Seite - 41 - in Künstliche Intelligenz - Technologie | Anwendung | Gesellschaft

iit-Themenband – Künstliche Intelligenz 41 Expansion, u. a. auch durch den Zukauf der Berliner Mental Images GmbH im Jahr 2007. Im gleichen Jahr veröffentlichte Nvidia mit CUDA (Compute Unified Device Architecture) eine Schnittstelle für seine Hardware, um GPGPU für das unspezifische Abarbeiten parallelisierbarer Rechenaufgaben zu ermöglichen. Das war der Startschuss für eine breite Nutzung der Grafikkarten für DL in einer gro- ßen Forschungsgemeinschaft. Ebenfalls 2007 brachte Nvidia den ersten Prozessor der Tesla-Reihe auf den Markt, dessen aktuelle Version Volta heißt. Die Strukturgröße der Transistoren im Volta ist nur noch zwölf Nanometer groß, und der Chip umfasst mehr als 5.000 Shader – ein großer Unterschied also zu den 28 Rechenkernen in Intels aktueller CPU. Nvidia spricht in Hinblick auf die aktuellste Volta-Generation von neuen „Tensor Cores“6. Der Begriff in der Benennung von Chips soll darauf hindeu- ten, dass Matrixoperationen auf diesen Chips sehr effizient durchgeführt werden können. Während bei CPUs die Leistungszuwächse (oft beschrieben durch das „Mooresche Gesetz“) in den vergangenen Jahren von Generation zu Generation eher kleiner wurden, konnten Nvidias GPUs in den aktuellsten Generationen enorme Leistungssprünge verzeichnen. Gegenüber CPUs, die sich seit vielen Jahren in PCs, Servern – heute meist Cloud genannt – und mittlerweile insbesondere in Smartphones befinden, konnte Nvidia mit seinen neuen KI-Chips ein völlig neues Marktsegment erschließen. Dies spiegelt sich deutlich in der unterschiedlichen Entwicklung der Aktienkurse von Nvidia und vom Hersteller klassischer CPUs Intel wider (siehe Abbildung 1.2). Und Nvidias KI- Chips können auch in der Cloud als mächtige KI-Rechencluster genutzt werden. Inte- ressanterweise arbeitet das Unternehmen für dieses Angebot mit Microsoft und dem im Cloud-Computing dominanten Amazon zusammen. Im Rahmen seines „AI Lab“- Programms kooperiert Nvidia mit wichtigen KI-Forschungseinrichtungen. Als einen der beiden ersten europäischen Partner wählte Nvidia das Deutsche Forschungszen- trum für Künstliche Intelligenz (DFKI) in Saarbrücken (Auel 2016). Aufgrund der absehbar auch künftig dynamischen Marktentwicklung von KI für eine steigende Anzahl von Anwendungen hat auch der Konzern Google, der sich die Entwicklung von KI seit Unternehmensgründung als langfristiges Ziel auf die Fahnen geschrieben hatte, eine eigene Hardware entwickelt. Deren Name TPU (Tensor Pro- cessing Unit), orientiert sich an den Begriffen CPU und GPU. Die gegenwärtig bereits in der zweiten Generation verfügbaren Google-TPUs dienen ebenfalls dazu, Matrix- 6 Da auch Google den Begriff Tensor für die eigene Hardware verwendet, sei kurz darauf hingewiesen, dass es sich bei einem Tensor um ein mathematisches Objekt handelt, das in einfachen Fällen eine Zahl oder ein Vektor ist, in komplexeren Fällen eine multidimensio- nale Matrix.