Warum entwickelt Google ein maßgeschneidertes Gehirn für seine KI-Modelle?

Jedes Mal, wenn Sie eine KI bitten, ein langes Dokument zusammenzufassen oder ein Stück Code zu generieren, beginnt ein stiller industrieller Prozess. Die Worte auf Ihrem Bildschirm sind das Endprodukt, aber die Rohstoffe sind Elektrizität und Silizium. Um einen einzigen Textabschnitt zu erstellen, verbraucht eine Serverfarm an einem Ort wie Iowa oder Finnland genug Strom, um ein Haushaltsgerät mehrere Minuten lang zu betreiben. Diese Server verlassen sich auf Chips, die als das digitale Rohöl unserer Ära fungieren und jede Suchanfrage sowie jede automatisierte Antwort antreiben.

Derzeit ist die Nachfrage nach diesen digitalen Materialien so hoch, dass die Lieferketten unter der Last nachgeben. Google versucht nun, diesen Engpass zu umgehen, indem es die Funktionsweise seiner Hardware grundlegend ändert. Das Unternehmen entwickelt einen neuen Server-Chip mit dem informellen Namen Frozen v2, der Elemente seines Gemini-KI-Modells direkt in die physische Hardware integriert. Dies ist eine Abkehr von der üblichen Funktionsweise von Computern. Traditionell ist ein Chip ein Allzweckwerkzeug, das jede Software ausführt, die man ihm gibt. Google baut nun einen Chip, der in gewissem Sinne vorgeformt ist, um genau in die spezifische Logik der eigenen KI zu passen.

Die Kosten eines digitalen Gedankens

Um zu verstehen, warum Google diesen Schritt geht, müssen wir uns die Effizienz eines einzelnen KI-Tokens ansehen. Ein Token entspricht in etwa einem Wort oder einem Teil eines Wortes. Wenn ein Modell wie Gemini Informationen verarbeitet, bewegt es diese Token durch Schichten mathematischer Berechnungen. In einem Standard-Setup verbraucht die Hardware eine enorme Menge an Energie allein dafür, Daten zwischen dem Prozessor und dem Speicher hin und her zu bewegen. Diese Bewegung erzeugt Hitze und verbraucht Strom, was sich in höheren Kosten für das Unternehmen und letztendlich für den Nutzer niederschlägt.

Google Cloud hat kürzlich Aufträge von externen Kunden abgelehnt, weil schlichtweg nicht genug Rechenleistung vorhanden war. Dieser Kapazitätsengpass ist eine industrielle Realität, die die meisten Nutzer nie zu Gesicht bekommen. Wenn ein Cloud-Anbieter Nein zu einem Vertrag sagt, liegt das daran, dass seine Rechenzentren physisch voll sind oder die Stromrechnungen untragbar werden. The Information berichtet, dass diese internen Spannungen die Entwicklung von Frozen v2 vorangetrieben haben. Das Ziel ist es, einen Chip zu entwickeln, der sechs- bis zehnmal effizienter ist als aktuelle Modelle, gemessen an der Anzahl der bedienten Token pro Leistungseinheit.

Praktisch gesehen: Wenn Google zehnmal mehr KI-Antworten mit der gleichen Menge an Strom liefern kann, löst das zwei Probleme gleichzeitig. Es senkt die astronomischen Kosten für den Betrieb von Gemini und ermöglicht es dem Unternehmen, mehr Nutzer zu bedienen, ohne zehnmal so viele Rechenzentren bauen zu müssen. Für den durchschnittlichen Nutzer könnte dies den Unterschied zwischen einem kostenlosen KI-Tool und einem Tool ausmachen, das hinter einer monatlichen Bezahlschranke von zwanzig Dollar verborgen ist.

Die Cloud erreicht ihre physische Grenze

Historisch gesehen haben Technologieunternehmen Geschwindigkeitsprobleme gelöst, indem sie Chips verkleinert und mehr davon in einen einzigen Raum gepackt haben. Wir haben einen Punkt erreicht, an dem diese Strategie abnehmende Erträge liefert. Moderne KI-Modelle sind so groß, dass sie Tausende von Chips benötigen, die in perfekter Synchronisation arbeiten. Wenn ein Chip langsam ist, wartet das gesamte System.

Google nutzt bereits eigene Tensor Processing Units (TPUs) für einen Großteil seiner KI-Arbeit. Dies sind spezialisierte Chips, aber sie sind immer noch flexibel genug, um viele verschiedene Arten von Modellen auszuführen. Frozen v2 ist anders, weil es weniger ein Allzweckwerkzeug als vielmehr ein spezialisiertes Skelett für Gemini ist. Durch die Festverdrahtung spezifischer Teile des Modells im Silizium reduziert Google die Notwendigkeit für den Chip, darüber „nachzudenken“, wie die Daten zu verarbeiten sind. Die Anweisungen sind bereits da, in die Hardware selbst geätzt.

Dieser Ansatz bringt einen erheblichen Kompromiss mit sich. Wenn die Ingenieure das Gemini-Modell in drei Jahren grundlegend ändern, könnte ein festverdrahteter Chip veraltet sein. Es ist eine riskante Wette darauf, dass die aktuelle Architektur von Gemini das grundlegende Design für das nächste Jahrzehnt ist. Die Ingenieure legen derzeit noch fest, wie viel der Modellinformationen dauerhaft in der Hardware verankert wird – eine Entscheidung, die darüber bestimmt, wie starr oder flexibel der Chip sein wird, wenn er schließlich 2028 erscheint.

Wie Frozen v2 das Chip-Geschäft verändert

Marktseitig ist dieser Schritt ein klarer Versuch, die Abhängigkeit von externen Anbietern wie Nvidia zu verringern. Während Google eigene TPUs baut, läuft ein Großteil der Welt immer noch auf den H100- und H200-Prozessoren von Nvidia. Durch die Entwicklung eines Chips, der fundamental untrennbar mit seiner Software verbunden ist, schafft Google einen geschlossenen Kreislauf. Dies macht es für Wettbewerber sehr schwierig, deren Effizienz zu erreichen, da der Wettbewerber nur die Software hat, während Google sowohl die Software als auch den spezialisierten Motor besitzt, der für deren Ausführung gebaut wurde.

Betrachtet man das große Ganze, ist dieses Projekt eine Reaktion auf einen volatilen Markt, in dem jeder dem gleichen begrenzten Vorrat an Silizium hinterherjagt. Die Aktien von Alphabet stiegen nach dem Bericht um 3,3 %, was zeigt, dass Investoren Selbstgenügsamkeit derzeit über fast alles andere schätzen. Der Markt erkennt, dass das Unternehmen mit der effizientesten Hardware den Margenkrieg gewinnt. Wenn es OpenAI fünf Cent kostet, eine Frage zu beantworten, und Google einen halben Cent, hat Google einen systemischen Vorteil, der allein durch Software-Updates fast unmöglich zu überwinden ist.

Den Pfad von Software zu Hardware nachverfolgen

Wenn wir herauszoomen, sehen wir, wie dies den Lebenszyklus eines Produkts beeinflusst. In den frühen Tagen einer neuen Technologie ist die Software schnell und die Hardware langsam. Entwickler ändern ihren Code jede Woche, daher muss die Hardware ein unbeschriebenes Blatt sein, das sich anpassen kann. Wenn eine Technologie reift, festigt sich die Software in einer stabilen Form. Dies ist der Punkt, an dem es sinnvoll ist, die Software in die Hardware „einzubacken“.

Wir haben dies bei Videospielen gesehen. In den 1990er Jahren nutzten Computer allgemeine Prozessoren für alles. Schließlich schufen Unternehmen Grafikkarten (GPUs), die festverdrahtet waren, um eine Sache zu tun: Dreiecke und Licht zu berechnen. Die KI durchläuft derzeit denselben Übergang. Frozen v2 ist ein aufkommendes Zeichen dafür, dass KI kein experimentelles Softwareprojekt mehr ist. Sie wird zu einem grundlegenden Versorgungsunternehmen, wie Strom oder Wasser, bei dem die Priorität auf einer kostengünstigen Bereitstellung in massivem Maßstab liegt.

Interessanterweise berichtete Bloomberg kürzlich, dass Google sein neuestes Gemini-Modell verschieben musste, weil es die internen Ziele nicht erreichte. Dies unterstreicht die Reibung in diesem Übergang. Wenn die Software noch nicht perfekt ist, ist die Festverdrahtung in einen Chip ein gefährlicher Schritt. Die Verzögerung deutet darauf hin, dass Google die „Form“ seiner KI noch verfeinert, bevor es diese Form für einen milliardenschweren Silizium-Fertigungslauf festlegt. Ein Fehler im Hardware-Design kann nicht mit einem schnellen Patch oder einem Update über Nacht behoben werden.

Der lange Weg bis 2028

Für den durchschnittlichen Nutzer scheint 2028 eine lange Wartezeit für einen schnelleren Chatbot zu sein. In der Welt der Industrie-Hardware ist ein Zeitraum von vier Jahren ein Standard-Entwicklungszyklus. Das Entwerfen eines Chips, das Testen der Architektur und die Sicherung von Kapazitäten in einer Fertigungsanlage wie TSMC erfordern jahrelange Vorlaufzeit. Das bedeutet, dass Google heute Entscheidungen über die KI trifft, die Sie am Ende des Jahrzehnts nutzen werden.

Hinter dem Fachjargon geht es um Resilienz. Google versucht sicherzustellen, dass seine Dienste verfügbar bleiben, selbst wenn die weltweiten Chip-Vorräte knapp bleiben. Durch die Herstellung eigener spezialisierter Hardware sind sie weniger anfällig für die zyklische Natur der Halbleiterindustrie. Sie bauen ihr eigenes Kraftwerk, anstatt Strom aus dem Netz zu kaufen. Dieses Maß an vertikaler Integration ist teuer, bietet aber ein Maß an Kontrolle, das den meisten anderen Tech-Unternehmen fehlt.

Aus der Sicht des Verbrauchers werden Sie nicht unbedingt ein „Frozen v2“-Logo auf Ihrem Telefon oder in Ihrem Browser sehen. Die Auswirkungen werden unsichtbar sein. Sie werden bemerken, dass Gemini schneller antwortet, längere Dokumente ohne Verzögerung verarbeitet und vielleicht fortschrittlichere Funktionen kostenlos anbietet. Die Schwerindustrie, die im Hintergrund stattfindet – das Gießen von Silizium und die Optimierung von Stromnetzen – ist das, was das leichtgewichtige digitale Erlebnis erst möglich macht.

Was das für Ihr monatliches Abonnement bedeutet

Letztendlich ist die Entwicklung von Frozen v2 eine Erinnerung daran, dass KI nicht nur ein digitales Phänomen ist. Sie ist ein physisches. Da die Modelle komplexer werden, muss die Hardware spezialisierter werden, um Schritt zu halten. Dies ist ein praktischer Wandel hin zu einer Zukunft, in der unsere Geräte nicht nur KI ausführen, sondern physisch aus KI aufgebaut sind.

Vorerst ist der beste Weg zur Vorbereitung zu beobachten, wie diese Tools in Ihre täglichen Gewohnheiten integriert werden. Wenn sich die Effizienz verbessert, wird die KI wahrscheinlich von einem eigenständigen Chat-Fenster in den Hintergrund jeder App rücken, die Sie verwenden. Achten Sie auf die Kosten. Wenn die Hardware-Effizienz tatsächlich um das Zehnfache springt, sollten wir erwarten, dass der aktuelle Trend steigender Abonnementpreise stagniert oder sich sogar umkehrt. Sie sollten nach Diensten suchen, die beweisen können, dass sie nachhaltig sind, da dies diejenigen sein werden, die den kommenden Energie- und Kapazitätsengpass überleben. Das unsichtbare Rückgrat des Internets verändert sich, und das Ergebnis wird ein gestraffteres, wenn auch vielleicht geschlosseneres digitales Ökosystem sein.

Quellen: The Information, Bloomberg News, Alphabet Investor Relations, Google Cloud Official Communications.