KI-Agenten könnten CUDA-Rivalen bauen, aber Nvidia steht nicht still

Nvidias Vorteil liegt nicht nur in seinen GPU-Beschleunigern, sondern auch in seiner CUDA-Softwareplattform, die fertigen Code für gängige KI-Aufgaben, Debugging-Tools und Anwendungen umfasst, die es Tausenden von Chips ermöglichen, während des Modelltrainings zusammenzuarbeiten. Die tiefe Verankerung von CUDA in Millionen von Codezeilen und Arbeitsabläufen erzeugt einen starken Lock-in-Effekt, der Alternativen teuer und schwer zu übernehmen macht. Beispielsweise führen interne Amazon-Dokumente CUDA als Haupthindernis für die Einführung seiner KI-Chips Trainium und Inferentia an. Einige Experten argumentieren jedoch, dass KI die Erstellung von Systemsoftware automatisieren kann, eine historisch schwierige Aufgabe. Jeremy Nixon, ehemaliger Google-Brain-Forscher und Gründer des KI-Software-Startups Infinity, sagte, sein Unternehmen habe KI-Agenten verwendet, um in nur zehn Stunden CUDA-ähnliche Software für D-Matrix zu entwickeln, was zeige, dass diese Hürde für einen Wechsel von Nvidia überwindbar sei. Auch OpenAI und Anthropic haben KI-Modelle gezeigt, die Systemsoftware generieren können, und DeepSeek-Gründer Liang Wenfeng sagte, dass KI-Agenten zusammen mit der eigenen Programmiersprache TileLang seines Startups die Erstellung von KI-Software erheblich vereinfacht haben. Nvidia hält dagegen, dass Entwickler zunehmend CUDA-Codebibliotheken für KI-Anwendungen nutzen und dass das Unternehmen selbst Software-KI-Agenten einsetzt, um die CUDA-Entwicklung und -Verifizierung zu beschleunigen. Das Unternehmen weist darauf hin, dass mit der Verlagerung von KI zu Inferenz- und Agenten-Workloads der Bedarf an tiefer, Full-Stack-Optimierung wächst, was den Wert seiner integrierten Hardware und Software erhöht. Bing Xu, Gründer des KI-Software-Startups INT21, sagte jedoch, dass CUDA’s ausgereiftes Ökosystem aus Verifizierungswerkzeugen und anderen Funktionen Programmieragenten effizienter arbeiten lässt, was es zur nächsten Verteidigungsbarriere macht. Agenten können schnell viel Code erzeugen, aber die Verifizierung sei der Engpass, sagte er. Während KI den Wettbewerbern helfen könnte, aufzuholen, profitiere Nvidia von denselben technologischen Fortschritten, fügte Xu hinzu und betonte, dass der Chip-Hersteller nicht schläft. Modular-CEO Chris Lattner wies darauf hin, dass das Schreiben von Code nur ein kleiner Teil der Softwareentwicklung ist, verglichen mit schwierigeren Aufgaben wie der Optimierung für den industriellen Einsatz.