OpenAI kauft tausende Apple Mac-Geräte für die Entwicklung von KI-Modellen

OpenAI hat kürzlich zehntausende Apple Mac-Geräte erworben, die speziell für das Training von KI-Modellen durch verstärkendes Lernen sowie für die Entwicklung von KI-Intelligenzen im Bereich Computerbetriebssysteme verwendet werden. Bei diesem großangelegten Einkauf handelt es sich ausschließlich um Desktop-Computer ohne Bildschirm und Tastatur, hauptsächlich konzentriert auf die Produkte Mac mini und Mac Studio, und nicht auf tragbare MacBooks. Aufgrund des dringenden Bedarfs an entsprechender Rechenleistung hat OpenAI mehrfach Apple aufgefordert, die Lieferung der Geräte zu beschleunigen.

Die Nutzung von Apple-Hardware für die KI-Forschung ist nicht nur ein Alleinstellungsmerkmal von OpenAI; auch der Hauptkonkurrent Anthropic mietet derzeit über Amazon Web Services in großem Umfang Mac-Rechenleistung. Aus branchensicht wird die Verwendung der Apple Silicon-Architektur zur Verarbeitung von KI-Trainingsaufgaben zunehmend zur gemeinsamen Wahl großer KI-Labore, was die einzigartigen Vorteile der Apple M-Serie-Chips unter bestimmten Arbeitslasten widerspiegelt.

Die einheitliche Speicherarchitektur der Apple M-Serie-Chips wird zum entscheidenden Vorteil

Die Apple M-Serie-Chips verfügen über einzigartige Vorteile in der zugrunde liegenden Architektur. Diese Chip-Serie verwendet eine fortschrittliche einheitliche Speicherarchitektur, die es CPU und GPU ermöglicht, denselben großen Speicherpool direkt zu teilen. Bei der Verarbeitung umfangreicher KI-Trainingsaufgaben reduziert dieses Design erheblich den Leistungsverlust, der durch das wiederholte Verschieben von Daten zwischen verschiedenen Recheneinheiten entsteht, und steigert so die Gesamteffizienz des Trainings.

Einige hochentwickelte M-Serie-Chips bieten eine einheitliche Speicherkapazität von bis zu 512 GB, was für das Laden von extrem großen Parametermodellen im KI-Training einen enormen Vorteil darstellt. Gleichzeitig verfügen Mac mini und Mac Studio über mehr internen Raum und ein hervorragendes aktives Kühldesign, das sicherstellt, dass die Geräte während langanhaltender, hochbelasteter KI-Trainingsaufgaben eine stabile Leistungsabgabe aufrechterhalten und verhindern, dass die Rechengeschwindigkeit aufgrund von Wärmeansammlungen sinkt.