Chips mit Artificial Intelligence an Bord Was KI-Chips bereits leisten können

Anbieter zum Thema

Google Germany GmbH

Hailo Technologies

Alibaba.com (Europe) LTD

Samsung SDI CO., LTD.

Huawei Technologies Deutschland GmbH

mehr weniger

NVIDIA GmbH

AMD Advanced Micro Devices GmbH

Vertiv GmbH

DAXTEN GmbH

Fsas Technologies GmbH

weniger

Viele Bedenken bei Nutzung von künstlicher Intelligenz hängen mit der Speicherung und Verarbeitung von Daten in der Cloud zusammen. Bei KI-Chips können viele der Daten gleich auf dem jeweiligen Gerät verbleiben. Doch KI-Chips haben weitere Vorteile.Hier ein Überblick über verfügbare Modelle und die Einsatzmöglichkeiten:

Nicht nur für den Datenschutz spielt es eine entscheidende Rolle, wo ein KI-Dienst läuft und die Daten verarbeitet und gespeichert werden. Bei KI-Diensten aus der Cloud, vom Telekommunikationsanbieter oder von speziellen KI-Servern im Unternehmen ist immer eine gewisse Distanz zu überwinden, damit vor Ort Daten ausgewertet und Ergebnisse geliefert werden können.

KI aus der Cloud, von Edge-Geräten und Endgeräten

Läuft die KI auf Edge-Servern oder sogar auf dem Endpunkt selbst, sind die Übertragungswege kürzer, dafür stehen jedoch weniger Daten zur Auswertung bereit. Je nach Anwendungsbereich reichen aber KI-Dienste von Edge-Geräten oder den Endpunkten selbst aus.

Tatsächlich wird die Zahl solcher Anwendungsfälle für KI weiter steigen. Smartphones und Kameras sind nur zwei Beispiele, Bildverarbeitung und Spracherkennung nur zwei Anwendungen. Man denke zum Beispiel an eine Drohne, die im Flug möglichst schnell Ergebnisse liefern soll, oder an vernetzte, in Zukunft autonome Fahrzeuge, wo die KI mitfahren muss.

Deloitte prognostiziert, dass im Jahr 2020 mehr als 750 Millionen Edge-AI-Chips verkauft werden, also Chips oder Teile von Chips, die maschinelles Lernen auf dem Gerät und nicht in einem entfernten Rechenzentrum ausführen. Damit ist aber das Ende der Fahnenstange noch nicht erreicht, denn AI-Chips können viele Vorteile haben, wenn es um Datenschutz, Datenübertragung und Echtzeit-Anwendungen (Low Latency) geht.

Mehr Künstliche Intelligenz auf dem Endpunkt

Das steigende Aufkommen von Anwendungen für künstliche Intelligenz in verbundenen Endpunkten wird die Nachfrage nach Halbleitern steigern, die AI-Algorithmen verarbeiten können, sagt das Analystenhaus Gartner. Anbieter von Anwendungsprozessoren müssten AI-Funktionen in ihre Halbleiterbauelemente einbetten. Traditionelle Chip-Anbieter werden zunehmend der Konkurrenz durch KI-Algorithmen und Dienstleister ausgesetzt sein, die ihre eigenen Chips entwickeln, so Gartner.

Die Analysten sehen entsprechend einen großen Markt für AI-Chips: Die KI-Funktionalität wird für viele neue Produkte eine Voraussetzung sein und bis 2023 einen Umsatz von 34,3 Milliarden Dollar für Halbleiterhersteller ermöglichen.

Blickt man noch zwei Jahre weiter, sieht die Prognose noch besser aus: Der globale AI-Chip-Markt soll bis 2025 91,18 Milliarden Dollar betragen, sagt Allied Market Research. Die steigende Nachfrage nach Smart Homes und Smart Cities, die gestiegenen Investitionen in KI-Startups und das Aufkommen von Quantencomputern sind demnach die Faktoren für das Wachstum des globalen KI-Chip-Marktes.

Bildergalerie

Bildergalerie mit 15 Bildern

Der Trend zu speziellen AI-Chips

Betrachtet man die auf dem Markt verfügbaren KI-Chips, findet man verschiedenen Typen wie Graphical Processing Units (GPUs), Application-Specific Integrated Circuits (ASICs), Field-Programmable Gate Arrays (FPGAs) und Central Processing Units (CPUs). Während GPUs zur intelligenten Bildverarbeitung bisher den größten Anteil haben, erwartet man das größte Wachstum bei ASICs.

Solche anwendungsspezifischen integrierten Schaltungen werden für einen spezifischen Zweck gebaut. Dies senkt nicht nur die Herstellungskosten nach der einmaligen Entwicklung, sondern es entspricht auch dem generellen Trend bei KI-Anwendungen: Es sind weniger die „Alleskönner“ gefragt als vielmehr die „Spezialisten“ bei den AI-Einsätzen.

Übersicht KI- und ML-Stacks, Teil 1

KI-Engines im Bündel mit Hardware

Übersicht KI- und ML-Stacks, Teil 2

Künstliche Intelligenz im Eigenbau

Traditionelle Chip-Hersteller und Startups teilen sich den Markt

Ein so zukunftsträchtiges Feld wie AI-Chips wird natürlich von vielen Anbietern besetzt, einige Beispiele sollen nun betrachtet werden.

Hailo ist ein auf KI fokussierter, in Israel ansässiger Chiphersteller, der den Deep-Learning-Prozessor Hailo-8 anbietet. Eine Structure-Defined Dataflow-Architektur soll zu höherer Leistung, geringerem Stromverbrauch und minimalen Latenzzeiten führen. Gleichzeitig soll der Chip mehr Privatsphäre und bessere Leistung für intelligente Edge-Geräte, wie etwa teilautonome Fahrzeuge, intelligente Kameras, Smartphones, Drohnen und Augmented und Virtual Reality Plattformen ermöglichen.

Das Startup GreenWaves Technologies hat den KI-Chip „GAP8“ entwickelt, laut Anbieter ein AI-Embedded-Prozessor mit extrem geringem Stromverbrauch für batteriebetriebene Edge-Geräte.

Viele KI-Chip-Startups wurden und werden übernommen: Apple hat das KI-Chip-Startup Xnor.ai erworben, Intel dagegen Habana Labs, und Tesla geht den Weg in Richtung AI-Chip durch die Übernahme von Deepscale.

Weitere Beispiele für AI-Chips und relevante Anbieter:

• Hanguang 800 von Alibaba

• Huawei Ascend 910

• Qualcomm

• Mythic

• Baidu Kunlun Chip

• NVIDIA GeForce

• Adapteva Epiphany

• Advanced Micro Devices (AMD)

• Graphcore

• Google TPU

• Groq

Die Zahl der Anbieter und Chip-Modelle wird weiter steigen. Es lohnt sich aber jetzt schon, die Anwendungsmöglichkeiten für solche AI-Chips in laufenden und geplanten IoT-Projekten zu prüfen, ob bei der Bilderkennung, Spracherkennung, bei Wearables, bei Preventative Maintenance, in der Robotik, im Smart Building oder im Smart Home.

(ID:46487391)