CPUs als unterschätzte Ressource in der KI-Entwicklung

MÜNCHEN (IT BOLTWISE) – In der Welt der Künstlichen Intelligenz (KI) sind Grafikprozessoren (GPUs) oft das Herzstück der Diskussionen. Doch während GPUs für ihre Fähigkeit, große Datenmengen parallel zu verarbeiten, gefeiert werden, gibt es eine andere, oft übersehene Ressource: die Central Processing Units (CPUs).

In der aktuellen Diskussion um die Infrastruktur für Künstliche Intelligenz (KI) dominieren Grafikprozessoren (GPUs) die Schlagzeilen. Diese spezialisierten Chips sind bekannt für ihre Fähigkeit, große Datenmengen parallel zu verarbeiten, was sie ideal für das Training großer Sprachmodelle macht. Unternehmen wie OpenAI, Google und Meta investieren massiv in GPU-Cluster, um ihre KI-Modelle zu betreiben. Doch diese Fokussierung auf GPUs hat eine wichtige Ressource in den Hintergrund gedrängt: die Central Processing Units (CPUs).

CPUs sind keineswegs veraltet. Sie sind in Millionen von Maschinen weltweit vorhanden und könnten viele KI-Aufgaben effizient und kostengünstig bewältigen, wenn man ihnen die Chance dazu gäbe. Während GPUs für parallele Verarbeitung optimiert sind, glänzen CPUs bei flexiblen, logikbasierten Operationen. Sie sind ideal für Aufgaben, die nicht nur auf reiner Rechenleistung basieren, sondern auch auf logischem Denken und Entscheidungsfindung.

Ein Beispiel für die Stärke von CPUs in der KI ist der Einsatz in autonomen Agenten. Diese Tools nutzen KI, um Aufgaben wie die Websuche, das Schreiben von Code oder die Projektplanung zu erledigen. Während das eigentliche Sprachmodell auf einer GPU laufen könnte, werden die umgebenden logischen und planenden Prozesse oft von CPUs übernommen. Auch die Inferenz, also die Anwendung eines trainierten Modells, kann auf CPUs erfolgen, insbesondere wenn die Modelle kleiner oder optimiert sind.

Ein weiterer vielversprechender Ansatz ist die Nutzung dezentraler physischer Infrastrukturnetzwerke (DePINs). Diese Netzwerke ermöglichen es, ungenutzte Rechenleistung, wie etwa brachliegende CPUs, in ein globales Netzwerk einzuspeisen, das für KI-Aufgaben genutzt werden kann. Anstatt teure GPU-Zeit bei einem zentralen Cloud-Anbieter zu mieten, könnten KI-Workloads über ein dezentrales Netzwerk von CPUs weltweit verteilt werden.

Diese dezentralen Netzwerke bieten mehrere Vorteile. Sie sind kostengünstiger, da keine hohen Gebühren für GPU-Zeit anfallen. Sie skalieren natürlich, da mehr Rechenleistung verfügbar wird, wenn mehr Menschen ihre Maschinen in das Netzwerk einbringen. Zudem bringen sie die Rechenleistung näher an den Rand, was die Latenz verringert und die Privatsphäre erhöht.

Es ist an der Zeit, CPUs nicht länger als zweitklassige Bürger in der KI-Welt zu behandeln. Während GPUs zweifellos wichtig sind, sind CPUs allgegenwärtig und untergenutzt, aber dennoch in der Lage, viele der KI-Aufgaben zu bewältigen, die uns wichtig sind. Mit der zunehmenden Verbreitung dezentraler Rechenplattformen, die brachliegende CPUs mit der KI-Wirtschaft verbinden, haben wir die Chance, die Art und Weise, wie wir KI-Infrastruktur skalieren, neu zu überdenken.

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!