Wer ist der große Gewinner des KI-Wettbewerbs? Jensen Huang nennt Elon Musk: Er hat drei große Vorteile

Das neueste Interview-Video mit Nvidia-CEO Jensen Huang wurde in den sozialen Medien weit verbreitet. Im Video bezeichnet Huang Tesla und SpaceX-CEO Elon Musk als einen Spieler in einer "phänomenalen Position" im AI-Wettbewerb und betont, dass Musks Vorteile nicht aus seinem persönlichen Stil resultieren, sondern auf der Recheninfrastruktur, Echtweltdaten und drei bedeutenden Geschäftsbereichen im Bereich Künstliche Intelligenz basieren.

Huang erklärt, dass das Sammeln von Echtweltdaten äußerst kostspielig ist und Tesla über eine der weltweit größten Fahrzeugflotten verfügt, die fortlaufend eine enorme Menge an Fahrdaten generiert. Gleichzeitig betreibt Tesla eine massive AI-Computing-Infrastruktur mit viel Nvidia-Hardware. In Verbindung mit den drei Geschäftsbereichen xAI, Teslas autonomes Fahren und dem humanoiden Roboter Optimus hat Musk eine bedeutende strategische Position im AI-Zeitalter eingenommen.

Die erwähnten Aussagen wurden auf sozialen Plattformen wie X schnell verbreitet und lösten in der AI-Branche und Investorenkreisen hitzige Diskussionen aus. Während globale Tech-Giganten weiterhin verstärkt in Basismodelle, autonomes Fahren und Robotik investieren, lenkt Huang die Aufmerksamkeit erneut weg von einem reinen Wettbewerb um große Modelle hin zur Entwicklung eines vollständigen AI-Ökosystems aus Rechenleistung, Daten und Endanwendungen.

Jensen Huang: Musks größter Vorteil ist die Infrastruktur, die andere kaum nachbilden können

Laut dem kursierenden Video sprach Huang, als er nach der Zukunft der AI-Branche gefragt wurde, ausführlich über Musks Wettbewerbsvorteile.

Er erklärte:

„Die Kosten der Sammlung von Echtweltdaten sind extrem hoch, und Elon hat einen enormen Vorteil.“

Aus Huangs Sicht resultiert dieser Vorteil aus zwei Hauptbereichen.

Erstens ist dies die AI-Recheninfrastruktur.

Er betonte, dass Teslas AI Factory für das Training des autonomen Fahrens eine große Anzahl von Nvidia-GPUs einsetzt und eine der weltweit leistungsstärksten AI-Trainingsplattformen ist, die dem FSD-Modell ausreichende Rechenleistung für stetige Weiterentwicklung bietet.

Zweitens sind die Echtweltdaten entscheidend.

Huang sagt, dass Tesla eine der größten vernetzten Autoflotten der Welt besitzt, die täglich Fahrumgebungen, Straßenbedingungen und Fahrzeugdaten sammelt. Dies bedeutet, dass Tesla im Vergleich zu AI-Unternehmen, die auf öffentliche Daten zum Training ihrer Modelle angewiesen sind, kontinuierlich neue Echtweltdaten erhält, deren Erhebung extrem kostspielig ist und eine zentrale Grundlage für die Weiterentwicklung autonomer Fahrmodelle bildet.

Huang ist überzeugt, dass Musk im AI-Zeitalter einen natürlichen Vorteil besitzt, der über viele Jahre hinweg aufgebaut wurde und nicht kurzfristig replizierbar ist.

Drei große AI-Schlachtfelder: Basismodelle, autonomes Fahren, humanoide Roboter

Huang äußert zudem, dass er Musks Einschätzungen zur zukünftigen Entwicklung von AI sehr gut versteht und dass Musk die drei wichtigsten Richtungen der Künstlichen Intelligenz aufbaut, laut Huang sind dies:

• xAI: Verantwortlich für grundlegende kognitive Intelligenz, also Basismodelle und allgemeine AI-Fähigkeiten;
• Tesla: Verantwortlich für autonomes Fahren;
• Optimus: Verantwortlich für humanoide Roboter.

Huang betont, dass diese "drei Bereiche die wichtigsten Schlachtfelder der AI sind".

Das bedeutet, dass Huang zufolge der Wettbewerb in der AI-Branche nicht nur zwischen Chatbots oder großen Sprachmodellen stattfindet, sondern sich auf Roboter und die physische Welt ausdehnt.

Wenn Basismodelle für das "Denken" zuständig sind, das autonome Fahren für das "Verständnis der realen Welt", dann übernehmen humanoide Roboter die Aufgabe, in die reale Welt einzutreten und Aufgaben auszuführen. Diese drei Aspekte bilden gemeinsam den vollständigen Kreislauf der nächsten Entwicklungsphase der AI-Branche.

Vom „Modellwettbewerb“ zur „Infrastrukturkonkurrenz“

In den letzten Jahren hat sich der Wettbewerb in der AI-Branche zunehmend vom Fokus auf Modellparameter zur schwerer kopierbaren Infrastruktur rasch verlagert.

Einerseits treiben große Modelle die Investitionen in GPUs und Rechenzentren stark voran, andererseits erkennen immer mehr Technologieunternehmen, dass hochwertige Echtweltdaten zu einer neuen, knappen Ressource werden.

Autonomes Fahren wird daher zu einer wichtigen Datenquelle für die AI-Branche.

Teslas Millionen vernetzte Fahrzeuge generieren täglich Fahrdaten, die nicht nur zum Training von FSD dienen, sondern dem Unternehmen auch eine Datenfestung verschaffen, die andere AI-Firmen schwer nachbilden können.

Zugleich treibt Musk in den letzten Jahren die Expansion seines AI-Imperiums stetig voran:

• xAI trainiert die nächste Generation von Basismodellen;
• Tesla treibt FSD und Robotaxi unaufhörlich voran;
• Optimus wird als Plattform für zukünftig massenhaft einsetzbare humanoide Roboter positioniert.

Huang stellt diese drei Geschäftsfelder gezielt als wichtigste Entwicklungsrichtungen der AI-Zukunft heraus, was darauf schließen lässt, dass er davon ausgeht, dass der AI-Wettbewerb sich künftig immer stärker um Rechenleistung, Daten und Roboteranwendungen drehen wird und nicht mehr nur darum, wer das leistungsstärkste große Modell besitzt.

Erneute Betonung der zentralen Rolle von Nvidia im AI-Ökosystem

Bemerkenswert ist, dass Huang bei der Bewertung von Musks Vorteilen auch erneut die Bedeutung der AI-Infrastruktur hervorhebt.

Egal ob es um das Training von Basismodellen, autonomes Fahren oder Robotersysteme geht – für all dies sind große GPU-Cluster und Rechenzentren erforderlich, und Nvidia-GPUs sind nach wie vor ein zentraler Bestandteil der globalen AI-Trainings- und Inferenz-Infrastruktur.

Huang hat bereits mehrfach betont, dass in Zukunft jedes große Unternehmen eine eigene „AI Factory“ bauen wird und dass die zentrale Wettbewerbsfähigkeit im AI-Zeitalter nicht nur im Algorithmus liegt, sondern vor allem darin, Daten kontinuierlich in Intelligenz durch eine starke Recheninfrastruktur zu verwandeln.

Anhand des Beispiels Tesla verdeutlicht er erneut diesen Standpunkt: Schwer nachbildbar ist nicht ein einzelnes Modell, sondern die langfristig aufgebaute Rechenleistung, Echtweltdaten sowie die sich gegenseitig verstärkenden Anwendungsszenarien, der „Flywheel“-Effekt.