de.wedoany.com-Bericht: Microsoft passt seine Strategie für generative KI an und wechselt von großen, universellen Modellen hin zu eigenen, kleinen, domänenspezifischen Modellen, um Kosten zu senken und die Effizienz zu steigern. Wie Bloomberg kürzlich berichtete, ersetzen diese Eigenentwicklungen zunehmend die Modelle von OpenAI und werden zum Kern der KI-Funktionen in Microsoft-Produkten.
Große, universelle Modelle wie die GPT-Serie von OpenAI und die Claude-Serie von Anthropic können bei ausreichender Rechenleistung eine Vielzahl von Aufgaben bewältigen, sind jedoch für alltägliche Anwendungen wie das Zusammenfassen von E-Mails oder das Entwerfen von Antworten zu teuer und ineffizient. Im Gegensatz dazu ist das Trainieren und Bereitstellen kleiner, spezialisierter Modelle wirtschaftlicher. Sie können in mehreren Dutzend Instanzen auf einem einzigen Beschleuniger laufen, und Entwickler müssen keine Verhaltensänderungen befürchten, wenn der Anbieter das Modell austauscht.
Auf der Build-Entwicklerkonferenz im Juni stellte Microsoft die MAI-Modellreihe vor, die Bereiche wie allgemeine Logik, Programmierung, Bildgenerierung, Bildbearbeitung und Sprachverarbeitung abdeckt. Mit dem Wechsel von den universellen Modellen von OpenAI zu eigenen Modellen will Microsoft die Anwendungen präziser auf die tatsächlichen Einsatzszenarien abstimmen und die gleiche Arbeit zu geringeren Kosten erledigen.
Microsoft beschreibt MAI-Thinking-1 als „ein mittelgroßes Modell, das zu den stärksten in seiner Gewichtsklasse gehört“ und gibt an, dass es „in wichtigen Softwareentwicklungs-Benchmarks mit führenden Modellen mithalten kann, fortschrittliche mathematische Denkfähigkeiten zeigt und in unseren blinden menschlichen Bewertungen bessere Ergebnisse als Sonnet 4.6 erzielt.“
Die Kostenkontrolle ist die treibende Kraft hinter diesem Wandel. Obwohl KI in bestimmten Bereichen bereits ihren Wert gezeigt hat, sind die Cloud-Anbieter hinsichtlich der Rentabilität des KI-Geschäfts noch skeptisch. Kleinere Modelle geben Speicher frei und verbessern die Hardware-Auslastung, sodass Microsoft die Anzahl der Instanzen flexibel an den Datenverkehr anpassen kann, um die Betriebskosten zu kontrollieren.
Microsoft optimiert zudem den gesamten Technologie-Stack durch eigene KI-Beschleuniger. Die im Januar vorgestellte Maia 200-Serie Chips verspricht eine Leistung, die mit den Blackwell-Chips von Nvidia vergleichbar ist. Dies ermöglicht Microsoft eine gemeinsame Optimierung von Software, Hardware und Modellen zur Effizienzsteigerung. Auch Amazon und Google verfolgen ähnliche Ansätze: Google setzt mit den Modellreihen Gemini und Gemma auf die eigene TPU-Architektur, während Amazon in die Nova-Modellreihe und Programmierassistenten investiert und auf Technologien von Anthropic setzt.
Universelle Spitzenmodelle haben weiterhin ihren Wert für Innovationen, und die großen Cloud-Anbieter sind weiterhin auf Unternehmen wie OpenAI und Anthropic angewiesen, um technologische Fortschritte zu erzielen. Dennoch hilft die Verringerung der Abhängigkeit von großen Modellunternehmen den Cloud-Anbietern, KI letztendlich in eine profitable Geschäftssparte zu verwandeln.
