attraktive Alternativen zu Nvidia, insbesondere da sie potenziell die Notwendigkeit gro\u00dfer Hardware-Investitionen reduzieren k\u00f6nnten. Obwohl Big Tech aktuell noch stark auf Nvidia setzt, k\u00f6nnte sich das Bild durch schnellere und kosteng\u00fcnstigere L\u00f6sungen, wie sie von den Startups angeboten werden, ver\u00e4ndern \u2013 vor allem an der Peripherie des Marktes. Dieser Trend wird Nvidia sicherlich in Zukunft weiter herausfordern und zu einem spannenden Wettbewerb im Bereich der KI-Hardware f\u00fchren.<\/p>\n<p>Die j\u00fcngste Kursentwicklung der Nvidia-Aktie nach diesen Entwicklungen demonstriert eindrucksvoll die Unsicherheit, die diese Herausforderungen auf den Markt bringen. (pz)<\/p>\n<p>Schlagw\u00f6rter: DeepSeek + Nvidia + KI<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Zwei Startups, Cerebras Systems und Groq, sorgen mit ihren ma\u00dfgeschneiderten Chips zunehmend f\u00fcr Aufsehen in der Welt der K\u00fcnstlichen Intelligenz (KI). Beide Unternehmen entwickeln Hardware-L\u00f6sungen, die das chinesische Large Language Model (LLM) DeepSeek auf eine neue Geschwindigkeitsstufe heben sollen und Nvidia, den bisherigen Marktf\u00fchrer in diesem Bereich, unter Druck setzen.&#46;&#46;&#46;<\/p>\n","protected":false},"author":6,"featured_media":11626,"comment_status":"","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-11627","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-uncategorized"],"_links":{"self":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/posts\/11627","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/users\/6"}],"replies":[{"embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=11627"}],"version-history":[{"count":0,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/posts\/11627\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/media\/11626"}],"wp:attachment":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=11627"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=11627"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=11627"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}