de.wedoany.com-Bericht: Samsung entwickelt einen PC-spezifischen KI-Beschleuniger mit dem Codenamen GAIA. Die US-amerikanische Hewlett-Packard und der chinesische Lenovo testen bereits Prototypen, um die Leistung zu validieren. Die Massenproduktion könnte frühestens 2027 beginnen, und Geräte mit diesem Chip werden voraussichtlich Ende 2027 oder Anfang 2028 auf den Markt kommen. GAIA wird von Samsungs LSI-Abteilung entwickelt, die auch für die Exynos-Mobilchips verantwortlich ist. Samsung hat das Projekt noch nicht offiziell bestätigt; der Chip hat derzeit keine öffentlich zugänglichen Leistungsdaten, Stromverbrauchsspezifikationen oder Architekturdetails.
GAIA wird als Koprozessor und nicht als universelle CPU beschrieben. Der Chip wird in einem 4-nm-Klasse-Prozessknoten gefertigt und als speicherzentrierter KI-Beschleuniger positioniert, der die Recheneinheiten nahe am Speicher platziert. GAIA soll mit Intel-, AMD- oder Qualcomm-Prozessoren zusammenarbeiten, nicht sie ersetzen. Der Chip ist speziell für generative KI-Workloads auf PCs ausgelegt, wie lokale Sprachmodelle, Echtzeitübersetzung und Bildgenerierung. Sein Designziel ist es, diese Aufgaben von der CPU oder GPU auf eine dedizierte NPU auszulagern. Dies unterscheidet sich deutlich von GPU-basierten KI-Beschleunigern für groß angelegtes Training und Inferenz.
Berichten zufolge treibt Samsung die weitere Integration mit der Processing-in-Memory (PIM)-Technologie voran, die Berechnungen innerhalb des Speichers durchführt und so den Datentransfer zwischen Speicher und Prozessor reduziert. PIM ist seit Jahren ein Forschungsprojekt von Samsung, hat aber noch keinen bedeutenden kommerziellen Durchbruch erzielt. Mit der steigenden Geschwindigkeit von GPUs und der Reife des Software-Ökosystems sind die Engpässe, die PIM zu lösen versuchte, nicht mehr so dringend. Eine durch OEMs praktisch validierte dedizierte NPU könnte für die PIM-Technologie besser geeignet sein als eine GPU. Samsung ist einer der wenigen Hersteller, die kundenspezifische KI-Logik mit eigener DRAM-Fertigung kombinieren können, was ihm einen vertikalen Integrationsvorteil verschafft, den Konkurrenten nur schwer erreichen können.
Das letzte Mal, dass Samsung einen PC-Chip lieferte, war 2012, als Exynos-Chips kurzzeitig frühe Samsung-Chromebooks antrieben; dieses Geschäft wurde zwei Jahre später eingestellt. Seitdem verwenden Samsungs Galaxy Book-Laptops Intel- oder Qualcomm-Chips, einschließlich des Snapdragon X2 Elite (Snapdragon X2 Elite) im neuesten Galaxy Book. Sollte GAIA in Massenproduktion gehen, würde Samsung nach über einem Jahrzehnt erstmals wieder einen eigenen Chip in seinen Laptops einsetzen. Durch die Drittanbieter-OEM-Nutzung von HP und Lenovo könnte die Reichweite über Samsungs eigene Produktlinien hinaus erweitert werden. Die LSI-Abteilung von Samsung befindet sich seit Jahren in einer strukturellen Verlustzone; der Erfolg des KI-Geschäfts sowie die Einnahmen aus Exynos und Automobilchips würden dieser Abteilung Wachstumschancen bieten.
Diese Strategie könnte auch zu potenziellen Konflikten mit bestehenden Kunden führen. Sowohl Nvidia als auch Qualcomm sind für die Produktion einiger ihrer Chips auf Samsungs Foundry angewiesen. Dass Samsung im KI-PC-Bereich mit seinen eigenen Kunden konkurriert, während es gleichzeitig für sie fertigt, könnte die Partnerschaften verkomplizieren. Wie Samsung dies ausbalanciert, wird sich auf sein Foundry-Geschäft und seine Fähigkeit auswirken, GAIA an PC-Hersteller zu verkaufen.
GAIA befindet sich derzeit in der Prototypen-Testphase mit HP und Lenovo. Die Massenproduktion soll voraussichtlich 2027 beginnen, Consumer-Geräte könnten noch im selben Jahr oder Anfang 2028 auf den Markt kommen. Der Zeitplan kann sich je nach Validierungsergebnissen, dem Engagement der OEMs und Samsungs Fähigkeit, unterstützende Software für die Hardware bereitzustellen, ändern. Viele Details zu GAIA sind noch unklar, darunter sein Leistungsvergleich mit konkurrierenden NPUs (wie dem Intel Core Ultra mit integrierter NPU, dem AMD Ryzen AI mit XDNA-NPU, dem Qualcomm Snapdragon X2 mit Hexagon-NPU und dem Nvidia RTX Spark für KI-Workloads) sowie die Stromverbrauchs- und Wärmecharakteristiken, der Software-Support und die Treiberreife zum Zeitpunkt der Markteinführung.
