Nach H20 treibt Zhipu mit GLM-4.6 die Anpassung an chinesische AI-Chips weiter voran.
Hintergrund
Die US-Exportkontrollen für Chips werden weiter verschärft. H20 ist bereits eine eingeschränkte Version, und künftig könnte selbst diese Hardwareklasse stärker begrenzt werden. Chinesische AI-Unternehmen müssen sich deshalb auf Szenarien vorbereiten, in denen sie vollständig auf heimische Chips angewiesen sind.
Das Ökosystem chinesischer AI-Chips
Zu den wichtigsten Optionen zählen derzeit Huawei Ascend, Cambricon, Hygon und Biren. Ascend verfügt über das vollständigste Ökosystem, liegt bei der Leistung aber weiterhin hinter NVIDIA. Cambricon ist besonders bei Inferenzchips profiliert, Hygon verfolgt einen x86-kompatiblen Ansatz, und Biren setzt auf eine GPU-Architektur, die noch in einer früheren Entwicklungsphase steht.
Zhipu hat sich für eine mehrgleisige Anpassungsstrategie entschieden. GLM-4.6 soll nicht an einen einzelnen heimischen Chiphersteller gebunden werden, sondern auf mehreren chinesischen Plattformen laufen können.
Technische Hürden
Die Anpassung an heimische Chips ist mehr als ein Austausch der Hardware. Die Operator-Bibliotheken unterscheiden sich deutlich: NVIDIAs CUDA-Ökosystem beruht auf Jahrzehnten an Aufbauarbeit, während die Bibliotheken chinesischer Chips noch weniger ausgereift sind. Bei parallelem Training über mehrere Karten kann die Kommunikation zum Engpass werden. Auch Präzision und Stabilität müssen geprüft werden, weil derselbe Trainingsprozess auf verschiedenen Chipplattformen numerisch unterschiedlich reagieren kann.
Strategische Bedeutung
Für Zhipu ist die Anpassung an heimische Chips eine riskante, aber notwendige Investition. Kurzfristig steigen die Forschungs- und Entwicklungskosten, und die Leistung kann hinter NVIDIA-Plattformen zurückbleiben. Mittelfristig verschafft eine frühe Anpassung Vorteile, falls die Chipkontrollen weiter verschärft werden. Langfristig profitieren in einem reiferen chinesischen Chipökosystem vor allem jene Unternehmen, die dort die meiste Erfahrung gesammelt haben.
Beste Forschung mit der besten Hardware zu betreiben und brauchbare Produkte mit verfügbarer Hardware zu bauen, sind zwei verschiedene Aufgaben. Zhipu setzt auf beide Seiten, und diese Strategie wirkt plausibel.
Quellen: CocoLoop, offizielle Materialien von Zhipu AI, Analysen der Chipbranche