IT之家 AIVeröffentlichung der Quelle

Amazon-CEO Jassie: Um KI in Unternehmenssoftware weit verbreitet zu machen, muss der Kostenaufwand auf ein Zehntel des aktuellen Niveaus…

IT之家 Bericht vom 24. Oktober: Der CEO von Amazon, Andy Jassy, ist der Ansicht, dass die Kosten für die AI-Inferenz immer noch zu hoch sind.

Vielen Dank an den Benutzer von IT Home Ufenges linker Hand für die Hinweise!

IT之家 Bericht vom 24. Oktober: Der CEO von Amazon, Andy Jassy, ist der Ansicht, dass die Kosten für die AI-Inferenz immer noch zu hoch sind. Um AI in Unternehmenssoftware weit verbreitet zu machen, müssen die Kosten auf etwa ein Zehntel des aktuellen Niveaus sinken. Amazon’s eigen entwickelte Chips könnten dazu beitragen, die Kosten zu senken.

Jasi sagte in einem Interview, das am 23. Ortszeit von der Risikokapitalfirma a16z veröffentlicht wurde,: „Meiner Meinung nach ist der Rechenaufwand für eine möglichst breite Anwendung von KI immer noch um eine Größenordnung höher.“

Amazon plant in diesem Jahr eine Investition von 220 Milliarden US-Dollar (IT Home Note: bei der aktuellen Wechselkurs entspricht das etwa 1,47 Billionen RMB) für die Kapazitätsausbau, aber es ist immer noch nicht möglich, eine ausreichende Infrastruktur zu schaffen, um die Anforderungen von KI zu erfüllen. Jasi verrät, dass der Hauptbedarf an Rechenleistung für 2026 im Wesentlichen bereits reserviert ist, ein Großteil für 2027 von Kunden gebucht wurde und auch für 2028 ein erheblicher Teil bereits ausverkauft ist. Seiner Ansicht nach ist der Marktbedarf so stark, dass es für Amazon nicht wertvoll wäre, noch mehr Geld zu investieren.

Jasi vergleicht die Anforderungen an die KI mit einem „Hantelball”: Einerseits sind es die KI-Labore, deren Rechenleistung so groß ist, dass sie „unbekannt“ ist; andererseits sind es Unternehmenskunden, die die KI hauptsächlich für spezifische Aufgaben wie Kundenservice und Betrugserkennung verwenden.

Was noch nicht vollständig entwickelt ist, sind die Zwischenmärkte, also die verschiedenen Softwareprodukte, die Unternehmen täglich verwenden. Diese Software wird noch nicht weitgehend mit KI eingesetzt, aber Jasi glaubt, dass die größten KI-Anforderungen in Zukunft aus diesem Bereich kommen könnten.

Der Hauptfaktor, der die Verwendung von AI in Unternehmen einschränkt, ist die Rechenkosten. Modelle für AI verbrauchen Rechenleistung, wenn sie jedes Problem beantworten oder eine Aufgabe erledigen. Wenn die Vorteile durch die Einführung von AI nicht ausreichen, um die höheren Betriebskosten auszugleichen, haben Unternehmen wenig Anlass, ihr bestehendes Software-System zu überarbeiten.

Jasi vergleicht die Erfahrungen von Amazon vor vielen Jahren. Damals dominierte Intel den Markt für Cloud-Server-Prozessoren. Amazon wollte zu denselben Kosten eine bessere Rechenleistung erzielen, konnte aber Intel nicht überzeugen, diese Anforderung im Vordergrund zu setzen, und entschied sich schließlich dafür, die Graviton-Prozessoren selbst entwickeln zu lassen. In seiner Sicht „wird dieselbe Geschichte wieder im Bereich der Künstlichen Intelligenz stattfinden“.

Der Markt für AI-Chips wird derzeit von Nvidia dominiert. Amazon hat hingegen die selbst entwickelten Trainium-Chips eingeführt, um Kunden eine kostengünstigere Alternative anzubieten. Jasi nannte in dem Interview nicht direkt Nvidia, betonte jedoch, dass Amazon weiterhin ein wichtiger Partner des führenden Lieferanten auf dem Markt ist.

Laut der Präsentation ist die Preis-Leistungs-Verhältnis von Trainium um etwa 30% bis 40% höher als bei vergleichbaren Prozessoren. Kunden können mit dem gleichen Geld mehr Rechenleistung erhalten. „Unsere Chips-Branche spielt eine wichtige Rolle bei der Reduzierung der Berechnungskosten.“

Amazon hat zuvor bekanntgegeben, dass Trainium Zahlungen in Höhe von über 225,0 Milliarden US-Dollar (auf der aktuellen Wechselkurslage etwa 1,5 Billionen Renminbi) für zukünftige Leistungen erhalten wird, darunter die Vereinbarungen mit Anthropic und OpenAI.

Originalquelle

IT之家 AI

Hinweise zum Inhalt

Originalveröffentlichung und Rechte liegen bei der Quelle.

Maschinelle Übersetzung · Original beachten