Ricursive Intelligence setzt auf KI-entworfene Chips

Der Rechenhunger der KI-Branche wächst immer weiter, und die meisten Lösungsvorschläge laufen auf mehr Rechenzentren hinaus. Ricursive Intelligence will das Problem von einer anderen Seite angehen: die Chips selbst besser machen und die Entwicklungsarbeit der KI überlassen.

Die Mitgründerinnen Anna Goldie und Azalia Mirhoseini stellten die Idee am Mittwoch auf der Bühne der TechCrunch Disrupt vor. Ihr Start-up entwickelt eine KI, die Chips entwirft, aus jedem Versuch lernt und diese Erkenntnisse nutzt, um den nächsten Entwurf zu verbessern. Ziel ist es, das Chipdesign zu automatisieren und deutlich zu beschleunigen.

Das Problem: Die Nachfrage wächst schneller als das Angebot

Goldie beschrieb das Ausmaß der Herausforderung in drastischen Worten. "Es gibt die Einschätzung, dass wir in den nächsten fünf Jahren mindestens 10.000-mal mehr Bedarf an Rechenleistung haben werden, und das ist womöglich sogar noch eher konservativ", sagte sie.

Ihr Schluss: Infrastruktur allein auszubauen, wird nicht reichen. "Wir wollen also nicht 10.000-mal mehr Rechenzentren bauen", fügte sie hinzu. Stattdessen plädierte sie für effizientere Chips, die die Bandbreite in Rechenzentren, die Wafer und die Fabs (die Fabriken, in denen Chips hergestellt werden) besser ausnutzen. Exotischere Ansätze tat sie ab und scherzte, selbst Rechenzentren im Weltall hätten ihren Preis: "Ihr werdet die Sonne nicht mehr sehen."

Ungewöhnliche Layouts, die funktionieren

Nach Angaben der Gründerinnen stellt KI schon heute alte Gewissheiten im Chipdesign infrage, weil sie Layouts findet, die menschliche Ingenieure normalerweise nicht ausprobieren würden. Ihr früheres System AlphaChip erzeugte eine kreisförmige, "donutförmige" Anordnung der Bauteile. Die Ingenieure waren zunächst überrascht, doch das Design erwies sich als funktionsfähig.

Der aktuelle Ansatz von Ricursive geht noch weiter. Beim klassischen Chipdesign wird ein Chip in Dutzende kleinere Blöcke aufgeteilt, die getrennt bearbeitet werden. Ricursive optimiert dagegen den gesamten Chip auf einmal. Laut den Gründerinnen kann ihre KI dadurch komplexe Muster erzeugen, darunter wellenartige Designs. Weitere Details wollen sie später bekannt geben.

Der Mensch gibt die Richtung vor, die KI erledigt die Arbeit

Manche finden die Vorstellung beunruhigend, dass KI ihre eigene Hardware entwirft. Goldie sieht das anders. Für sie übernimmt die KI die Umsetzung, damit sich Menschen auf Ideen, Anwendungen und neue Einsatzfelder für Rechenleistung konzentrieren können.

"Ich glaube, alles verschiebt sich dahin, dass Menschen ihre großartigen Ideen und kreativen Gedanken einbringen und die Umsetzung von KI übernommen wird", sagte sie. Dieser Wandel vollziehe sich im Chipdesign, in der Softwareentwicklung und in anderen Bereichen.

Schnelleres Design, spezialisiertere Chips

Ihr stärkstes Argument führten die Gründerinnen beim Thema Wirtschaftlichkeit an. Wenn die Entwicklung eines neuen Chips sechs Monate bis zwei Jahre dauert, müssen Unternehmen sehr genau auswählen, welche Chips sie überhaupt bauen.

"Aber wenn man einen Chip in etwa einer Woche entwerfen kann", sagte Goldie, lohne es sich finanziell, maßgeschneiderte Chips für viele Anwendungen zu bauen, etwa für die Raumfahrt, AR und VR oder biologisches Rechnen. Das würde zudem die Energieeffizienz verbessern, fügte sie hinzu.

Unsere Einschätzung

Der Auftritt von Ricursive erinnert daran, dass der Mangel an Rechenleistung nicht nur eine Frage des Geldes für mehr Gebäude und GPUs ist. Ein Großteil der aktuellen Debatte dreht sich um Kapazität, von Neocloud-Anbietern wie Lambda, die vor einem Börsengang Kapital einsammeln, bis hin zu immer größeren Infrastrukturzusagen. Effizienz bekommt weniger Aufmerksamkeit, und sie verdient es, ernst genommen zu werden.

Die Idee passt auch zu einem größeren Trend: KI dringt in die Ingenieursarbeit selbst vor, ähnlich wie bei Start-ups wie Vinci4D, das KI für technische Simulationen entwickelt. Trotzdem sind viele Behauptungen noch nicht überprüft. Die 10.000-fache Nachfrage ist eine Prognose, und ein einwöchiger Entwicklungszyklus ist ein Ziel, kein nachgewiesenes Ergebnis. Zwei Dinge sollte man im Blick behalten: ob die angekündigten Details zu den wellenartigen Layouts messbare Verbesserungen zeigen und ob Chiphersteller die KI-Optimierung ganzer Chips tatsächlich in die Produktion übernehmen.