Schalten Sie den Editor’s Digest kostenlos frei
Roula Khalaf, Herausgeberin der FT, wählt in diesem wöchentlichen Newsletter ihre Lieblingsgeschichten aus.
Jensen Huang, der lakonische, in Lederjacke gekleidete CEO von Nvidia, feiert eine Reihe von Triumphen. Der von ihm mitbegründete und geleitete Technologiekonzern ist heute das sechstwertvollste Unternehmen der Welt, und seine Chips und Software treiben die Revolution der künstlichen Intelligenz voran. In diesem Geschäftsjahr könnten die Umsätze von Nvidia die der gesamten US-Videospielbranche zusammen übertreffen.
Letzteres klingt wie eine bloße Fußnote für ein Unternehmen, dessen KI-Supercomputer Anwendungen wie ChatGPT von OpenAI trainieren. Aber es begann mit der Lieferung von Videospiel-Hardware und der Herstellung von Grafikchips für Personalcomputer und die Xbox-Konsole von Microsoft. Vor einem Jahrzehnt änderte sich die Richtung, aber Gaming blieb bis zum letzten Jahr die größte Einnahmequelle.
Die Transformation von Nvidia ist einer der schärfsten Umschwünge aller Unternehmensbereiche und entspricht dem historischen Schritt von Nintendo von Spielkarten zu Konsolen und dem von Toyota von Webstühlen zu Autos. Kein Wunder, dass Huang im Laufe der Jahre so besorgt war. „Ich lebe gerne in einem Zustand, in dem wir kurz vor dem Untergang stehen. . . Ich genieße diesen Zustand“, sagte er diese Woche dem DealBook Summit der New York Times.
Aber der Dreh- und Angelpunkt ist weniger skurril, als es scheint: Videospiele und künstliche Intelligenz haben viele Gemeinsamkeiten, und Spiele sind seit langem führend in der PC-Technologie. „Wir waren die Ersten, die zugegeben haben, dass unser Computer nichts anderes tun kann, als Spiele zu spielen“, sagte ein Nintendo-Manager der FT in den 1980er Jahren über die gerade herausgebrachte „Familiencomputer“-Konsole.
Nintendo folgte mit seinem Super Mario Bros-Spiel und dem tragbaren Game Boy-Gerät. Als Huang 1993 Nvidia mitbegründete, ein Jahr bevor Sony seine erste PlayStation auf den Markt brachte, war Gaming die spektakulärste Form des grafischen Rechnens. Es war der natürliche Markt für Nvidias Grafikprozessoren (GPUs), ganz abgesehen davon, dass Huang selbst ein Gamer war.
Es gibt zwei Arten von Dreh- und Angelpunkten: die eine ist natürlich und die andere ist eher eine Wendung des Schicksals. Netflix begann mit dem Verleih von DVDs, daher war der Übergang zum Streaming eine intuitive Entwicklung. Die Gründer von Nokia bauten 1865 eine Papierfabrik und hatten keine Ahnung, dass dort später Telekommunikationsgeräte hergestellt werden würden. Nvidias Übergang von Spiele-GPUs zu KI-Supercomputern liegt irgendwo in der Mitte.
Kurz nachdem Nvidia 1999 seine erste GPU auf den Markt brachte, war klar, dass der Einsatz von parallelem Computing, das Aufgaben durch die gleichzeitige Ausführung vieler kleiner Berechnungen beschleunigt, breitere Anwendungsmöglichkeiten haben würde. Es war weniger offensichtlich, was das war: Maschinelles Lernen war in der Flaute und Nvidia investierte mehr Anstrengungen in mobiles Computing und groß angelegte visuelle Simulationen.
Huang erkannte das Potenzial von KI im Jahr 2012, als eine Gruppe, zu der auch Ilya Sutskever, der heutige Chefwissenschaftler von OpenAI, gehörte, Nvidia-Technologie einsetzte, um ein neuronales Netzwerk namens „ AlexNet Bilder erkennen. Vier Jahre später lieferte Huang seinen ersten KI-Supercomputer an OpenAI. Die neuesten Versionen bestehen aus 35.000 Teilen, kosten 250.000 US-Dollar oder mehr und sind der Grund für sein jüngstes Wachstum.
Die Ähnlichkeit zwischen Spielen und KI besteht darin, dass reine Macht siegt. Die Tatsache, dass GPUs Informationen so schnell verarbeiteten, machte es möglich, dass Grafiken immer ausgefeilter wurden. Um den Spielern die Interaktion mit anderen in reichhaltig dargestellten virtuellen Welten zu ermöglichen, ist viel Rechenleistung erforderlich, wobei die Bilder in der Tiefe gerendert werden.
Dies ist auch die sogenannte „bittere Lektion“ der KI: Das Design neuronaler Netze ist wertvoll, aber der entscheidende Faktor dafür, wie gut sie Informationen verarbeiten und Bilder erzeugen können, ist die Rechengeschwindigkeit. Neuronale Netze erwachten aus dem „KI-Winter“ der frühen 2000er Jahre, als sie auf GPUs trainiert wurden, die für Spiele entwickelt wurden.
„Grafik und KI teilen eine wichtige Eigenschaft. Je mehr Rechenleistung [computing power] desto besser sind die Ergebnisse“, sagt Bryan Catanzaro, Nvidias Vizepräsident für angewandte Deep-Learning-Forschung. Da die neueste Technologie von Nvidia mittlerweile tausende (und nach einigen Maßstäben sogar millionenfache) Leistung als die ursprünglichen GPUs aufweist, hat sie die KI auf beunruhigende Weise flüssig gemacht.
Aus Nvidias Sicht gibt es einen hilfreichen Unterschied zwischen Spielen und KI. Selbst der besessenste Gamer hat eine Grenze für den Preis, den er für eine neue Grafikkarte zahlt, aber Unternehmen, die Supercomputer brauchen, um OpenAI zu schlagen, werden Hunderttausende Dollar zahlen. Nvidia befindet sich in einer äußerst lukrativen Verhandlungsposition, auch wenn diese nicht ewig anhalten wird.
Die Technologien hinter Spielen und KI könnten wieder zusammenwachsen. Wenn Menschen ständig mit KI-Agenten interagieren müssen, was bald wahrscheinlich ist, müssen wir Wege finden, mit ihnen in Kontakt zu treten, die über das Eintippen von Eingabeaufforderungen in Kästchen hinausgehen. Diese müssen flüssiger interaktiv sein und könnten Spielen und virtuellen Welten ähneln.
Gaming war nie eine triviale technologische Aktivität und der Aufstieg von Nvidia ist ein Beweis dafür. IBM baute 1997 seinen Supercomputer Deep Blue, um Garry Kasparov im Schach zu schlagen, und Nvidia stellte GPUs für Spiele her. Sie waren die anspruchsvollsten Anwendungen ihrer Zeit, machten aber anderen Platz. Verwechseln Sie Spiele nicht mit Zeitverschwendung.