Die GTC-Entwicklerkonferenz von Nvidia in San Jose, Kalifornien, hat in der Welt der KI Wellen geschlagen. Benannt als „AI Woodstock“ versammelte das Event Branchengrößen wie Nvidia, OpenAI, xAI, Meta, Google und Microsoft sowie Führungskräfte großer Unternehmen wie L’Oréal, Lowe’s, Shell und Verizon, die alle die KI-Technologie implementieren wollen.
Während der Konferenz enthüllte Nvidia-CEO Jensen Huang die neueste Grafikprozessoreinheit (GPU) des Unternehmens, die Blackwell GPU. Dieser neue Chip verfügt über beeindruckende 208 Milliarden Transistoren, die die Fähigkeiten seiner Vorgänger, der H100-GPUs mit 80 Milliarden Transistoren, übertreffen. Die größeren Chips der Blackwell GPU bieten doppelte Geschwindigkeit für das Training von KI-Modellen und sind fünfmal schneller bei der Generierung von Ausgaben aus trainierten Modellen (auch als Inferenz bezeichnet). Nvidia stellte auch den leistungsstarken GB200 „Superchip“ vor, der zwei Blackwell-GPUs mit seinem Grace-CPU zusammenführt und damit die bestehenden Grace Hopper MGX-Einheiten in Rechenzentren übertrifft.
Ein bemerkenswerter Aspekt der Blackwell GPU ist ihr Energieprofil, das Nvidia zu seinem Vorteil bei der Vermarktung des Chips nutzt. In der Vergangenheit verbrauchten leistungsstarke Chips mehr Energie, wobei die Energieeffizienz hinter der reinen Leistung zurückblieb. Mit der Enthüllung der Blackwell GPU betonte Huang ihre höhere Verarbeitungsgeschwindigkeit und hob den verringerten Energieverbrauch während des Trainings im Vergleich zu früheren Modellen hervor. Das Training von ultragroßen KI-Modellen mit 2.000 Blackwell-GPUs würde 4 Megawatt Leistung über 90 Tage erfordern, im Vergleich zu 8.000 älteren GPUs, die während des gleichen Trainingszeitraums 15 Megawatt verbrauchen würden. Dieser signifikante Unterschied im Energieverbrauch adressiert Bedenken hinsichtlich der finanziellen Kosten und des CO2-Fußabdrucks im Zusammenhang mit KI-Technologien.
Die Konzentration auf den Energieverbrauch ist entscheidend, da das zunehmende Bewusstsein für die Ausgaben und Umweltauswirkungen von KI-Technologien Unternehmen zögern lässt, die generative KI-Revolution vollständig anzunehmen. Cloud-Anbieter berechnen beispielsweise hohe Gebühren für die Nutzung von GPUs, nicht nur um die Kosten der Chips selbst abzudecken, sondern auch um den Energieverbrauch und die Kühlungsanforderungen von Rechenzentren zu berücksichtigen. Nvidia erkennt diese Bedenken und zielt darauf ab, sie durch die Hervorhebung der Energieeffizienz von Blackwell zu mildern. Darüber hinaus hebt Nvidia hervor, dass KI-Experten Wege gefunden haben, die Leistung größerer, stromintensiver Modelle wie GPT-4 mit kleineren, energieeffizienteren Modellen zu imitieren.
Während der Energieverbrauch von Rechenzentren für KI derzeit einen kleinen Teil des weltweiten Stromverbrauchs ausmacht, deuten Schätzungen darauf hin, dass er in Zukunft rapide zunehmen könnte. Schneider Electric schätzt beispielsweise, dass KI jährlich eine Energiemenge verbraucht, die der von Zypern entspricht. Laut einem Microsoft-Experten wird allein der Einsatz von Nvidia H100s voraussichtlich bis Ende dieses Jahres so viel Energie verbrauchen wie die gesamte Stadt Phoenix.
Die Bedenken hinsichtlich des Energieverbrauchs der KI in Rechenzentren könnten jedoch etwas fehlgeleitet sein. Die meisten von Cloud-Hyperscalern genutzten Rechenzentren, in denen der Großteil der KI-Verarbeitung erfolgt, verlassen sich nun auf erneuerbare Energien oder nukleare Niedrigemissionsenergie. Durch den Abschluss von Verträgen über große Mengen erneuerbarer Energie zu festen Preisen haben diese Hyperscaler eine entscheidende Rolle dabei gespielt, erneuerbare Energieunternehmen dazu zu ermutigen, Wind- und Solarprojekte zu entwickeln. Dies hat zu einer größeren Verfügbarkeit erneuerbarer Energie für alle geführt, was sowohl den Cloud-Anbietern als auch der Nachhaltigkeit der Energiequellen zugutekommt. Dennoch bleibt der Wasserverbrauch für die Kühlung der Rechenzentren ein Bereich, der für Nachhaltigkeitsbemühungen bedenklich ist.
Obwohl viele Rechenzentren nachhaltig betrieben werden, könnten einige Regionen keinen Zugang zu erneuerbaren Energien haben. Wenn die KI weiter expandiert und die Modelle größer werden, könnte die Nachfrage nach erneuerbarer Energie sogar in den Vereinigten Staaten und Europa die vorhandenen Niedrigemissionsquellen übersteigen. Dies führt zu Initiativen wie dem Interesse von Microsoft daran, KI einzusetzen, um den Genehmigungsprozess für neue Kernkraftwerke in den USA zu beschleunigen.
Der Energieverbrauch der KI betont auch eine der vielen Bereiche, in denen menschliche Gehirne den von uns geschaffenen künstlichen überlegen sind. Das menschliche Gehirn verbraucht täglich etwa 0,3 Kilowattstunden hauptsächlich durch die Kalorienaufnahme, während eine durchschnittliche H100-GPU täglich etwa 10 Kilowattstunden benötigt. Um die weit verbreitete und nachhaltige Nutzung von KI ohne Schädigung des Planeten sicherzustellen, müssen künstliche neuronale Netzwerke mit Energieprofilen arbeiten, die ihren biologischen Pendants näher kommen.
Das Advance Research and Invention Agency (Aria) des Vereinigten Königreichs, vergleichbar mit dem DARPA des US-Verteidigungsministeriums, zielt darauf ab, diese Herausforderung anzugehen. Kürzlich hat Aria 42 Millionen Pfund (53 Millionen Dollar) bereitgestellt, um Projekte zu finanzieren, die sich darauf konzentrieren, den Energieverbrauch von KI-Anwendungen um das Tausendfache zu reduzieren. Aria erwägt radikale Ansätze beim Bau von Computerchips, darunter solche, die auf biologischen Neuronen zur Berechnung anstelle von Siliziumtransistoren beruhen. Während das Ergebnis ungewiss ist, zeigen allein die Existenz der Aria-Herausforderung und das verstärkte Augenmerk von Nvidia auf Energieeffizienz bei der GTC-Konferenz eine wachsende Konzentration auf die Reduzierung des Energieverbrauchs der KI und die Förderung nachhaltiger Praktiken.
FAQs
Was ist Nvidias GTC-Konferenz?
Die GTC (GPU Technology Conference) von Nvidia ist eine prominente Veranstaltung im Bereich der künstlichen Intelligenz und Grafikverarbeitung, bei der Branchenführer, Forscher und Entwickler die neuesten Fortschritte in der GPU-Technologie und KI-Anwendungen präsentieren und diskutieren.
Was ist die Blackwell GPU?
Die Blackwell GPU ist Nvidias neueste Grafikprozessoreinheit, die Fortschritte wie 208 Milliarden Transistoren bietet, was sie leistungsfähiger und schneller für das Training von KI-Modellen und die Generierung von Ausgaben aus trainierten Modellen macht. Sie punktet auch mit verbesserter Energieeffizienz im Vergleich zu früheren Modellen.
Warum ist Energieeffizienz in der künstlichen Intelligenz wichtig?
Energieeffizienz in der KI ist entscheidend, um Bedenken hinsichtlich der finanziellen Kosten und Umweltauswirkungen von KI-Technologien anzugehen. Durch die Reduzierung des Energieverbrauchs beim Training und Inferenz von KI können Unternehmen Ausgaben verringern und zu Nachhaltigkeitsbemühungen beitragen.
Welche Rolle spielt erneuerbare Energie in der KI?
Viele für KI-Verarbeitung genutzte Rechenzentren werden durch erneuerbare Energien oder nukleare Niedrigemissionsenergie betrieben. Die Verpflichtung der Cloud-Anbieter zu erneuerbaren Energien hat dazu beigetragen, dass erneuerbare Energieunternehmen größere Projekte entwickeln, was die Verfügbarkeit erneuerbarer Energie für alle erhöht.
Warum ist die Reduzierung des Energieverbrauchs der KI für die Nachhaltigkeit wichtig?
Mit dem zunehmenden Einsatz von KI und dem Wachstum der Modelle könnte die Nachfrage nach Energie, insbesondere nach erneuerbarer Energie, das Angebot übersteigen. Durch die Konzentration auf Energieeffizienz und die Erkundung alternativer Ansätze zur Energieeffizienz…
The source of the article is from the blog mivalle.net.ar