AMD bringt den KI-Chip MI325X auf den Markt und tritt damit gegen Nvidias Blackwell an

AMD hat seinen neuesten Chip für künstliche Intelligenz, den Instinct MI325X, vorgestellt, um direkt mit den Grafikprozessoren für Rechenzentren von Nvidia zu konkurrieren.

AMD gab bei einer kürzlichen Veranstaltung bekannt, dass die Produktion des MI325X Ende 2024 beginnen wird. Dies stellt einen wichtigen Schritt in den Bemühungen des Unternehmens dar, einen größeren Anteil am aufstrebenden Markt für KI-Chips zu erobern.

Da die Nachfrage nach fortschrittlichen generativen KI-Technologien wie ChatGPT von OpenAI weiter steigt, ist der Bedarf an leistungsstarken GPUs in Rechenzentren gestiegen.

Lisa Su, CEO von AMD, stellte fest, dass „die Nachfrage nach KI weiterhin zunimmt und die Erwartungen übertrifft“, was auf ein robustes Investitionsklima im KI-Bereich in verschiedenen Sektoren hindeutet.

Nvidia ist derzeit mit einem Marktanteil von rund 90 % führend auf dem GPU-Markt für Rechenzentren.

Dennoch ist AMD entschlossen, seine Präsenz in diesem Markt auszubauen, der bis 2028 voraussichtlich ein Volumen von 500 Milliarden US-Dollar erreichen wird.

Obwohl keine spezifischen Details zu Cloud- oder Internetkunden des MI325X bekannt gegeben wurden, hat AMD zuvor angedeutet, dass Technologiegiganten wie Meta und Microsoft seine KI-GPUs verwenden und dass OpenAI sie Berichten zufolge ebenfalls für ausgewählte Anwendungen einsetzt.

Der Preis des neuen Chips ist noch geheim, da AMD diese GPUs normalerweise als Teil kompletter Serverlösungen verkauft.

Um besser mit Nvidia konkurrieren zu können, plant AMD, seinen Zeitplan für die Markteinführung neuer Produkte zu beschleunigen und mit jährlichen Chip-Veröffentlichungen vom KI-Boom zu profitieren.

Der MI325X folgt auf den MI300X, dessen Auslieferung Ende letzten Jahres begann, und zukünftige Chips, darunter der MI350 für 2025 und der MI400 für 2026, sind bereits in der Pipeline.

Mit seiner Einführung tritt der MI325X in direkte Konkurrenz zu den kommenden Blackwell-Chips von Nvidia, die voraussichtlich Anfang nächsten Jahres in größeren Stückzahlen ausgeliefert werden.

Ein erfolgreicher Start könnte das Interesse von Investoren an AMD wecken, dessen Aktienkurs in diesem Jahr lediglich um 20 % gestiegen ist, im krassen Gegensatz zum beeindruckenden Anstieg von 175 % bei Nvidia.

Trotz des Optimismus rund um den neuen KI-Chip steht AMD vor Herausforderungen, da Nvidias etablierte Programmiersprache CUDA viele Entwickler an sein Ökosystem bindet.

Um dem entgegenzuwirken, verbessert AMD seine ROCm-Software, um Entwicklern, die ihre KI-Modelle auf die Beschleuniger von AMD migrieren möchten, reibungslosere Übergänge zu ermöglichen.

Die KI-Beschleuniger von AMD werden insbesondere für Anwendungen im Bereich Inhaltserstellung und prädiktive Analytik gepriesen, was unter anderem an ihrer fortschrittlichen Speichertechnologie liegt.

Su behauptete, dass der MI325X beim Ausführen des Llama-KI-Modells von Meta bis zu 40 % mehr Inferenzleistung liefern kann als der H200 von Nvidia.

Während KI-Beschleuniger große Aufmerksamkeit auf sich ziehen, liegt das Kerngeschäft von AMD nach wie vor auf Zentralprozessoren (CPUs), die für nahezu jeden Server weltweit von entscheidender Bedeutung sind.

Das Unternehmen meldete, dass sein Umsatz im Bereich Rechenzentren im Juniquartal die Marke von 2,8 Milliarden Dollar überstieg und sich damit im Vergleich zum Vorjahr verdoppelte. KI-Chips machten davon allerdings nur etwa eine Milliarde Dollar aus.

Auf AMD entfallen rund 34 % der Gesamtausgaben für CPUs für Rechenzentren, womit sie immer noch hinter der Xeon-Reihe von Intel liegen.

Um diese Dominanz herauszufordern, stellte AMD während derselben Veranstaltung seine neuen EPYC-CPUs der 5. Generation vor.

Die neue Produktreihe bietet verschiedene Konfigurationen, vom wirtschaftlichen 8-Core-Chip für 527 US-Dollar bis hin zu einem 192-Core-, 500-Watt-Prozessor für Supercomputing für 14.813 US-Dollar pro Stück.

Su betonte, dass es bei der heutigen KI vor allem um die Leistungsfähigkeit der CPUs gehe, und unterstrich damit die Bedeutung der CPUs für die Ausführung von KI-Workloads und Datenanalyseanwendungen.