Nvidia einigte sich in einem Rechtsstreit, der seinen Anfang nahm, als ein ehemaliger Mitarbeiter mit Geschäftsgeheimnissen zum Thema autonomes Fahren, die er von seinem alten Job bei Valeo mitgenommen hatte, in das Unternehmen kam.
Die Einigung wurde durch eine Akte beim Bundesgericht in San Jose öffentlich gemacht, in der beide Seiten dem Richter mitteilten, den Streit beigelegt zu haben. Das Gericht sagte daraufhin den für den nächsten Monat angesetzten Prozess ab.
Es wurden keine Bedingungen veröffentlicht, und keine der beiden Seiten hat gesagt, worauf sie sich geeinigt haben, aber der Streit entstand aus einem gemeinsamen Projekt für Mercedes-Benz, bei dem beide Unternehmen an Technologien für fortschrittliche Fahrfunktionen arbeiteten.
Valeo gab 2021 bekannt, dass einer ihrer Ingenieure zu Nvidia und später intern bei dem Chiphersteller tätig geworden war. Während eines Videoanrufs entdeckten Valeo-Mitarbeiter ihren Quellcode wortwörtlich auf seinem Bildschirm und fertigten einen Screenshot an, bevor er das Fenster schloss.
Dieser Moment wurde zum Kernpunkt einer Klage, die Valeo im Jahr 2023 einreichte und in der Nvidia beschuldigt wurde, von Material profitiert zu haben, das niemals seine Server hätte verlassen dürfen.
Der Richter verweist den Fall nach Prüfung der Beweislage an die nächste Instanz.
In einer Stellungnahme wies Nvidia die Behauptung zurück, gestohlenen Code für die Entwicklung seines Einparkhilfesystems verwendet zu haben. Das Unternehmen erklärte, alle Änderungen, die der Ingenieur Mohammad Moniruzzaman vorgenommen hatte, rückgängig gemacht zu haben.
Nvidia gab an, die Zusammenarbeit mit Mohammad nach Bestätigung des Sachverhalts ebenfalls beendet zu haben. Mohammad wurde später in Deutschland wegen Verletzung von Geschäftsgeheimnissen im Zusammenhang mit Valeos Software verurteilt.
Ein Richter prüfte die Akten der Beweisaufnahme und erklärte, es gäbe genügend Indizien, um den Fall vor einem Geschworenengericht verhandeln zu lassen.
Das Urteil erging im August und ermöglichte es Valeo, zu argumentieren, dass Nvidia aus dendentDateien einen Vorteil gezogen hatte. Der Fall wurde unter dem Aktenzeichen Valeo Schalter und Sensoren GmbH gegen Nvidia Corp., 23-cv-05721, beim US-Bezirksgericht für den nördlichen Bezirk von Kalifornien verhandelt.
Google forciert TPU-Unterstützung, um Nvidia herauszufordern.
Während Nvidia das juristische Kapitel mit Valeo abschloss, greift Google nach dem Thron und treibt innerhalb des Unternehmens mit Hochdruck eine neue Initiative namens TorchTPU voran, um die Chips besser für die Ausführung von PyTorch, dem weltweit am häufigsten verwendeten KI-Software-Framework, zu machen.
Alphabet-CEO Sundar Pichai erklärte den Aktionären bei der Veranstaltung zum dritten Quartal, sein Ziel sei es, die Hindernisse zu beseitigen, die Entwickler bisher dazu veranlasst hätten, auf Nvidia-Hardware zu setzen.
Google möchte seine Tensor Processing Units (TPUs) als echte Alternative zu den GPUs von Nvidia etablieren, die nach wie vor den Markt für maschinelles Lernen in Rechenzentren dominieren. Die TPU-Verkäufe fließen in Googles Cloud-Umsätze ein, und das Unternehmen möchte, dass die Investoren von den Investitionen in KI profitieren.
TorchTPU zielt darauf ab, TPUs vollständig mit den bereits von Entwicklern verwendeten Tools kompatibel zu machen. Einige Teams innerhalb von Google diskutieren außerdem, ob Teile der Software als Open Source veröffentlicht werden sollen, um die Verbreitung zu beschleunigen.
PyTorch, maßgeblich unterstützt von Meta, steht im Zentrum der modernen KI-Entwicklung. Im Silicon Valley schreiben nur wenige Ingenieure Low-Level-Befehle für Chips von Nvidia, AMD oder Google. Stattdessen greifen sie auf Frameworks mit vorgefertigtem Code zurück.
PyTorch wurde 2016 eingeführt und wuchs parallel zu CUDA, dem Software-Stack, der laut vielen Analysten Nvidia vor Konkurrenten schützt.
Die Teams von Nvidia haben jahrelang daran gearbeitet, PyTorch reibungslos auf ihren Chips zum Laufen zu bringen. Google hingegen schulte seine Ingenieure in Jax, kombiniert mit einem Tool namens XLA für die Performance-Optimierung auf TPUs.
Diese interne Ausrichtung führte zu einer Kluft zwischen der Art und Weise, wie Google KI-Systeme entwickelt, und der Art und Weise, wie Kunden ihre Modelle tatsächlich erstellen. TorchTPU soll diese Lücke schließen und Unternehmen einen Grund geben, Workloads von Nvidia-Hardware zu verlagern.
