Huawei arbeitet daran, seinen Anteil am chinesischen KI-Markt gegenüber Nvidia zu steigern

Huawei arbeitet daran, einen großen Teil des KI-Marktes in China zu gewinnen, der derzeit von Nvidia angeführt wird. Es bietet lokalen Unternehmen die Möglichkeit, ihre KI-Chips für „Inference“-Aufgaben zu nutzen. 

Um LLMs zu „trainieren“, sind große KI-Unternehmen in China auf von Nvidia entwickelte GPUs angewiesen. Das Unternehmen ist im Wert von 3,4 Billionen und gilt als wesentlicher Bestandteil zur Verbesserung der KI-Technologie.

Laut einem Bericht der Financial Times bewirbt Huawei seine neuen Ascend AI-Prozessoren für chinesische Gruppen, die „Inference“ als Option in Betracht ziehen. Inference ist die Funktion, die LLMs zur Erstellung von Prompt-Antworten nutzen.

Georgios Zacharopoulos, leitender KI-Forscher für Inference-Beschleunigung im Zürcher Labor von Huawei, sagt: „Training ist wichtig, aber es findet nur wenige Male statt.“ Er sagte, das Unternehmen könne mehr Kunden bedienen, indem es sich auf Inference konzentriert.

Huawei gilt als starker Konkurrent für Nvidia in China

Nvidias prominenter Rivale auf dem lokalen Markt verwendet KI-Modelle, die auf Nvidias Produkten trainiert wurden, auf den Ascend-Chips. Nach Angaben von Mitarbeitern und Kunden hat Huaweis Ansatz weniger technische Herausforderungen und kann hohe Gewinne erzielen.

Das Unternehmen hat auch ein Tool bereitgestellt, um die Lücke zwischen der von Nvidia-GPUs und Ascend verwendeten Software zu schließen.

Die chinesische Regierung unterstützt Huaweis Werbung ebenfalls voll und ganz. Beamte fordern lokale Tech-Unternehmen auf, Huawei-KI-Chips anstelle von Nvidia zu verwenden.

Eine mit Nvidias Operationen in China verbundene Quelle sagte, dass das Unternehmen intern auch als der ernsthafteste Rivale des Landes angesehen wird, da sein Chipdesign „fortschrittlicher“ ist.

Im Gegensatz zu den US-Tech-Giganten OpenAI und Google stehen chinesische Unternehmen vor der Herausforderung, Zugang zu GPUs bester Qualität zu erhalten. Aufgrund von US-Exportbeschränkungen liefert Nvidia China nur qualitativ minderwertigere H20-Chips. Dennoch bleiben diese Chips in China stark nachgefragt und sind immer noch besser als die lokal hergestellten.

Huawei-Chips sind nicht für die Inter-Chip-Konnektivität bereit

Ein Analyst von Bernstein’s China Semiconductor, Lin Qingyuan, sagte, dass Huaweis Chips zwar auf Einzelchip-Basis bemerkenswerte Leistungen erbringen, aber bei der Inter-Chip-Konnektivität noch vor Herausforderungen stehen. Er sagte: „Wenn man ein großes Modell trainiert, muss man es in kleinere Aufgaben aufteilen. Wenn ein Chip ausfällt, muss die Software einen Weg finden, damit andere Chips ohne Verzögerung übernehmen.“

Auf der anderen Seite müssen Entwickler von Huawei noch davon überzeugt werden, von der entwicklerfreundlichen „Geheimsauce“-Software Cuda von Nvidia abzuweichen, die die Leistung zum Verarbeiten riesiger Datenmengen hat. In Bezug auf die Herausforderung sagte ein inoffizieller Huawei-Mitarbeiter, dass das Unternehmen mit dem aktualisierten Ascend 910C „mit verbesserter Software, die sie für Entwickler zugänglicher macht.“ rechnet.

Das Unternehmen beschleunigt seine Produktionskapazitäten

Financial Times berichtete auch über Daten von SemiAnalysis, die besagen, dass Nvidia 2024 in China 12 Milliarden Dollar erzielte, einschließlich 1 Million Verkäufen von H20-Chips in der Region. Dies ist doppelt so viel wie der Umsatz von Huaweis Ascend 910B.

Dylan Pater, Chief Analyst bei der Forschungsagentur, sagte: „Nvidias auf China zugeschnittene H20-GPUs machen die Mehrheit der in China verkauften KI-Chips aus.“ Der Unterschied jedoch schwindet, da Huawei seine Produktion beschleunigt.

Lin bei Bernstein glaubt auch, dass chinesische Unternehmen aufgrund ihrer „Fokussierung auf Inference“ schneller als die USA kommerzialisieren können. Daher ist es „möglich, selbst mit weniger leistungsstarken Chips große Effizienzgewinne zu erzielen.“

Er sagte, chinesische Unternehmen stützten sich auf günstigere Inference-Kosten, um im KI-Wettbewerb wettbewerbsfähig zu bleiben und die Kosten für den Betrieb von KI-Anwendungen zu senken.