Zusammenfassung:
Euclyd, ein niederländisches Chip-Startup für künstliche Intelligenz, hat kürzlich eine Serie-A-Finanzierungsrunde im Wert von 200 Millionen Euro bzw. rund 230 Millionen US-Dollar abgeschlossen. Die Finanzierung wurde gemeinsam von Samsung, Somerset Capital Partners, dem von EQT verwalteten Scaleup Europe Fund und Innovation Industries geleitet und gab dem 2024 gegründeten jungen Unternehmen die nötige finanzielle Unterstützung, um Nvidias Marktposition bei KI-Chips weiter herauszufordern.
Euclyd entschied sich nicht dafür, den Entwicklungsweg der NVIDIA-GPU direkt zu kopieren, sondern versuchte, andere Lösungen auf der Ebene der Chiparchitektur zu finden. Das Unternehmen entwickelt ein Chipsystem speziell für KI-Inferenzaufgaben. Sein Design deckt sowohl die Prozessor- als auch die Speicherarchitektur ab und hofft, die Effizienz der Ausführung von Modellen der künstlichen Intelligenz auf eine Weise zu verbessern, die sich von herkömmlichen GPUs unterscheidet.
Die sogenannte KI-Inferenz bezieht sich auf den Prozess, bei dem das trainierte Modell der künstlichen Intelligenz Aufgaben in praktischen Anwendungen ausführt. Benutzer stellen beispielsweise Fragen an Chatbots, KI generiert Bilder oder Videos und Unternehmen verwenden große Sprachmodelle, um Geschäftsanfragen zu verarbeiten usw., alles gehört zu Inferenz-Workloads. Da zunehmend KI-Modelle eingesetzt werden, wächst die für die Inferenz erforderliche Rechenleistung rasant und ist nach und nach zu einem wichtigen Schlachtfeld auf dem KI-Chip-Markt geworden.
Nvidia hat in diesem Bereich derzeit einen absoluten Vorteil. Nvidias GPU, die ursprünglich für den Gaming-Markt entwickelt wurde, wurde später mit ihrer hochparallelen Computerarchitektur zur Kernhardware für das Training und den Betrieb von KI-Modellen und etablierte so ein riesiges CUDA-Software-Ökosystem. Heutzutage verlassen sich viele KI-Unternehmen und Cloud-Computing-Unternehmen auf NVIDIA-GPUs, um Dienste für künstliche Intelligenz auszuführen. Dies ist auch ein wichtiger Grund, warum NVIDIA zu einem der wertvollsten Technologieunternehmen der Welt werden kann.
Euclyd hofft, unterschiedliche Strukturen nutzen zu können, um in diesen Markt einzusteigen. Das Unternehmen plant nicht nur den Verkauf eigener KI-Hardware und kompletter Racksysteme, sondern plant auch, anderen Unternehmen durch die Lizenzierung geistiger Eigentumsrechte die Nutzung der Euclyd-Technologie für die Entwicklung eigener Chips zu ermöglichen. Mit anderen Worten: Das Geschäftsmodell des Unternehmens beschränkt sich nicht nur darauf, ein Chiplieferant zu sein, sondern hofft auch, ein Anbieter von KI-Chiparchitekturen und Technologielizenzen zu werden.
Besonders hervorzuheben ist die Beteiligung von Samsung an dieser Finanzierung. Samsung selbst verfügt über eine komplette Industriekette vom Halbleiterdesign und der Waferherstellung bis hin zu Speicherchips und elektronischen Produkten. Daher ist die Investition in ein KI-Chip-Unternehmen, das versucht, Nvidia herauszufordern, nicht nur von finanzieller Bedeutung, sondern kann auch eine Grundlage für die zukünftige Zusammenarbeit zwischen den beiden Parteien in den Bereichen KI-Computing, Speicher und fortschrittliche Halbleitertechnologie bilden.
Euclyd ist erst seit etwa zwei Jahren etabliert, hat aber bereits eine derart umfangreiche Finanzierung erhalten, was auch die hohe Aufmerksamkeit widerspiegelt, die Investoren dem Markt für KI-Inferenzchips beimessen. Da die generative KI schrittweise von der Modelltrainingsphase zur groß angelegten kommerziellen Einsatzphase übergeht, nimmt die Anzahl der Inferenzaufgaben, die Rechenzentren bewältigen müssen, weiter zu, und die Energieeffizienz, die Speicherbandbreite und die Gesamtrechenkosten des Chips werden immer wichtiger.
Betreiber von KI-Rechenzentren können durch den weiteren Kauf einer großen Anzahl von NVIDIA-GPUs ein ausgereiftes Software-Ökosystem und eine leistungsstarke Rechenleistung erhalten, bedeuten aber auch extrem hohe Hardware-, Strom- und Infrastrukturkosten. Daher beginnen immer mehr Cloud-Dienstanbieter, große Technologieunternehmen und KI-Unternehmen, nach Alternativen zu NVIDIA zu suchen. Dies eröffnet auch Möglichkeiten für den Markteintritt von Euclyd, AMD und anderen KI-Beschleuniger-Startups.
Nvidia herauszufordern ist jedoch nicht nur so einfach wie die Herstellung eines KI-Chips mit guter Leistung. Die wahre Stärke von Nvidia liegt nicht nur in der GPU-Hardware selbst, sondern auch in der über viele Jahre aufgebauten CUDA-Softwareplattform, Entwicklungstools, Treibern und dem Entwickler-Ökosystem. Jeder Wettbewerber, der Nvidia in großen Rechenzentrumsumgebungen wirklich ersetzen möchte, muss sich mit einer Reihe von Problemen auseinandersetzen, darunter Softwarekompatibilität, Entwicklermigrationskosten und langfristige Bereitstellungsrisiken für Kunden.
Euclyd befindet sich noch in einem relativ frühen Entwicklungsstadium, daher besteht die wichtigere Bedeutung dieser 200-Millionen-Euro-Finanzierung darin, dem Unternehmen ausreichend Mittel zur Verfügung zu stellen, um weiterhin Chips zu entwickeln, Produkte zu verbessern und ein Geschäftsökosystem aufzubauen. Ob es letztendlich bei tatsächlichen KI-Inferenzaufgaben mit unterschiedlichen Prozessoren und Speicherarchitekturen signifikante Leistungs- und Energieeffizienzvorteile erzielen kann, muss noch geprüft werden, bis die Produkte tatsächlich auf den Markt kommen.
Da die Nachfrage nach KI-Lösungen weiter wächst, sieht sich NVIDIA immer mehr Konkurrenten aus unterschiedlichen Richtungen gegenüber. Euclyd hat sich entschieden, mit architektonischen Innovationen und Speicherdesign zu beginnen, während andere Unternehmen möglicherweise nach Durchbrüchen bei dedizierten Beschleunigern, kundenspezifischen ASICs, optischem Computing und fortschrittlicher Verpackung suchen. Zukünftig dürfte der KI-Chip-Markt kein reiner GPU-Wettbewerb mehr sein, sondern ein umfassender Wettbewerb, der sich auf Computerarchitektur, Speicher, Software-Ökosystem, Energieverbrauch und Gesamtsystemkosten konzentriert.
Kommentare