Nvidia und Valeo einigen sich auf Streitigkeit um Geschäftsgeheimnisse im Zusammenhang mit gestohlenem autonomem Fahrcode
- Nvidia hat seinen Rechtsstreit um Geschäftsgeheimnisse mit Valeo beigelegt und damit einen für nächsten Monat geplanten Prozess beendet.
- Der Streit begann, nachdem ein ehemaliger Nvidia-Ingenieur den Code von Valeo während eines Videocalls preisgegeben hatte und später in Deutschland verurteilt wurde.
- Ein Richter hatte zuvor entschieden, dass genügend Beweise vorliegen, um die Angelegenheit vor eine Jury zu bringen, bevor der Vergleich geschlossen wurde.
Nvidia einigte sich auf einen Fall, der damit begann, dass ein ehemaliger Mitarbeiter mit Geschäftsgeheimnissen für autonomes Fahren, die er von seinem alten Job bei Valeo mitgenommen hatte, in das Unternehmen kam.
Der Deal wurde in einer Einreichung vor einem Bundesgericht in San Jose öffentlich, wo beide Seiten dem Richter mitteilten, dass sie den Streit beigelegt hatten. Das Gericht strich daraufhin die für nächsten Monat geplante Verhandlung.
Keine Konditionen wurden veröffentlicht, und keine der Seiten hat mitgeteilt, worauf sie sich geeinigt hat, aber der Streit entstand aus einem Gemeinschaftsprojekt für Mercedes-Benz, bei dem beide Unternehmen an Technologien für erweiterte Fahrfunktionen arbeiteten.
Im Jahr 2021 sagte Valeo, dass einer seiner eigenen Ingenieure zu Nvidia wechselte und später interne Arbeiten bei der Chipfirma aufnahm. Während eines Videoanrufs bemerkten Valeo-Mitarbeiter ihren wortwörtlichen Quellcode auf dessen Bildschirm und machten einen Screenshot, bevor er das Fenster schloss.
Dieser Moment wurde zum Kern einer Klage, die Valeo im Jahr 2023 einreichte und Nvidia vorwarf, von Material profitiert zu haben, das niemals seine Server verlassen hätte.
Richter schiebt Fall nach Beweisanalyse voran
Eine Einreichung von Nvidia lehnte die Behauptung ab, dass es gestohlenen Code zur Entwicklung seines Einparkhilfesystems verwendet habe. Das Unternehmen sagte, es habe „zurückgerollt“, was jede Aufgabe betraf, die der Ingenieur Mohammad Moniruzzaman berührt hatte.
Nvidia sagte auch, es habe die Verbindung zu Mohammad gekappt, sobald das Problem bestätigt war. Mohammad wurde später in Deutschland wegen Verletzung von Geschäftsgeheimnissen im Zusammenhang mit Valeos Software verurteilt.
Ein Richter überprüfte die Ermittlungsunterlagen und sagte, es gäbe genügend „indizienbasierte“ Beweise, um einer Jury den Fall vorzulegen.
Dieses Urteil fiel im August und gab Valeo einen Weg, um zu argumentieren, dass Nvidia Wert aus den vertraulichen Dateien gewonnen habe. Der Fall trug den Titel Valeo Schalter und Sensoren GmbH v. Nvidia Corp., 23-cv-05721, vor dem US-Bezirksgericht für den nördlichen Bezirk von Kalifornien.
Google erweitert TPU-Unterstützung, um Nvidia herauszufordern
Während Nvidia die rechtliche Auseinandersetzung mit Valeo abschloss, greift Google seinen Thron an und baut aggressiv eine neue Initiative im Unternehmen namens TorchTPU auf, um seine Chips besser für die Ausführung von PyTorch, dem weltweit am häufigsten verwendeten KI-Software-Framework, zu machen.
Alphabet-CEO Sundar Pichai sagte den Aktionären bei der Q3-Veranstaltung, sein Ziel sei es, die Barrieren abzubauen, die Entwickler an Nvidia-Hardware binden.
Google möchte, dass seine Tensor Processing Units (TPUs) eine echte Alternative zu Nvidia-GPUs darstellen, die bei der Installation von Machine-Learning-Arbeiten in Rechenzentren immer noch dominieren. TPU-Verkäufe speisen Googles Cloud-Umsatz, und das Unternehmen möchte, dass Investoren Renditen aus seinem KI-Budget sehen.
TorchTPU zielt darauf ab, TPUs vollständig mit den Tools kompatibel zu machen, die Entwickler bereits nutzen. Einige Teams innerhalb von Google diskutieren auch, ob sie Teile der Software quelloffen machen sollen, um die Adoption zu beschleunigen.
PyTorch, stark von Meta unterstützt, steht im Zentrum der modernen KI-Entwicklung. In Silicon Valley schreiben nur wenige Ingenieure Low-Level-Anweisungen für Chips von Nvidia, AMD oder Google. Stattdessen verlassen sie sich auf Frameworks mit vorgefertigtem Code.
PyTorch wurde 2016 gestartet und wuchs zusammen mit CUDA, dem Software-Stack, den viele Analysten als Schutzschild für Nvidia vor Mitbewerbern ansehen.
Nvidias Teams haben Jahre damit verbracht, PyTorch reibungslos auf ihren Chips zum Laufen zu bringen. Google hingegen schulte seine Ingenieure in Jax, gepaart mit einem Tool namens XLA für die Leistung auf TPUs.
Dieser interne Fokus schuf eine Kluft zwischen der Art und Weise, wie Google KI-Systeme baut, und der Art und Weise, wie Kunden ihre Modelle tatsächlich schreiben. TorchTPU soll diese Lücke schließen und Unternehmen einen Grund geben, Workloads von Nvidia-Hardware zu verlagern.
Wenn Sie dies lesen, sind Sie bereits einen Schritt voraus. Bleiben Sie mit unserem Newsletter auf dem Laufenden.
Jai Hamid
Jai Hamid berichtet seit sechs Jahren über Kryptowährungen, Aktienmärkte, Technologie, die globale Wirtschaft und geopolitische Ereignisse, die die Märkte beeinflussen. Sie hat für auf Blockchain spezialisierte Publikationen wie AMB Crypto, Coin Edition und CryptoTale Marktanalysen, Berichte über große Unternehmen, Regulierung und makroökonomische Trends verfasst. Sie hat die London School of Journalism besucht und dreimal Krypto-Marktanalysen in einem der führenden Fernsehsender Afrikas vorgestellt.
