SANTA CLARA / TOKIO / LONDON (IT BOLTWISE) – Der japanische Autonomiefahrzeug-Entwickler Turing erweitert sein Investorenset um AMD Ventures und beginnt parallel zur bisherigen NVIDIA-Toolchain mit AMD-GPUs zu testen. Damit will das Startup seine Kostenstruktur in einem extrem kapitalintensiven Markt verbessern und schneller Richtung kommerzieller Robotaxi-Einsätze bis 2028 gehen. Gleichzeitig arbeitet das Team an zusätzlichen Technologie-Nachweisen für potenzielle Auto-Partner. Die Entscheidung fällt in eine Phase, in der Wettbewerber wie Wayve/Uber/Nissan den Pilotbetrieb in Japan vorbereiten und die Zeitpläne enger werden.
Turing Inc., ein seit rund fünf Jahren aktiver Entwickler von Self-Driving-Technik aus Japan, stellt seine Rechenstrategie um: Neben seiner langjährigen NVIDIA-basierten Infrastruktur startet das Unternehmen Pilotläufe mit AMD-GPUs. Ausschlaggebend ist aus Sicht der Beteiligten vor allem das Ziel, die Kosten zu senken und die Lieferkette breiter aufzustellen, ohne die Leistungsfähigkeit beim KI-Training und bei der Inferenz zu gefährden. Die neue Finanzierungs- und Partnerdynamik kommt dabei nicht zufällig: AMD Ventures ergänzt das Cap-Table, während Turing seine Technologie weiter auf kommerzielle Einsätze vorbereitet.
Technisch betrachtet verschiebt sich damit ein zentraler Hebel im Autonomie-Stack: Rechenhardware beeinflusst nicht nur die Trainingsgeschwindigkeit großer Modelle, sondern auch Latenz und Energieverbrauch in Echtzeit-Pipelines. Turing hat nach Unternehmensangaben seit dem Start auf NVIDIA-Hardware gesetzt, wechselt jetzt jedoch für Tests auf AMD-Accelerators, um die Plattformfähigkeit unter realistischen Lastprofilen zu validieren. In einem Robotaxi-Kontext reicht „trainiert einmal“ nicht: Die Modelle müssen fortlaufend auf neue Fahrsituationen kalibriert und während des Betriebs sicher ausgeführt werden. Genau diese Betriebskette ist der Punkt, an dem Hardware-Kompatibilität strategisch wird.
Wie eng der Markt inzwischen getaktet ist, zeigt der Zeitplan von Turing: Das Startup zielt darauf, seine Software sowohl für den Verbraucher-Markt als auch für driverlose Robotaxis frühestens ab 2028 anzubieten. Dass die Implementierung nicht über Nacht gelingt, wird intern ebenfalls adressiert. Beim Markteintritt zählt im Autosektor selten nur die technologische Machbarkeit, sondern auch die Produktisierung: Integration in bestehende Entwicklungs- und Produktionsprozesse, Validierung für neue Fahrzeugplattformen und die Vorbereitung von Verträgen mit OEMs. Dazu passt die Aussage von Masato Morishima, Chief Financial Officer: „Wir haben mit der Technologie deutliche Fortschritte gemacht. Es gibt noch viel, das wir potenziellen Auto-Partnern zeigen können.“
Im Wettbewerbsumfeld ist die Hardwarefrage zugleich ein Wirtschaftlichkeitshebel. Ein Mitbewerber bereitet in Japan bereits Pilotaktivitäten vor: Eine Allianz aus Nissan, dem britischen KI-Startup Wayve und Uber Technologies plant, noch im laufenden Jahr in Tokio einen Testbetrieb für ein autonomes Taxi-Angebot zu starten. Diese Konstellation zeigt, wie schnell Partnerschaften bei der Umsetzung werden können, wenn Software, Flottenlogistik und Cloud-/Rechenressourcen zusammenlaufen. Branchenweit wird zudem davon ausgegangen, dass Automatisierung in den nächsten Jahren überwiegend schrittweise ausgerollt wird – technisch, regulatorisch und organisatorisch. Turing argumentiert, der zeitliche Abstand werde deshalb nicht automatisch zur Niederlage.
Aus Markt- und Kostenperspektive ist die Entscheidung für AMD gut nachvollziehbar: NVIDIA bietet zwar leistungsstarke Beschleuniger, die Beschaffung und Skalierung kann jedoch in bestimmten Phasen teuer oder einschränkend werden. Die Nähe der beiden Firmen-Hauptstandorte in Kalifornien wurde in der Berichterstattung sinngemäß als Vorteil dargestellt: AMD kann dem Startup helfen, die Lieferbasis zu diversifizieren und möglicherweise bessere Stückkosten für Training und Inferenz zu erzielen. In der Praxis bedeutet das für ein Startup, dass es mehrere Betriebsmodi testen muss – etwa wie sich ein Modell-Update-Pfad, Batch-Trainings und die Online-Inferenz in einer Flotte auf die Gesamtkosten auswirken. Das ist auch eine Frage der Planbarkeit für Budgetzyklen.
Historisch betrachtet war der Weg zu autonomen Systemen lange von „einem Anbieter“ geprägt: Frühe Plattformen setzten stark auf eine konkrete GPU-Generation, weil Toolchains und Optimierungen darauf ausgerichtet waren. Inzwischen hat sich die Landschaft professionalisiert: MLOps, Hardware-Abstraktion und Modellschnittstellen werden wichtiger, damit Teams nicht bei jedem Supply-Shift neu anfangen müssen. Dennoch bleibt die Umstellung heikel, weil Leistungsindikatoren wie Throughput, Speicherverbrauch und numerische Stabilität hardwareabhängig sind. Turing versucht genau diese Punkte abzusichern, indem das Unternehmen nach eigenen Angaben Testfahrten zunächst außerhalb und später auch in stärker frequentierten Regionen durchgeführt hat – mit dem Anspruch, reale Daten schnell in die Entwicklungsiteration einzuspeisen.
Für Unternehmen und Entwickler ist das Signal mehr als nur eine Börsen- oder Chip-Notiz: Wenn Autonomie-Teams frühzeitig mehrere Beschleunigerfamilien unterstützen, reduziert das Abhängigkeiten und erleichtert später den Rollout in unterschiedlichen Kundenumgebungen. In der Praxis kann das heißen, dass Deployments im Rechenzentrum oder an Edge-Standorten unterschiedlich optimiert werden müssen, statt eine einzige Annahme zu verabreden. Gleichzeitig steigen die Anforderungen an Testautomatisierung, Beobachtbarkeit und Sicherheitsprozesse: Drift-Erkennung, Performance-Monitoring und Fail-Safe-Mechanismen dürfen nicht von einer einzelnen Hardware-Variante abhängen. Für die regulatorische Seite gilt außerdem, dass die Nachvollziehbarkeit der KI-Verarbeitung und die Absicherung gegen Fehlverhalten mit zunehmender Betriebsdauer stärker in den Fokus rücken – gerade bei robotaxi-nahen Use-Cases.
Der nächste Entwicklungsschritt liegt daher weniger im „Anschalten“ einer zweiten GPU, sondern im Nachweis der Gesamtwirkung: Skalierung der Trainingsläufe, stabile Inferenz unter Last, und eine Kostenkurve, die auch bei wachsenden Flottenzahlen funktioniert. Turing plant den Weg zur kommerziellen Einführung bis 2028, während die Technologieadoption laut Unternehmensseite sehr graduell verlaufen dürfte. Dazu passt eine zweite Aussage von Issei Yamamoto, Mitgründer und CEO: „Autos ist eine sehr wichtige Industrie in Japan. Wenn Japan diese Industrie verliert, werden wir nichts mehr exportieren können. Und autonomes Fahren wird ein Schlüsselfaktor für die Zukunft sein.“ Für den Markt bedeutet das: Wer Rechenkosten, Validierungszyklen und Partnerintegration sauber zusammenbringt, kann in der Phase der frühen Rollouts einen entscheidenden Taktvorteil gewinnen.
💳 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.
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- 【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 "Turing setzt auf AMD-GPUs: Japanischer Autonomie-Startup baut KI-Rechenbasis für den Markteintritt bis 2028" 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 "Turing setzt auf AMD-GPUs: Japanischer Autonomie-Startup baut KI-Rechenbasis für den Markteintritt bis 2028" 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: »Turing setzt auf AMD-GPUs: Japanischer Autonomie-Startup baut KI-Rechenbasis für den Markteintritt bis 2028« bei Google Deutschland suchen, bei Bing oder Google News!