Der AI-Boom ist nicht geplatzt, aber AI-Computing ändert sich definitiv

Fürchten Sie sich nicht zu sehr vor den AI-Bären. Sie fragen sich laut, ob der große Boom in AI-Investitionen bereits vorbei ist, ob die massive Ausgabe für AI-Trainingsysteme, die von vielen High-Performance-GPUs angetrieben werden, sich bereits ausgetragen hat, und ob die Erwartungen an die AI-Ära radikal zurückgeschraubt werden sollten.

Wenn man jedoch genauer auf die Pläne der großen Hyperscaler schaut, ist AI-Investition sehr lebendig. Meta, Amazon (AMZN ), Microsoft (MSFT ) und Google haben alle kürzlich ihre Investitionen in AI-Technologie verdoppelt. Ihre gemeinsame Verpflichtung für 2025 beträgt über 300 Milliarden Dollar, laut einer jüngsten Geschichte in der Financial Times. Microsoft-CEO Satya Nadella sagte, Microsoft könne allein 80 Milliarden Dollar für AI ausgeben. Meta-Gründer und CEO Mark Zuckerberg sagte auf Facebook: “Wir planen, 60-65 Milliarden Dollar in Kapitalausgaben zu investieren, während wir auch unsere AI-Teams erheblich ausbauen, und wir haben das Kapital, um in den kommenden Jahren weiter in AI zu investieren.”

Dies ist nicht der Klang eines AI-Booms, der geplatzt ist, aber es gibt eine wachsende Unruhe darüber, wie viel Geld für die Aktivierung von AI-Anwendungen ausgegeben wird. Nach mindestens zwei Jahren, in denen Technologie-Giganten sagten, sie sähen eine klare Nachfrage nach mehr Rechenleistung, um große AI-Modelle zu trainieren, hat 2025 mit diesen gleichen Unternehmen begonnen, die täglich von der Wirtschaftspresse für den Aufbau so viel AI-Hype gerügt werden.

Warum gab es einen so plötzlichen Wechsel von Hoffnung zu Besorgnis? Die Antwort kann teilweise in dem raschen Aufstieg einer neuen AI-Anwendung aus China gefunden werden. Um jedoch vollständig zu verstehen, was wirklich passiert und was es für AI-Investitionen und Technologie-Programme in den kommenden Jahren bedeutet, müssen wir anerkennen, dass die AI-Ära in eine neue Phase ihrer Evolution eintritt.

DeepSeeking the Truth

Die Welt weiß inzwischen alles über DeepSeek, das chinesische AI-Unternehmen, das behauptet, es habe Inference-Engines und statistische Argumentation verwendet, um große Sprachmodelle viel effizienter und kostengünstiger zu trainieren als andere Unternehmen ihre Modelle trainiert haben.

Insbesondere behauptete DeepSeek, seine Techniken hätten dazu geführt, dass es viel weniger GPUs (nur 2.048 GPUs) und weniger leistungsstarke GPUs (Nvidia (NVDA ) H800s) benötigte als die Hunderttausende von High-End-GPUs (wie Nvidia H100s), die einige Hyperscale-Unternehmen benötigt haben, um ihre Modelle zu trainieren. In Bezug auf die Kosteneinsparungen gab OpenAI Milliarden von Dollar für die Ausbildung von ChatGPT aus, während DeepSeek berichtet haben soll, nur 6,5 Millionen Dollar für die Ausbildung seines R1-Modells ausgegeben zu haben.

Es sollte beachtet werden, dass viele Experten DeepSeeks Ausgabenansprüche angezweifelt haben, aber der Schaden war bereits angerichtet, da die Nachrichten über seine unterschiedlichen Methoden zu einem tiefen Einbruch der Aktienwerte der Hyperscaler und der Unternehmen führten, deren GPUs sie Milliarden für die Ausbildung ihrer AI-Modelle ausgegeben haben.

Es wurden jedoch einige wichtige Punkte im Chaos verloren. Einer davon war das Verständnis, dass DeepSeek keine neue Methode erfunden hat, um mit AI zu arbeiten. Der zweite Punkt ist, dass ein großer Teil des AI-Ökosystems sich bereits einer bevorstehenden Änderung in der Art und Weise bewusst war, wie AI-Investitionsgelder ausgegeben werden müssen und wie AI in den kommenden Jahren eingesetzt wird.

In Bezug auf DeepSeeks Methoden ist die Verwendung von AI-Inference-Engines und statistischer Argumentation nichts Neues. Die Verwendung statistischer Argumentation ist ein Aspekt des umfassenderen Konzepts der Inference-Modell-Argumentation, die AI ermöglicht, auf der Grundlage von Mustererkennung Schlussfolgerungen zu ziehen. Dies ist im Wesentlichen ähnlich wie die menschliche Fähigkeit, verschiedene Ansätze für ein Problem zu lernen und sie zu vergleichen, um die beste mögliche Lösung zu finden. Inference-basierte Modell-Argumentation kann heute verwendet werden und ist nicht exklusiv für ein chinesisches Start-up.

Unterdessen hat das AI-Ökosystem bereits seit geraumer Zeit eine grundlegende Änderung in der Art und Weise vorhergesehen, wie wir mit AI und den erforderlichen Rechenressourcen arbeiten. Die ersten Jahre der AI-Ära waren alles über die große Aufgabe, große AI-Modelle auf sehr großen Datenmengen zu trainieren, was eine Menge Verarbeitung, komplexe Berechnungen, Gewichtsanpassungen und Speicherabhängigkeit erforderte. Nachdem AI-Modelle trainiert wurden, ändert sich alles. AI kann Inference verwenden, um alles, was es gelernt hat, auf neue Datenmengen, Aufgaben und Probleme anzuwenden. Inference ist als weniger rechenintensiver Prozess als das Training nicht so viele GPUs oder Rechenressourcen erforderlich.

Die ultimative Wahrheit über DeepSeek ist, dass seine Methoden, obwohl sie die meisten von uns im AI-Ökosystem nicht so sehr überrascht haben wie die casual interessierten Aktienmarkt-Investoren, einen der Wege hervorhoben, auf denen Inference für die nächste Phase der AI-Evolution von zentraler Bedeutung sein wird.

AI: Die nächste Generation

Das Versprechen und das Potenzial von AI haben sich nicht geändert. Die laufenden massiven AI-Investitionen der großen Hyperscaler zeigen den Glauben, den sie in die Zukunft haben, die sie durch AI freisetzen können, sowie die Weise, wie AI fast jede Branche verändern und wie fast alle Menschen ihr tägliches Leben führen können.

Was sich jedoch für diese Hyperscaler geändert hat, ist, wie diese Dollar ausgegeben werden. In den ersten Jahren der AI-Ära wurde die meiste Investition notwendigerweise in das Training investiert. Wenn man an AI als ein Kind denkt, mit einem Geist, der noch in der Entwicklung ist, haben wir viel Geld ausgegeben, um es auf die besten Schulen und Universitäten zu schicken. Jetzt ist dieses Kind ein ausgebildeter Erwachsener – und es muss einen Job finden, um sich selbst zu unterstützen. In der realen Welt haben wir viel in AI investiert, und jetzt müssen wir die Rendite auf diese Investition sehen, indem wir AI verwenden, um neue Einnahmen zu generieren.

Um diese Rendite auf die Investition zu erzielen, muss AI effizienter und weniger teuer werden, um Unternehmen zu helfen, seinen Marktwert und seine Nützlichkeit für so viele Anwendungen wie möglich zu maximieren. Die lukrativsten neuen Dienste werden die autonomen sein, die keine menschliche Überwachung und Verwaltung erfordern.

Für viele Unternehmen bedeutet dies, ressourcenschonende AI-Computing-Techniken wie Inference-Modell-Argumentation zu nutzen, um autonome Maschine-zu-Maschine-Kommunikation schnell und kostengünstig zu ermöglichen. Zum Beispiel kann AI in der Wireless-Branche verwendet werden, um in Echtzeit Daten über die Spektrumnutzung in einem Mobilfunknetz zu analysieren, um Kanalnutzung zu optimieren und Interferenzen zwischen Benutzern zu minimieren, was letztendlich einem Mobilfunkbetreiber ermöglicht, dynamisches Spektrum-Sharing über sein gesamtes Netz zu unterstützen. Diese Art von effizienterer, autarker AI-gesteuerter Maschine-zu-Maschine-Kommunikation wird AI’s nächste Generation definieren.

Wie bei jeder anderen großen Rechenära auch hat sich AI-Computing weiterentwickelt. Wenn die Geschichte der Rechnertechnologie uns etwas gelehrt hat, dann ist es, dass neue Technologie immer viel vorherige Investition erfordert, aber die Kosten werden sinken und die Effizienz wird steigen, wenn wir beginnen, verbesserte Techniken und bessere Praktiken zu nutzen, um nützlichere und erschwinglichere Produkte und Dienstleistungen zu schaffen, die den größtmöglichen Märkten gefallen. Innovation findet immer einen Weg.

Der AI-Sektor mag kürzlich einen Rückschlag erlitten haben, wenn man den AI-Bären zuhört, aber die Dollar, die die Hyperscaler planen, in diesem Jahr auszugeben, und die zunehmende Verwendung von Inference-basierten Techniken erzählen eine andere Geschichte: AI-Computing ändert sich tatsächlich, aber das Versprechen von AI ist vollständig intakt.

Die AI-Branche mag kürzlich einen Rückschlag erlitten haben, wenn man den AI-Bären zuhört, aber die Dollar, die die Hyperscaler planen, in diesem Jahr auszugeben, und die zunehmende Verwendung von Inference-basierten Techniken erzählen eine andere Geschichte: AI-Computing ändert sich tatsächlich, aber das Versprechen von AI ist vollständig intakt. Ovation findet immer einen Weg.