de.wedoany.com-Bericht: Am 3. Juli – Samsung Electronics aus Südkorea wird zunehmend zur wichtigen Fertigungsoption für die selbst entwickelten KI-ASICs großer globaler Technologieunternehmen. Branchenkreisen zufolge könnten die langfristigen Auftragsbestände der Foundry-Sparte von Samsung bald 50 Billionen Won erreichen. Meta treibt derweil die Zusammenarbeit mit Samsung bei Design und Produktion der nächsten KI-ASIC-Generation voran, wobei der Auftragswert über 10 Billionen Won liegen könnte.
Metas selbst entwickelter KI-Beschleuniger MTIA bewegt sich von internen Inferenz-Workloads hin zu einer größeren Skalierung. MTIA dient hauptsächlich Metas KI-Empfehlungen, Werbung, Inhaltsverständnis und generativen KI-Anwendungen, um die vollständige Abhängigkeit von universellen GPUs zu verringern. Die ersten beiden Generationen von MTIA wurden hauptsächlich von TSMC gefertigt; die neueste Generation setzt auf eine Zusammenarbeit mit Samsung, wobei Zehntausende von Einheiten im fortschrittlichen 2-Nanometer-Verfahren produziert werden sollen. Für eine so große Plattform wie Meta liegt der Wert selbst entwickelter ASICs darin, Energieeffizienz, Kosten und Inferenzdurchsatz rund um die eigenen Modelle und Geschäftslasten zu optimieren und Hardware-Design, Software-Stack, Rechenzentrumssteuerung und KI-Service-Anforderungen in eine gemeinsame Infrastruktur zu integrieren.
Auch Anthropic prüft die Entwicklung von KI-Chips unter Verwendung des 2-Nanometer-Verfahrens von Samsung. Dieses Projekt befindet sich noch in einer frühen Planungsphase und hat noch nicht die detaillierte Design- und Fertigungsstufe erreicht, zeigt jedoch das wachsende Interesse großer KI-Modell-Unternehmen an kundenspezifischen Chips.
Samsungs Bemühungen um KI-ASIC-Aufträge stützen sich nicht nur auf fortschrittliche Fertigungsprozesse. KI-Chip-Projekte umfassen in der Regel gleichzeitig Wafer-Fertigung, Advanced Packaging, High-Bandwidth Memory, Leistungsmanagement, Serverplatinen und Rechenzentrumsbereitstellung. Das 2-Nanometer-Verfahren kann die Transistordichte und Energieeffizienz verbessern, während Advanced Packaging die Datenaustauscheffizienz zwischen Rechenchips und HBM bestimmt. Inferenz und Training großer Modelle stellen hohe Anforderungen an Speicherbandbreite, Chip-Verbindungen und Kühlleistung. Wenn die Leistung eines einzelnen Chips nicht mit Packaging, HBM und Systemarchitektur harmoniert, ist es schwierig, im Rechenzentrum eine stabile Rechenleistung zu gewährleisten. Samsung verfügt gleichzeitig über Ressourcen in Wafer-Fertigung, Speicher und Advanced Packaging, was ihm eine umfassendere Lieferkette bietet, um KI-Kunden wie Meta und Anthropic zu gewinnen.
Große globale Technologieunternehmen beschleunigen ihre eigenen KI-Chip-Initiativen. Google hat TPU, Amazon hat Trainium und Inferentia, Meta treibt MTIA voran, und Modellunternehmen wie OpenAI und Anthropic prüfen ebenfalls kundenspezifische Chips, die besser zu ihren Workloads passen. ASICs werden GPUs nicht sofort ersetzen, aber bei bestimmten Inferenzaufgaben, internen Cloud-Plattformen und groß angelegten stabilen Workloads mehr Rechenleistung übernehmen. Für Samsung könnten die Projekte mit Meta und Anthropic, falls sie weiter umgesetzt werden, dazu beitragen, die Auslastung der 2-Nanometer-Produktionslinie in seiner Foundry-Sparte zu steigern und im Markt für KI-Chip-Fertigung mehr Kundenressourcen im Wettbewerb mit TSMC zu gewinnen.
