Maßgeschneiderte Chips treiben die Zukunft der KI voran

Heutzutage scheint es so, als ob fast jeder Tech-Gigant seine eigenen maßgeschneiderten Siliziumchips entwickelt oder nach bestehenden Chip-Herstellern Ausschau hält, um sie zu übernehmen. Aber warum ist das so? Da die Anzahl der für die unzähligen KI-Anwendungen benötigten Chips rasant ansteigt, kann die Eigenproduktion von Chips die Kosten senken und die Leistung von KI-Systemen verbessern, so Shobhit Varshney, VP und Senior Partner bei IBM Consulting.

„Wenn Sie die Architektur der Hardware so optimieren, dass sie mit der Architektur der Software zusammenarbeitet, macht das Magie aus“, sagt er kürzlich in einer Folge des Mixture of Experts-Podcasts von IBM. „Es senkt die Gesamtkosten und die Latenz und erhöht gleichzeitig den Durchsatz.“

Durch die Eigenproduktion von Chips verringern die Unternehmen auch ihre Abhängigkeit vom Chip-Hersteller NVIDIA, der schätzungsweise 70 bis 95 %des Marktes für KI-Chips kontrolliert. Das ist jedoch nicht die ganze Geschichte, so Kaoutar El Maghraoui., Principal Research Scientist und Manager bei IBM Research, in einem Interview mit IBM Think. Die Reduzierung der Abhängigkeit von NVIDIA verschiebt lediglich „das Zentrum der Power von einem Giganten zum anderen“, sagt sie.

Auch wenn Unternehmen die Kontrolle über den Designprozess übernehmen, den NVIDIA in den letzten Jahren dominiert hat, werden Unternehmen weiterhin stark auf die Taiwan Semiconductor Manufacturing Company Limited (TSMC) angewiesen sein, sagt Varshney. TSMC stellt weltweit die Mehrheit der KI-Chips für eine Vielzahl von Anwendungen her, von Smartphones bis zu militärischer Ausrüstung.

TSMC ist der „100-Pfund-Gorilla“, sagt Varshney. „Alle entwickeln Chips, aber TSMC ist derzeit das Herzstück der gesamten Branche.“

Der Chip-Wettlauf im Silicon Valley hat schon lange vor der Entwicklung von KI-Anwendungen begonnen, die den Appetit der Technologieunternehmen auf diese Chips erst so richtig angefacht haben. Im Jahr 2015 besiegte Googles KI-System AlphaGo, angetrieben von einem von Google entwickelten Chip namens Tensor-Processing Unit (TPU), einen professionellen menschlichen Spieler im alten chinesischen Spiel Go. Seitdem hat Google eine Reihe von Chips vorgestellt, die es selbst entwickelt hat, um KI-Systeme in seinem Rechenzentrum zu betreiben. Zuletzt kündigte Google im Dezember 2024 einen neuen KI-Chip für Quantencomputing namens Willow an. Das Unternehmen gibt an, dass Willow eine Standard-Benchmark-Berechnung in weniger als 5 Minuten durchführen kann – eine Berechnung, für die einer der heutigen schnellsten Supercomputer 10 Septillionen oder 10²⁵ Jahre benötigen würde.

Ungefähr zur gleichen Zeit, als Google AlphaGo auf den Markt brachte, begannen Forscher bei IBM ebenfalls mit der Entwicklung von KI-Hardware. Bis 2021 hatte IBM sein AI Hardware Center in Albany, New York, eröffnet, um ein breiteres KI-Ökosystem zu schaffen, und bis 2022 hatte IBMs neuer Telum-Mikroprozessorchip KI-Inferenz auf IBM Z gebracht, die Mainframes, die wertmäßig etwa 70 % der weltweiten Transaktionen abwickeln. Ende 2024 kündigte IBM einen neuen Spyre-Beschleunigerchip an, der generative KI in IBM Z Mainframes für Unternehmensnutzer brachte.

Inzwischen arbeitet AWS seit mindestens 2018 an eigenen Computerchips für KI-Projekte. Auf der AWS-Jahresveranstaltung 2024 kündigte Amazon seinen neuesten maßgeschneiderten Trainium3-KI-Chip an, den das Unternehmen zusammen mit den großen Sprachmodellen des Partners Anthropic für Kunden bereitstellt. Viele Unternehmen haben sich die KI-Chips von AWS zugesichert, darunter Apple, das auf der AWS 2024 Aufmerksamkeit erregte, da Apple selten über einen seiner Anbieter sprach.

Microsoft, das seit Jahren Chips zur Steuerung seiner Gaming-Funktionen herstellt, kündigte 2023 eigene maßgeschneiderte KI-Chips an, etwa zur gleichen Zeit, als der Technologieriese Meta seine eigenen Siliziumchip-Pläne ankündigte. OpenAI ist das neueste Unternehmen, das sich der Custom-Silicon-Party anschließt, obwohl es noch keine offiziellen Ankündigungen gemacht hat. Obwohl keine Details öffentlich bekannt gegeben wurden, berichtete Reuters Anfang dieses Monats, dass OpenAI seine Chipdesigns finalisiert und plant, sie 2025 über TSMC herzustellen.

Warum hat sich das Chip-Wettrennen in letzter Zeit intensiviert? Varshney von IBM sagt, dass Unternehmen, wenn sie Chips an bestimmte Sprachmodelle für die benötigten Anwendungsfälle anpassen können, Kosten senken, die Latenz verbessern oder die Datenübertragung von einem Netzwerk in ein anderes beschleunigen können. Er nennt ein Beispiel: Historisch gesehen nutzten Unternehmen bei der Betrugserkennung und Prüfung eingehender Rechnungen klassische Rechentechniken, weil das Volumen hoch war und sie sehr schnelle Latenz benötigten. „Und das mussten sie eine Million Mal am Tag tun, sodass sich die Kosten sehr schnell summierten“, so Varshney.

Jetzt, da Unternehmen ihre Chips für bestimmte Modelle optimieren können, sinken die Kosten für großvolumige Anwendungsfälle und es wird kostengünstiger, diese Lösungen in der Produktion in großem Maßstab einzusetzen. „Aus Unternehmenssicht ändern sich die Anwendungsfall also nicht“, sagt Varshney. „Aber jetzt fangen wir an, nach den großvolumigen zu suchen, bei denen der ROI früher nicht existierte.“

Angesichts der Tatsache, dass immer mehr Technologieunternehmen ihre Chips selbst entwickeln: Wie kann TSMC seinen Vorsprung gegenüber der Konkurrenz behaupten? Zum einen war der Ansatz des Unternehmens von Anfang an anders als bei anderen Technologieunternehmen. „Sie sind eine spezialisierte Auftragsfertigungsfirma, das heißt, sie entwerfen keine Chips, sondern stellen ausschließlich Chips für andere Unternehmen her“, so El Maghraoui von IBM . Im Laufe der Jahre haben immer mehr Unternehmen ihre Chipherstellung an TSMC ausgelagert, da die Kosten für die Herstellung einer immer vielfältigeren Chip-Auswahl steigen.

Gleichzeitig schossen die Kosten für die Herstellung einzelner Chips in die Höhe, sagte Dylan Patel, Gründer von SemiAnalysis, einem Unternehmen für Halbleiter-Forschung und -Analyse, in einem kürzlichen Podcast-Interview. TSMC hat sich auf die Chipherstellung spezialisiert und es seinen Unternehmenskunden sehr leicht gemacht, sagt Patel.

„Die Herstellung von Halbleitern ist äußerst veraltet und schwierig“, erklärt er. „Die Eintrittsbarriere ist deutlich höher [als bei den meisten Technologieunternehmen], da die Stellen hochspezialisiert sind.“ Abschließend sind die Mitarbeiter des TSMC sehr stolz auf ihre Arbeit, sagt Patel. „Sie arbeiten 80 Stunden pro Woche in einer Fabrik, und wenn etwas schiefgeht, wie zum Beispiel ein Erdbeben, tauchen sie mitten in der Nacht auf“, weil sie die Einzigen sind, die ein bestimmtes Gerät reparieren können, sagt er.

Ein weiterer Grund, warum es schwierig ist, die TSMC-Formel zu replizieren, ist, dass sie Milliarden von Dollar in den Kauf von Dutzenden hochspezialisierter, fortschrittlicher Chipherstellungsmaschinen investiert haben, die von einem weiteren Supraleiterriesen, dem niederländischen Unternehmen ASML, entwickelt wurden.

ASML war Pionier der extremen ultravioletten Lithographie (EUV), die im Grunde unglaublich kurze Lichtwellenlängen in großen Mengen erzeugt, um kleine, komplexe Designs auf Mikrochips zu drucken. Die Chipmaschinen von ASML kosten jeweils zwischen 183 Millionen und 380 Millionen US-Dollar. Eine der ersten EUV-Maschinen der Welt wurde 2014 im Albany Nanotech Complex installiert, der von NY CREATES besessen und betrieben wird und dessen Hauptpartner IBM ist.

Seitdem haben IBM Research und seine Partner ein Ökosystem zur Entwicklung und Optimierung der EUV-Lithografie aufgebaut, was es IBM und anderen ermöglicht hat, die Größe von Transistoren auf nur wenige Nanometer zu verkleinern, also zehntausendmal dünner als ein Haarstrang.

Während ASML und Partner wie IBM weiter daran arbeiten, immer kleinere Chips zu drucken, wird TSMC als Chip-Hersteller im Spiel bleiben. Patel von SemiAnalysis sieht die Beteiligung von TSMC nicht als Problem. „Ich denke nicht, dass dadurch unbedingt die Abhängigkeit gebrochen wird“, sagt er. „Ich denke, es bringt TSMC dazu, in den USA zu bauen.“ TSMC kündigte 2020 an, Chipfabriken in den USA zu bauen, und seitdem hat der Produktionsriese 65 Milliarden USD in die Entwicklung von drei Chipfabriken in Arizona investiert. Im vierten Quartal 2024 begann die Chipproduktion in der ersten TSMC-Chipfabrik in den Vereinigten Staaten.

Experten wie El Maghraoui sehen vielversprechende Möglichkeiten für Unternehmen, mithilfe von KI neue Materialien für Chips zu finden, die KI antreiben. Zu diesem Zweck könnten neue Modelle von IBM und Meta Forschern helfen, neue Materialien für die Chipherstellung zu entdecken, die in Zukunft gleiche Wettbewerbsbedingungen schaffen könnten.

„Wenn wir diese Modelle als Open-Source-Lösungen bereitstellen, beschleunigen wir die Innovation, fördern die Zusammenarbeit und fördern die Entwicklung völlig neuer Halbleiter“, sagt El Maghraoui.

Zum Beispiel nutzt ein Team im Foundation Models for Materials (FM4M)-Projekt von IBM Research, um neue Chips zu entwerfen, die die gleiche oder bessere Leistung erzielen können, aber mit einem geringeren Platzbedarf, so Jed Pitera, IBMs Strategie Co-Lead für nachhaltige Materialien. „Wenn ich eine Fabrik habe und zehn verschiedene Arten von Chips herstelle, wie groß ist dann der Speicherbedarf jedes Chips?“ fragt er und bezieht sich auf den Power und Wasserverbrauch sowie auf die Emissionen, die bei der Herstellung eines bestimmten Chips entstehen.

„Wenn wir den gesamten ökologischen Fußabdruck von Chip A kennen, können wir darüber nachdenken, wie wir die Chips herstellen, damit sie weiterhin die gleiche Leistung erbringen, aber mit einer minimierten Umweltbelastung“, sagt Pitera. „Wenn der ökologische Fußabdruck sinkt, sinken auch die Kosten.“