Uber setzt auf Amazons maßgeschneiderte KI-Chips für ML-Workloads

Uber setzt auf Amazons maßgeschneiderte KI-Chips für ML-Workloads wird von BTW Media profiliert, da veröffentlichte Nachweise es mit Internetinfrastruktur, Governance, operativen Abhängigkeiten oder Marktsichtbarkeit verbinden.

• Uber setzt auf Amazons maßgeschneiderte Chips, um KI-Rechenkosten zu senken und die Abhängigkeit von Nvidia zu verringern
• Dieser Schritt signalisiert eine Branchenverschiebung hin zu proprietärem Silizium der Cloud-Anbieter für KI im großen Maßstab

Was passiert ist

Uber, eine Plattform für Ride-Hailing und Essenslieferung, vertieft seine Partnerschaft mit AWS, um KI-Workloads auf maßgeschneiderten Chips vor dem Hintergrund steigender Rechenkosten auszuführen

Uber erweitert seine Nutzung der von Amazon Web Services (AWS) maßgeschneiderten Chips, um seine KI-Workloads zu betreiben. Das Unternehmen nutzt das spezialisierte Silizium von AWS – zu dem bekanntermaßen die Trainium- und Inferentia-Prozessoren gehören –, um die Effizienz des Trainings und der Bereitstellung von KI-Modellen zu verbessern.

Dieser Wechsel erfolgt, während Uber versucht, das Kosten-Leistungs-Verhältnis seiner KI-Operationen zu optimieren, die grundlegende Dienste wie Fahrgastvermittlung, Preisfindungsalgorithmen und Lieferlogistik unterstützen. Durch die Nutzung der AWS-Chips will Uber seine Abhängigkeit von teureren Allzweck-GPUs verringern, die in der Regel von Nvidia geliefert werden.

Amazon, der amerikanische E-Commerce- und Cloud-Computing-Riese, hat seine maßgeschneiderten Chips als kostengünstigere Alternative für KI-Workloads im großen Maßstab positioniert, insbesondere für Inferenzaufgaben und bestimmte Trainingsszenarien. Die Übernahme durch Uber spiegelt einen breiteren Trend unter Technologieunternehmen wider, die ihren Rechen-Stack diversifizieren wollen, während die Nachfrage nach KI-Infrastruktur explodiert.

Warum das wichtig ist

Da die KI-Nachfrage zu Chip-Knappheit und steigenden Cloud-Kosten führt, gewinnen Unternehmen, die das Silizium der Hyperscaler übernehmen, Preissetzungsmacht und architektonische Flexibilität und gestalten so die Wettbewerbsdynamik der KI-Infrastruktur neu.

Die Entscheidung von Uber unterstreicht einen strukturellen Wandel im KI-Ökosystem: Cloud-Anbieter sind nicht mehr nur Infrastrukturverkäufer, sondern zunehmend auch auf der Siliziumebene wettbewerbsfähig. Durch die Übernahme der maßgeschneiderten AWS-Chips reduziert Uber nicht nur seine Kostenexposition, sondern schließt sich auch enger an den vertikal integrierten KI-Stack von Amazon an. Dies könnte Innovationszyklen beschleunigen und gleichzeitig die Risiken der Abhängigkeit von einem Anbieter verstärken.

Im weiteren Sinne unterstreicht diese Entscheidung den sich verschärfenden Wettbewerb zwischen proprietären Cloud-Chips und dem dominanten GPU-Ökosystem von Nvidia. Während die Hyperscaler ihre internen Prozessoren verfeinern, könnten Unternehmen zunehmend hybride Rechenstrategien übernehmen – die Leistung, Kosten und Verfügbarkeit ausbalancieren – um das KI-Wachstum im großen Maßstab zu unterstützen.

Lesen Sie auch:Broadcom und Google schließen langfristigen Vertrag über maßgeschneiderte KI-Chips

Lesen Sie auch:Meta enthüllt vier maßgeschneiderte Chips zur Unterstützung von KI und Empfehlungen