KI-Beschleuniger im Rechenzentrum: OpenAI und Synopsys bauen ein Chipdesign-Modell, während der Senat das Energiegesetz blockiert
OpenAI und Synopsys haben eine mehrjährige Partnerschaft geschlossen, um GPT-Synopsys zu bauen, ein spezialisiertes KI-Modell für den Chipentwurf. Das berichtete The Decoder am 30. September. Die Nachricht kam einen Tag, nachdem die Demokraten im Senat den Ratepayer Protection Act blockiert hatten. Das Gesetz hätte Rechenzentren für den Ausbau der Stromnetze zahlen lassen.

Zwei Meldungen über KI-Rechenzentren kamen diese Woche innerhalb von 24 Stunden. Sie zeigen in entgegengesetzte Richtungen. Auf der einen Seite werden die Werkzeuge, mit denen Beschleuniger entworfen werden, auf KI-Modelle umgestellt. Auf der anderen Seite hat das politische System, das den Stromverbrauch dieser Beschleuniger regeln soll, gerade kein Gesetz zustande gebracht.
Zuerst die Entwurfsseite. Laut The Decoder haben OpenAI und Synopsys eine mehrjährige strategische Partnerschaft geschlossen. Gemeinsam bauen sie ein spezialisiertes KI-Modell für den Chipentwurf namens GPT-Synopsys. Synopsys stellt Werkzeuge für elektronisches Design her, also die Software, mit der Ingenieure Chips und Halbleiter entwerfen. Das Modell verbindet die KI-Technik von OpenAI mit den EDA-Werkzeugen von Synopsys. OpenAI lizenziert diese Werkzeuge für das Projekt. Das erklärte Ziel ist ein Modell, das über Chipentwurf und Verifikation schlussfolgern und die Werkzeuge von Synopsys direkt bedienen kann. Ingenieure geben die Entwurfsziele vor und prüfen und genehmigen das Ergebnis. Das Modell läuft auf der Infrastruktur von OpenAI. Kundendaten werden nach Angaben beider Unternehmen nicht für das Training verwendet und verschlüsselt gespeichert. Erste Tests mit Halbleiterkunden laufen bereits. Beide Unternehmen vermarkten das Produkt gemeinsam und teilen sich die Erlöse.
Synopsys-Chef Sassine Ghazi sagt, KI könne den Entwurfsprozess deutlich beschleunigen. OpenAI-Mitgründer Greg Brockman sieht in der Partnerschaft einen Weg zu besseren Chips und besserer KI. The Decoder merkt außerdem an, dass OpenAI bereits mit Broadcom an Chips arbeitet, die speziell für den Betrieb von KI-Modellen gebaut sind. Der kürzlich vorgestellte Jalapeno-Chip sei gegenüber ähnlichen Spezialchips sehr konkurrenzfähig.
Warum die Entwurfsautomatisierung plötzlich zum Engpass wird
Der Zeitpunkt ist kein Zufall. Ein von Semiconductor Engineering am 1. Oktober veröffentlichter Sponsor-Beitrag argumentiert, der Chipentwurf sei zum begrenzenden Faktor im Rennen um größere KI-Systeme geworden. Der Beitrag schätzt, dass ein ASIC üblicher Komplexität über 1.000 Ingenieursmonate verlangt. Er zeichnet nach, wie EDA und Hardwarebeschreibungssprachen wie das 1986 eingeführte Verilog den Engpass vom Platzieren und Verdrahten hin zur Verifikation verschoben haben. Dieselbe Quelle veröffentlichte am selben Tag einen zweiten Sponsor-Beitrag über PCIe über UCIe. Der Text beschreibt, wie PCIe-8.0-Verkehr mit UCIe 3.0 Chiplet-Grenzen überqueren kann. Der Autor warnt, dass Energiemanagement und Reset-Abläufe zu den häufigsten Ursachen komplexer Integrationsfehler gehören. Ein Timeout auf der PCIe-Ebene kann von einem verzögerten UCIe-Austritt aus dem Energiesparzustand stammen. Beide Beiträge sind von Anbietern gesponserte Inhalte, von Siemens und von Imagination, die Aussagen sind also mit Vorsicht zu lesen. Das technische Problem, das sie beschreiben, ist real.
Am selben Morgen veröffentlichte Semiconductor Engineering einen dritten Sponsor-Beitrag von Imagination über Leistungsmetriken von LLM. Er trennt die Time to First Token, die die Prefill-Phase misst, von der Inter-Token Latency, die das Decoding misst. Der Unterschied zählt für jeden, der Beschleuniger-Flotten dimensioniert. Prefill ist rechengebunden, Decoding dagegen oft speicherbandbreitengebunden.
Die politische Seite steckt fest
Nun die Energieseite. Am Mittwoch blockierten die Demokraten im Senat den Ratepayer Protection Act mit 57 zu 43 Stimmen, berichtet The Guardian. Das Ergebnis lag knapp unter den 60 Stimmen, die für das weitere Verfahren nötig gewesen wären. Vier Demokraten stimmten mit den Republikanern: Maggie Hassan aus New Hampshire, Amy Klobuchar aus Minnesota sowie beide Senatoren aus Georgia, Jon Ossoff und Raphael Warnock.
"Die Amerikaner verlangen echte Lösungen, echte Leitplanken, echte Lösungen bei der KI. Der zahnlose Rechenzentrums-Gesetzentwurf der Republikaner trifft das Ziel völlig nicht", sagte der demokratische Fraktionsführer im Senat, Chuck Schumer, in einer Rede vor der Abstimmung.
Das Gesetz hätte Stromversorger verpflichtet, die Einführung neuer Standards zu prüfen. Rechenzentren hätten dann die Kosten für nötige Upgrades von Übertragung, Erzeugung und Verteilung übernommen. Diese Kosten lassen sich sonst auf Haushalte und Unternehmen abwälzen. Das Repräsentantenhaus hatte den Entwurf Anfang des Monats mit fast einstimmiger Mehrheit gebilligt. Der Republikaner Jon Husted aus Ohio, der das Gesetz im Senat vorantrieb, sagte, die großen Tech-Konzerne sollten ihre Kosten selbst tragen, statt sie an die örtlichen Gemeinden weiterzugeben. The Guardian berichtet, die Abstimmung sei eine der letzten, die der Senat vor den Midterms am 3. November voraussichtlich abhält. Die Kammer soll ihre Arbeit am Freitag beenden.
China schließt die Reihen
Der dritte Strang dieser Woche ist die Versorgung. Am 30. September berichtete The Decoder, dass Deepseek Open-Source-Programmierwerkzeuge für Huaweis Ascend-Chips veröffentlicht. Der Bericht beruft sich auf einen Beitrag im offiziellen WeChat-Kanal von Deepseek und auf Reuters. Kernstück ist TileLang, eine Sprache, die Forscher der Peking-Universität entwickelt haben. Deepseek argumentiert, sie biete ein einfacheres Programmiermodell als Nvidias CUDA. Beide Unternehmen haben außerdem einen Supernode optimiert, einen Verbund aus 128 Ascend-950-Chips. Der Hintergrund ist Nvidias Software-Graben. The Decoder nennt eine geschätzte Zahl von vier Millionen Entwicklern weltweit, die mit CUDA arbeiten. Er zitiert auch SemiAnalysis, das OpenAIs Inferenzchip Jalapeno getestet und den CUDA-Graben für möglicherweise tot erklärt hat. SemiAnalysis schränkte ein, nur relativ einfache Szenarien mit etwa 8.000 Eingabe- und 1.000 Ausgabe-Token getestet zu haben. Den AgentX-Benchmark für mehrstufige Agentenaufgaben hat das Unternehmen noch nicht laufen lassen. SemiAnalysis ergänzte, mit dem aktuellen Software-Stack von AMD käme Nvidia pro Token weiterhin billiger, selbst wenn AMD seine Hardware verschenkte. Huaweis Chips waren nicht Teil dieses Vergleichs.
Zusammengenommen: Die Entwurfswerkzeuge werden neu gebaut, die Chips werden neu gebaut, und die Stromrechnung ist weiterhin ungeklärt.
Quellen
6- 01OpenAI and Synopsys team up to build an AI model that designs chips like a seasoned engineerEN
- 02Senate Democrats block datacenter energy bill, saying 'toothless' legislation 'misses the mark'EN
- 03China's AI industry closes ranks as Deepseek ships open-source software for Huawei's Ascend chipsEN
- 04Why LLMs Are The Best Thing To Happen To Chip DesignEN
- 05Crossing Chiplet Boundaries With PCIe Over UCIeEN
- 06LLM Performance And Acceleration: Part 1EN
Alle Zahlen und Zitate in diesem Text stammen aus den unten genannten Quellen.
Die Materialien wurden vom Redaktionsteam mit Unterstützung von KI erstellt.
Kommentare
0- Noch keine Kommentare — seien Sie der Erste.