Chinas innovativer Ansatz für den Zugang zum CUDA-Ökosystem von NVIDIA: Hardware-Paradigmen neu denken

China sucht aktiv nach Wegen, um in das CUDA-Ökosystem von NVIDIA einzudringen, und dabei ist eine bemerkenswerte Umgehungslösung aufgetaucht, die Beachtung verdient.

Chinas Halbleitermanager plädiert für einen Wechsel zu softwaredefinierten Chips im KI-Sektor

Jensen Huang, CEO von NVIDIA, bezeichnet CUDA häufig als den entscheidenden Wettbewerbsvorteil des Unternehmens im Bereich KI. Sein Fokus auf die Weiterentwicklung des Software-Ökosystems unterstreicht einen zentralen Aspekt von NVIDIAs Wettbewerbsvorteil. Vor diesem Hintergrund sind in China Bedenken hinsichtlich der Abhängigkeit des Landes von CUDA aufgekommen. Um dem entgegenzuwirken, hat Wei Shaojun, eine Schlüsselfigur des chinesischen Halbleiterindustrieverbandes, die Entwicklung von Alternativen zu CUDA und anderen westlichen Technologien gefordert.

„Selbst wenn unsere eigene Technologie anfangs nicht gut genug ist, muss sie dennoch eingesetzt werden. Versuch und Irrtum mögen nicht zum Erfolg führen, aber ohne es zu versuchen, werden wir mit Sicherheit zurückfallen.“

– Wei Shaojun

Shaojun hebt hervor, dass China anstatt einer direkten Alternative zu CUDA eine unkonventionellere Strategie verfolgen sollte: die Einführung von „softwaredefinierten Chips“ (SDCs).Dieser Ansatz verlagert den Fokus von Hardware-Vorkonfigurationen hin zu softwaregesteuerter Rechenintelligenz. Aktuell bevorzugen Entwickler CUDA vor allem aufgrund seines etablierten Ökosystems, das sie eng an NVIDIAs Hardwareangebote bindet. SDCs zielen jedoch darauf ab, diese Abhängigkeit aufzubrechen. Wir werden untersuchen, wie dies gelingen kann.

Huawei bereitet sich darauf vor, mit dem Ascend 910C NVIDIAs H100 auf dem chinesischen Markt für künstliche Intelligenz herauszufordern. — Bildnachweis: Huawei

Mit SDCs können Entwickler auf die traditionelle CUDA-Architektur für ihre Rechenaufgaben verzichten. Stattdessen verfügen diese Chips über ein rekonfigurierbares Grid, das einen vom Compiler generierten Konfigurations-Bitstream nutzt. Diese Struktur ermöglicht im Wesentlichen eine höhere Flexibilität, da weder der Compiler noch der Quellcode an eine bestimmte Befehlssatzarchitektur (ISA) gebunden sind. Dies steht im deutlichen Gegensatz zu GPUs, die typischerweise mit einem dedizierten Scheduling-System arbeiten. SDCs hingegen nutzen deterministische Kompilierung und gewährleisten so die präzise Nachverfolgung von Datenbewegungen bis hin zum einzelnen Taktzyklus.

Laut Professor Wei Shaojun sind die Herausforderungen beim Aufbau von Übersetzungsschichten und unabhängigen Ökosystemen, die mit CUDA konkurrieren können, enorm. Er argumentiert, dass Investitionen in SDC-Technologie China einen nachhaltigeren Weg in die Zukunft eröffnen könnten. Dieser Ansatz ist jedoch nicht ohne Schwierigkeiten, insbesondere aufgrund seiner Abhängigkeit von Compilern, was Aufgaben wie Routing und Verzweigungen verkomplizieren kann. Obwohl SDCs wie die RDUs von SambaNova und die LPU-Einheiten von Groq durch ihre Eignung für spezifische Arbeitslasten überzeugen, sind sie nicht als vollständiger Ersatz für GPUs gedacht.

Weitere Informationen finden Sie im Originalartikel von DigiTimes.

Weitere Updates und Bilder finden Sie unter WccfTech.