+31 20 705 1010
EnglishNederlandsFrançaisDeutschEspañol
Modelle

OpenAI behauptet, dass eigene Chips in internen Leistungstests die Hardware von Nvidia übertreffen

OpenAI hat Pläne bekannt gegeben, noch in diesem Jahr eigene, speziell entwickelte Chips zur Unterstützung seiner großen Sprachmodelle einzusetzen. Interne Tests deuten darauf hin, dass diese Prozessoren die Leistung der branchenüblichen Nvidia-Hardware übertreffen können. Der Übergang zielt darauf ab, die Infrastruktur des Unternehmens für seine spezifischen generativen KI-Workloads zu optimieren.

Warum das wichtig ist

Unternehmensteams sollten den Trend zur gemeinsamen Optimierung von Hardware und Software beachten, um die Inferenzgeschwindigkeit zu verbessern und Kosten zu senken. Diese Diversifizierung der Hardware-Ebene könnte letztendlich zu wettbewerbsfähigeren Preisen und einer besseren Verfügbarkeit von Hochleistungs-Rechenressourcen führen.

Kernpunkte

  • OpenAI hat eigene Chips entwickelt, um die Abhängigkeit von Drittanbietern für GPUs zu verringern.
  • Interne Benchmarks deuten auf Leistungsvorteile gegenüber aktuellen Nvidia-Prozessoren bei bestimmten Aufgaben hin.
  • Das Unternehmen geht davon aus, die Chips bis Ende 2024 in seinen Rechenzentren einzusetzen.

Passende Lösungen

Sovereign AI Generative KI
Alle KI-Nachrichten

Mehr KI-Nachrichten

Modelle

Große Anbieter künstlicher Intelligenz veröffentlichen eine Welle neuester Modelle

Zwischen dem 29. und 30. September 2026 stellten die führenden KI-Unternehmen OpenAI, Google und Anthropic nacheinander ihre neuesten Modellversionen vor. Die kurz aufeinanderfolgenden Ankündigungen markieren eine geballte Reihe von Aktualisierungen der führenden Pionierlabore der Branche.

Tools

Nutzung von Open-Source-KI wächst trotz Sicherheits- und Lizenzhürden in Unternehmen

Open-Source-Modelle für künstliche Intelligenz verzeichnen eine rasante Verbreitung in Unternehmen und bieten Organisationen besseren Datenschutz, planbare Kostenkontrolle sowie weitreichende Anpassungsmöglichkeiten. Trotz dieser Vorteile stoßen Entwicklungsteams auf erhebliche betriebliche Reibungsverluste bei der Überführung offener Modelle in die Produktion. Unternehmen müssen komplexe Lizenzbedingungen, Softwaresicherheitslücken und spürbare Hürden bei der Bereitstellung entlang ihrer Arbeitsabläufe aktiv bewältigen.

Tools

Enterprise-KI verlagert den Fokus angesichts rasanter Modellverbreitung auf Inferenzkosten

Da wöchentlich neue Modelle erscheinen und die weltweite GPU-Kapazität um Millionen Einheiten wächst, verlagert sich der primäre operative Schwerpunkt für Enterprise-KI vom Training auf die Inferenz. Unternehmen müssen nun nachhaltige Rechenstrategien entwickeln, um wiederkehrende Betriebskosten bei der Vervielfachung des täglichen Abfragevolumens zu kontrollieren. Die Steuerung von Inferenzkosten ist für langfristige Bereitstellungsbudgets zentral geworden.

Ready to build something
extraordinary?

15 minutes. No pitch deck. Just a conversation about what AI can do for your team.

Talk directly with our AI specialists

15 Min, unverbindlich
Kein Verkaufsdruck
Prototyp in 7 Tagen