de.wedoany.com-Bericht: Der US-amerikanische Chip-Hersteller Qualcomm verlagert die KI-Architektur von Rechenzentren zurück in Endgeräte wie Smartphones, PCs und Autos. Am 27. Juni erklärte Durga Malladi, Executive Vice President von Qualcomm, dass das Unternehmen plane, die diese Woche neu vorgestellte Rechenzentrums-Chip-Technologie in Smartphones einzusetzen, um die lokale KI-Leistung mobiler Geräte zu verbessern. Qualcomm führt Gespräche mit Herstellern von Smartphones, PCs und Autos über die entsprechende Technologie. Die erste Generation der High-Bandwidth-Computing-Architektur wird nächstes Jahr in Rechenzentren eingeführt, eine kommerzielle Lieferung wird für 2028 erwartet.
Die von Qualcomm vorgeschlagene Kern-Technologie ist die High-Bandwidth-Computing-Architektur, kurz HBC. Sie unterscheidet sich vom traditionellen Chip-Design, bei dem Recheneinheiten und Speicher nebeneinander angeordnet sind, und setzt stattdessen auf eine vertikale Stapelung der Chips, um Speicher und Recheneinheiten näher zusammenzubringen. Durch die Nähe zum Speicher wird die Datenbewegungsdistanz reduziert. Beim Betrieb von KI-Modellen ist die Rechenleistung nicht der einzige Engpass; Modellparameter, Kontextdaten und Zwischenergebnisse müssen häufig zwischen Recheneinheiten und Speicher ausgetauscht werden. Je länger die Datenbewegungsdistanz, desto höher sind der Bandbreitendruck, die Latenz und der Energieverbrauch – ein Problem, das in der KI-Chip-Branche als „Speicherwand“ bekannt ist.
Die HBC-Architektur zielt genau darauf ab, diesen Engpass zu lösen. In der Rechenzentrums-Roadmap von Qualcomm wird HBC als eine speichernahe Rechenarchitektur für KI-Workloads beschrieben, die durch 3D-Stacking-Siliziumlösungen Rechenleistung und High-Bandwidth-Speicher eng miteinander verbindet, um den Energieverbrauch pro Token zu senken und die Datendurchsatzeffizienz während der KI-Inferenz zu verbessern. Die veröffentlichte Roadmap zeigt, dass der AI250 mit der ersten HBC-Generation Mitte 2027 in die kommerzielle Musterphase gehen soll, während die zweite HBC-Generation für den AI300 vorgesehen ist, dessen kommerzielle Musterphase voraussichtlich 2028 beginnt.
Im Gegensatz zu Rechenzentren unterliegen Smartphones strengeren Einschränkungen hinsichtlich Chip-Leistungsaufnahme, Größe, Wärmeableitung und Akkulaufzeit. Wenn große Modelle langfristig auf Cloud-Betrieb angewiesen sind, müssen Benutzer Anfragen an Server senden, was Probleme wie Latenz, Netzwerkverbindung, Datenschutz und Cloud-Rechenkosten mit sich bringt. Das Ziel von Edge-KI ist es, mehr Modelle direkt lokal auf dem Smartphone auszuführen, darunter Sprachassistenten, Bildgenerierung, Echtzeitübersetzung, Dokumentenzusammenfassung, persönliche KI-Agenten und multimodales Verständnis. Um diese Fähigkeiten zu erreichen, müssen Smartphone-Chips größere Modelle und häufigere Inferenzaufgaben bei begrenzter Leistungsaufnahme bewältigen.
Indem Qualcomm die HBC-Technologie aus Rechenzentren in Smartphones einführt, wird die Fähigkeit zur Datenbewegung mit höherer Bandbreite und geringerem Energieverbrauch auf Endgeräte übertragen. Bisher lag der Schwerpunkt von Smartphone-Chips auf der integrierten Leistung von CPU, GPU, NPU, ISP und Kommunikations-Basisband. Im KI-Zeitalter wird jedoch erwartet, dass lokale Modelle dauerhaft laufen, selbst wenn der Benutzer keine App aktiv öffnet, um Aufgaben wie Wahrnehmung, Analyse und Benachrichtigungen auszuführen. Solche „ständig aktiven KI-Agenten“ stellen höhere Anforderungen an das Batteriemanagement, da der Chip eine kontinuierliche Inferenzfähigkeit aufrechterhalten muss, ohne den Stromverbrauch wesentlich zu erhöhen.
Malladi sagte: „Technologien, die in Rechenzentren ihren Anfang nehmen, werden dort nicht enden.“ Dieser Satz spiegelt Qualcomms Einschätzung des Technologietransferpfads wider: Rechenzentren übernehmen zunächst die intensive KI-Inferenz und Architekturvalidierung. Sobald Prozess, Verpackung, Speicherkoordination und Software-Stack ausgereift sind, erfolgt eine schrittweise Ausweitung auf Smartphones, PCs und Automobil-Endgeräte. Anstatt direkt eine neue, risikoreiche Architektur auf Smartphones einzuführen, ist es für Qualcomm vorteilhaft, HBC zunächst in Rechenzentrumsprodukten zu validieren, um Erfahrungen in Design, Fertigung, Wärmeableitung und Software-Anpassung zu sammeln.
Dieser Pfad entspricht auch Qualcomms eigener Geschäftsstruktur. Qualcomm ist seit langem tief in Smartphone-Chips verwurzelt und hat umfangreiche Erfahrung in den Bereichen Low-Power-SoC, LPDDR-Speicherkoordination, Kommunikationsverbindung und Edge-KI-Beschleunigung gesammelt. Das Rechenzentrumsgeschäft ist nicht vollständig vom Smartphone-Geschäft getrennt, sondern erweitert die aus der Mobilfunk-Ära stammenden Energieeffizienz-Designfähigkeiten auf die KI-Infrastruktur und bringt die in Rechenzentren entwickelte neue Speicher- und Rechnerarchitektur zurück in Endgeräte. Für Qualcomm werden Smartphones, PCs, Autos und Rechenzentren zunehmend von verschiedenen Märkten zu verschiedenen Knoten eines einheitlichen KI-Rechensystems.
Auf der Rechenzentrumsseite hat Qualcomm HBC in die Dragonfly-Rechenzentrums-Roadmap aufgenommen und gleichzeitig den C1000 CPU, den AI300 Inferenzbeschleuniger und ein Konnektivitätsproduktportfolio für die KI-Infrastruktur vorgestellt. Das Unternehmen gibt an, dass HBC Gen 1 in Kombination mit dem AI250 eine effektive Speicherbandbreite von 133 TB/s pro Karte erreichen kann, was einer 18-fachen Steigerung gegenüber der LPDDR5X-Lösung des AI200 entspricht. HBC Gen 2, das im AI300 zum Einsatz kommt, soll eine 54-fache Steigerung gegenüber dem AI200 ermöglichen. Qualcomm gibt außerdem an, dass HBC auf Kartenebene eine 6-fache Verbesserung der Bandbreite pro Watt im Vergleich zu HBM-Lösungen und auf Rack-Ebene eine 200-fache Verbesserung der Kapazität pro Watt im Vergleich zu SRAM-Lösungen bietet.
Ob diese Kennzahlen vollständig auf Smartphones übertragen werden können, hängt vom Leistungsbudget, den Verpackungskosten, der Wärmeableitungsfähigkeit und dem Software-Ökosystem der Endprodukte ab. Smartphones können die Spezifikationen von Rechenzentrums-Chips nicht einfach kopieren, aber sie können Designansätze wie speichernahes Rechnen, vertikales Stapeln und engere Speicherbandbreite übernehmen. Wenn zukünftige Smartphone-Chips über effizientere Datenbewegungsfähigkeiten verfügen, können sie komplexere KI-Modelle lokal ausführen, die Häufigkeit von Cloud-Aufrufen reduzieren und KI-Assistenten in den Bereichen Sprache, Bild, Büro, Fahrzeugverbindung und persönliches Datenmanagement eine stärkere Echtzeit-Reaktionsfähigkeit verleihen.
Diese Ankündigung von Qualcomm zeigt auch, dass der Wettbewerb im Bereich Edge-KI auf die Architekturebene übergeht. Bisher war die KI in Smartphones stärker von der NPU-Spitzenleistung, Modellkomprimierung und Software-Optimierung abhängig. In der nächsten Phase wird der Fokus stärker auf Speicherbandbreite, Verpackungsstruktur, Leistungsdichte und systemische Koordination liegen. Wenn HBC von Rechenzentren zu Endgeräten gelangt, werden Smartphone-Chips von „integrierten KI-Beschleunigern“ zu „für ständig aktive KI-Modelle neu gestalteten Rechenplattformen“. Der nächste entscheidende Punkt ist, wann Qualcomm einen konkreten Zeitplan für die Einführung in Smartphones vorlegt und ob Smartphone-, PC- und Automobilhersteller bereit sind, die Kosten für diese neue Verpackungs- und Speicherarchitektur zu tragen.
Dieser Artikel wurde von Wedoany übersetzt und bearbeitet. Bei jeglicher Zitierung oder Nutzung durch künstliche Intelligenz (KI) ist die Quellenangabe „Wedoany“ zwingend vorgeschrieben. Sollten Urheberrechtsverletzungen oder andere Probleme vorliegen, bitten wir Sie, uns unverzüglich zu benachrichtigen. Wir werden den entsprechenden Inhalt umgehend anpassen oder löschen.
E-Mail: news@wedoany.com
