23.11.2017 KI-Chips

Spezialprozessoren beschleunigen Deep Learning

Von: Ingo Steinhaus

Die KI hat einen Hardware-Boom ausgelöst, der neue Mitspieler aus den USA und China auf den Plan ruft.

Herstellung eines Prozessor-Chips

Herstellung eines Prozessor-Chips

Deep Learning und Neuronetze boomen und mit Ihnen die KI-Chips, denn die Anwendungen benötigen eine enorme Rechenkraft. Normale Standardprozessoren reichen schon längst nicht mehr aus, stattdessen werden Grafikprozessoren (GPUs) als Rechenknechte eingesetzt. Der Grund: Die Rechenoperationen in der Bildverarbeitung sind ähnlich (einfach) wie bei Neuronetzen.

Doch auch die bisher genutzten GPUs stoßen an Grenzen, da sie nicht speziell für Deep Learning entwickelt worden sind. Außerdem ist der GPU-Markt unter Druck geraten, denn die rechenstarken Grafikeinheiten dienen auch als Unterstützung beim Mining von Kryptowährungen. So sind einige Grafikboards bereits für ihren üblichen Anwendungszweck - den schnellen Bildaufbau in Spielecomputern - kaum noch zu bekommen, die Bitcoin-Miner kaufen den Markt regelmäßig leer. Da liegt natürlich die Idee nahe, spezielle KI-Chips zu entwickeln, die nur die notwendigen Funktionen enthalten und gleichzeitig ganz besonders leistungsfähig sind. GPU-Marktführer NVIDIA arbeitet bereits daran und möchte seine starke Stellung im KI-Sektor ausbauen.

KI-Chips auf dem Vormarsch

Inzwischen gibt es eine Vielzahl von bereits vorhandenen oder angekündigten Produkten: Google nutzt in seinen Rechenzentren die selbstentwickelten Tensor Processing Units (TPUs), die an die Bedürfnisse der Deep Learning-Umgebung Tensorflow angepasst sind. Intel und AMD wollen gemeinsam einen KI-Chip auf den Markt bringen, mit dem die Dominanz von NVIDIA in diesem Sektor gebrochen werden soll. Auch IBM hat einen eigenen KI-Prozessor angekündigt und Microsoft arbeitet an einem speziellen Chip für die nächste Generation seiner AR-Brille HoloLens. Smartphone-Hersteller wie Apple oder Huawei bringen ebenfalls KI-Hardware auf den Markt, um auch auf Mobilgeräten Deep Learning nutzen zu können.

Außerdem tummeln sich Startups in diesem noch jungen Markt. Cerebras Systems ist im Stealth-Modus, hat aber bereits 112 Millionen US-Dollar Risikokapital erhalten und bekommt von den Investoren eine Bewertung von 860 Millionen Dollar. Auslöser dieses Hypes sind Informationen von Insidern, nach denen das Startup einen speziellen Chip entwickelt, der das Training von Neuronetzen stark vereinfachen soll.

Das britische Startup Graphcore entwickelt einen KI-Chip, der von den herkömmlichen GPUs abgeleitet ist. Das Unternehmen nennt ihre Prozessoren „Intelligent Processing Unit (IPU)“ und designt sie speziell für Machine Learning. Es hat vor kurzem eine dritte Investitionsrunde mit 50 Million US-Dollar abgeschlossen, sodass die Gesamtfinanzierung jetzt 110 Millionen Dollar erreicht hat.

Neuer Star auf dem Markt für KI-Chips ist der chinesische Prozessorhersteller Cambricon. Der bisher nur staatlich finanzierte Hersteller hat in den vergangenen Jahren bereits Prozessoren für Mobilgeräte entwickelt und würde nach eigener Auskunft gerne 30 Prozent des chinesischen Prozessormarkts erobern. Dabei soll eine ganze Zahl an KI-Chips helfen. Das Unternehmen hat vor ein paar Wochen 100 Millionen US-Dollar von strategischen Investoren wie Alibaba oder Lenovo erhalten. Die aktuelle Marktbewertung liegt bei einer Milliarde Dollar.

Ein zweiter, ebenfalls neuer Mitspieler aus China ist die Bitcoin-Mining-Farm Bitmain. Sie nutzt Erfahrungen mit dem Einsatz von Grafikprozessoren dafür, eigene ASICs (Application-Specific Integrated Circuits, anwendungsspezifische integrierte Schaltungen) für das Mining auf den Markt zu bringen. Die Bitmain-Tochter Sophon erweitert diese Aktivitäten auf KI-Chips. Sie sind nach Angaben des Herstellers für Bilderkennung in Videos optimiert und sollen bei der Überwachung von Objekten und Personen helfen - die chinesischen Sozialpunkte lassen grüßen.

Hardware als Flaschenhals für KI

Die vielen neuen Startups zeigen es: Der aktuelle KI-Frühling dauert bereits seit 2012 an und ist vor allem durch die immer leistungsfähigere Hardware zu einer sehr sonnigen Jahreszeit geworden. Doch schneller als gedacht sind die Standardtechnologien der Prozessorhersteller an ihre Grenzen gestoßen. So ist es nur logisch, dass sich plötzlich alle möglichen Unternehmen für die Herstellung besonders leistungsfähiger KI-Chips interessieren.

Der Markt scheint sich im Moment in zwei Richtungen zu entwickeln: Einerseits bauen die Anbieter hochleistungsfähige Systemeinheiten wie die Google-TPUs, die in Rechenzentren eingesetzt werden. Andererseits gibt es auch zunehmend Hersteller von „neuro-optimierten“ ASICs, die ihre Aufgabe in Smartphones, Datenbrillen, IP-Kameras und anderen Kleingeräten für das Internet der Dinge erfüllen sollen. Sie eignen sich dann lediglich für eine bestimmte Aufgabe, erfüllen diese aber besonders fix.

Das ist zwar noch kein Abschied von der bisherigen Rechnerarchitektur, doch aus Sicht der KI-Entwickler ist der teils riesige Funktionsumfang der herkömmlichen Prozessoren überflüssig. Entscheidend ist die Ausführungsgeschwindigkeit der grundlegenden mathematischen Operationen für Deep Learning. Hier haben optimierte Spezialchips eindeutig die Nase vorn und sicher auch die größte Zukunft - die teils ungewöhnlich hohen Bewertungen der Startups sprechen für sich.

Bildquelle: Thinkstock

©2017 Alle Rechte bei MEDIENHAUS Verlag GmbH