LONDON (IT BOLTWISE) – AMD übernimmt den Startup Mext und will damit die DRAM-Knappheit in KI-Rechenzentren spürbar entschärfen. Kern ist ein KI-natives Memory-Tiering, das selten genutzte Daten von dynamischem RAM auf NAND-Flash verschiebt. Laut AMD soll das die Latenz für Anwendungen reduzieren oder vermeiden und gleichzeitig Kosten senken. Für Cloud-Anbieter und Unternehmen bedeutet das vor allem: größere Workloads auf vorhandener Infrastruktur und weniger Abhängigkeit von teurerem Speicherausbau.
Der Speichermarkt ist für KI-Rechenzentren längst zum Engpass geworden, und AMD setzt mit der Übernahme des Startups Mext direkt an dieser Nadel an. Während KI-Modelle, Hochleistungsrechner und Virtualisierung gleichzeitig wachsen, geraten klassische Speicherhierarchien unter Druck: DRAM ist nicht nur teuer, sondern auch limitiert in Verfügbarkeit, was Preise treibt und Kapazitäten in der Praxis verknappt. Die eigentliche Herausforderung entsteht jedoch oft nicht durch „zu wenig Speicher insgesamt“, sondern durch die Art, wie Anwendungen Daten im RAM halten. Genau hier will Mext ansetzen und die Lücke zwischen Bedarf und Hardware-Realität schließen.
Technisch baut die Mext-Lösung auf einem AI-nativen Memory-Tiering auf, das Daten dynamisch auslagert, statt sie pauschal im schnellen DRAM „festzuhalten“. In der Beschreibung des Unternehmens verschiebt die Technologie infrequently accessed Daten in Richtung NAND-basiertem Flash, weil Flash im Vergleich zu DRAM typischerweise deutlich geringere Kosten pro gespeicherter Information bietet. Entscheidend ist aber nicht nur das Verschieben, sondern die Rückverlagerung: Ein prädiktiver Memory-Engine-Ansatz analysiert kontinuierlich Memory-Access-Patterns und nutzt KI-Algorithmen, um abzuschätzen, welche Daten als Nächstes benötigt werden könnten. Wenn die Vorhersage passt, holt das System relevante Blöcke proaktiv wieder in den DRAM.
Damit adressiert AMD ein altes Grundproblem der Speicherhierarchie: Wenn Datenwechsel zwischen schnellen und langsamen Ebenen passieren, entsteht andernorts typischerweise Latenz, die performancerelevante Workloads ausbremst. Mext zielt dagegen darauf, Anwendungen die gleiche Performance-Charakteristik zu ermöglichen, indem die Daten zum erwarteten Zeitpunkt im schnellen Speicher bereitstehen. Im Vergleich zu klassischen Lösungen, die meist rein regelbasiert oder manuell konfiguriert sind, wirkt die Kombination aus prädiktiver Analyse und automatischem Transfer wie ein Versuch, „Standby-Latenz“ durch Vorausplanung zu reduzieren. In der Praxis kann das für KI-Trainings- und Inferenzpipelines besonders relevant sein, da dort Speicherzugriffe über Zeiträume stark variieren.
Am Markt wird die Übernahme vor allem als Erweiterung des Full-Stack-Compute- und AI-Portfolios interpretiert, weniger als kurzfristiger Umsatztreiber. Branchenbeobachter, die unter anderem in einem Interviewkontext von MarketWatch zitiert wurden, sehen in solchen Zukäufen häufig „technology tuck-ins“, also gezielte Ergänzungen, die bestehende Architektur- und Optimierungsfähigkeiten erweitern. Das gelte auch hier: In der unmittelbaren Phase erwartet man eher keine großen Revenue-Sprünge, sondern zusätzliche Optionen für Systemdesign, Speicheroptimierung und effizientere Auslastung. Gleichzeitig zeigt die Börsenreaktion, dass Anleger das strategische Signal verstehen: Wenn Speicherknappheit zur Leistungsgrenze wird, kann jedes Stabilisierungs- oder Kostenmodell auf Hardwareebene einen Wettbewerbsvorteil erzeugen.
Wettbewerb und Vergleich lassen sich dabei über zwei Ebenen betrachten: Hardware-Skalierung und Software-Optimierung. Auf der Hardwareseite wird aktuell viel über neue Speicherklassen, schnellere Interconnects und besonders dichte Beschleuniger diskutiert; Plattformanbieter wie NVIDIA und Intel forcieren parallel ihre jeweiligen Ökosysteme. Auf der Softwareseite hingegen kämpfen Rechenzentren mit einem sehr realen Thema: DRAM ist knapp, aber Workloads sind nicht konstant „hot“ über die gesamte Laufzeit. In diesem Spannungsfeld ist ein KI-gestütztes Memory-Tiering plausibel, weil es die tatsächlichen Zugriffsprofile berücksichtigt. Im Unterschied zu reinen „Kompressions“-Ansätzen oder reinen Paging-Strategien versucht Mext, Latenz durch prädiktive Voraussicht zu vermeiden und damit einen näher an die Performance-Anforderungen von AI-Engines heranzuführen.
Für Betreiber und Enterprise-Kunden ist der Nutzen vor allem in zwei Dimensionen zu erwarten: Kosten und nutzbare Skalierung. Wenn Mext die „usable memory“ erhöht, ohne dass zwangsläufig mehr teures DRAM gekauft werden muss, steigt die Ausnutzung vorhandener Infrastruktur. Genau das kann die Total Cost of Ownership verbessern, weil Kapital- und Betriebskosten auseinanderlaufen können: Ein Rechenzentrum kann mehr Workload pro installiertem Speicher erreichen, statt auf regelmäßige DRAM-Aufrüstungen angewiesen zu sein. Zudem betont AMD, dass nicht nur KI-spezifische Umgebungen profitieren sollen, sondern auch traditionellere Rechenzentrums-Workloads, in denen Speicherzugriffe ebenfalls zeitlich variieren. Das könnte die Diffusion der Technologie erleichtern, weil der Business Case breiter ausrollbar ist.
Ein wichtiger Aspekt, der in solchen Speicher-Optimierungsprojekten oft unterschätzt wird, ist Security und Datenschutz: Memory-Tiering verändert, wie Daten zwischen Ebenen wechseln, und verlagert damit auch die Verantwortung für Zugriffskontrolle und Datenlebenszyklus. Betreiber sollten deshalb genau prüfen, wie der prädiktive Mechanismus und die Transfers abgesichert werden, insbesondere hinsichtlich Schutz vor unbefugtem Zugriff, Konsistenz während des Umschichtens und potenzieller Informationslecks über Zugriffsmuster. Zusätzlich wird die regulatorische Relevanz mit zunehmender Datenkritikalität steigen, etwa wenn Systeme in regulierten Branchen eingesetzt werden. Technisch bedeutet das: Integrierte Verschlüsselung, klare Auditierbarkeit und robuste Isolation zwischen Workloads sollten als Qualitätskriterien gelten, nicht als „Nice-to-have“.
Für die Zukunft ist zudem entscheidend, wie AMD Mext tatsächlich in sein Portfolio einbettet. AMD kündigt an, die Technologie in seine breitere Data-Center-Strategie zu integrieren, die bereits integrierte Hardware- und Rack-Scale-Systeme umfasst, inklusive Prozessoren, AI-Beschleunigern, Netzwerkkomponenten und Software. Genau an dieser Stelle könnte sich die größte Differenzierung ergeben: Memory-Tiering wirkt erst dann überzeugend, wenn es eng mit Plattformsteuerung, Scheduling und Application-Workloads zusammenarbeitet. Wenn die Integration gelingt, könnten Rechenzentren perspektivisch größere KI-Workloads auf vorhandenen Servern fahren und so Engpässe in der Lieferkette teilweise abfedern. Für Entwickler entsteht parallel die Chance, Speichermanagement nicht nur als Infrastruktur-Thema zu behandeln, sondern als steuerbare Komponente in modernen AI-Deployments.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "AMD übernimmt Mext: KI-native Memory-Tiering soll DRAM-Knappheit in Rechenzentren entschärfen" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "AMD übernimmt Mext: KI-native Memory-Tiering soll DRAM-Knappheit in Rechenzentren entschärfen" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »AMD übernimmt Mext: KI-native Memory-Tiering soll DRAM-Knappheit in Rechenzentren entschärfen« bei Google Deutschland suchen, bei Bing oder Google News!