ASUS Seoul AI-Gipfel fokussiert auf „Token-Ökonomie“: Generierungskosten von Tokens als neuer Infrastruktur-Indikator

Am 3. September veranstaltete ASUS den „ASUS AI Tech Summit Seoul“ im Conrad Hotel in Yeouido, Seoul, an dem über 300 Entscheidungsträger der IT-Branche aus der Asia-Pacific-Region teilnahmen. Paul Ju, Präsident der ASUS Business Group für Infrastruktur-Lösungen, betonte in seiner Eröffnungsrede, dass Künstliche Intelligenz nicht mehr nur eine Technologie im Labor ist, sondern in alle Aspekte des täglichen Lebens integriert wird.

ASUS definiert die Wettbewerbsfähigkeit von AI-Infrastruktur mit „Tokenomics“ neu

Vor diesem Hintergrund stellte ASUS „Tokenomics“ als zentrales Thema vor. Paul Ju wies darauf hin, dass die Ergebnisse, die durch Künstliche Intelligenz generiert werden, im Wesentlichen aus „Tokens“ bestehen, und die Wettbewerbsfähigkeit der Infrastruktur einer Institution hängt in hohem Maße davon ab, wie effizient sie diese Tokens produzieren kann. Diese Perspektive verschiebt den Wettbewerb um AI-Infrastruktur von einer reinen Rechenleistung hin zu einer verfeinerten Betriebsweise, die den Energieverbrauch pro Einheit und die Rechenleistung pro Einheit in den Fokus rückt.

Die NVIDIA-Repräsentantin für Südkorea, Jeong Soo-young, erklärte an gleicher Stelle, dass die Zusammenarbeit zwischen ASUS und NVIDIA von einer frühen Fokussierung auf Personal Computer und Verbraucherprodukte allmählich auf den Bereich der Rechenzentren ausgeweitet wurde. Mit der Weiterentwicklung der Künstlichen Intelligenz wird der Kooperationsbereich weiterhin erweitert. Jeong Soo-young stellte fest, dass sich die Rolle der Rechenzentren grundlegend verändert: Früher waren sie physische Räume zur Unterbringung und Wartung von Servern, heute entwickeln sie sich zu „AI-Fabriken“, die kontinuierlich Tokens durch KI-Berechnungen „produzieren“.

Agentic AI steigert die Nachfrage nach Rechenzentren – Energieeffizienz wird zum entscheidenden Faktor

Tokens sind die grundlegenden Berechnungseinheiten, die bei der Verarbeitung von Texten und anderen Inhalten durch generative Künstliche Intelligenz verwendet werden. Je breiter das Anwendungsspektrum der KI ist, desto größer ist die benötigte Menge an Tokens. Daher werden Rechenzentren, die unter gleichen Strom- und Rechenressourcen mehr Tokens verarbeiten und generieren können, einen erheblichen Vorteil in Bezug auf Kosten und Effizienz haben. Der Lösungsarchitekt von NVIDIA Südkorea, Lee Min-hyung, wies weiter darauf hin, dass die Verbreitung von Agentic AI die Nachfrage nach Rechenzentren weiterhin steigern wird – diese Art von Künstlicher Intelligenz beschränkt sich nicht nur auf passive Antworten auf Fragen, sondern plant selbstständig Werkzeuge und validiert Ergebnisse wiederholt, um komplexe Ziele zu erreichen. Die steigende Komplexität der Aufgaben bedeutet eine gleichzeitige Zunahme des Rechenbedarfs und des Tokenverbrauchs.

NVIDIA hat daher zwei Designrahmen für Rechenzentren vorgestellt: „AI Factory“ und die DSX-Plattform. Mit dem Anstieg der Rechenzentrumsgröße von mehreren Dutzend bis zu mehreren Hundert Megawatt auf Gigawatt-Ebenen müssen Strom, Kühlung, Netzwerke und Speicher als einheitliches System ganzheitlich geplant werden. ASUS ist ebenfalls der Meinung, dass die reine Rechenleistung von KI-Servern nicht ausreicht, um die Wettbewerbsfähigkeit der Infrastruktur zu definieren. Der gleichzeitige Anstieg der Kosten für Energie und Kühlung macht die Kosten für die Token-Generierung pro Einheit und die Energieeffizienz zu den entscheidenden Indikatoren.

ASUS konzentriert sich auf Kühl- und Stromversorgungslösungen für Hochleistungs-GPUs

In Bezug auf die spezifische technische Ausrichtung entwickelt ASUS Technologien zur Stromübertragung und HVDC-Lösungen, um den stabilen Betrieb von Hochleistungs-GPUs zu gewährleisten. Gleichzeitig werden Mikrokühlplatten, 100% wassergekühlte Server und Megawatt-Kühl-CDUs entwickelt, um die Wärmebelastung und den Energieverbrauch von hochdichten GPU-Servern zu reduzieren. Albert Wu, General Manager der ASUS Solutions Business Group, erklärte, dass die Wettbewerbsfähigkeit der AI-Infrastruktur darin besteht, KI-Server, Speicher, Netzwerke und Software-Stacks sowie professionelle Dienstleistungen in eine „Goldene Dreiecks“-Strategie zu integrieren, die den gesamten Prozess von der Konstruktion über den Betrieb bis zur Optimierung abdeckt.

Auf dem Gipfel wurde auch die Ausrichtung auf Edge-Computing bekannt gegeben. ASUS präsentierte Lösungen für Edge-Computing, die direkt in der Fabrikhalle Maschinenvisionsdaten verarbeiten und in Fahrzeugumgebungen Bilder und Sensordaten in Echtzeit verarbeiten können. Die Verarbeitung an der Edge-Seite kann nicht nur die Datenmenge, die in die Cloud übertragen wird, reduzieren und die Latenz verringern, sondern auch Vorteile in Bezug auf Datensicherheit und Betriebseffizienz bringen. Ein Server-Systemprototyp von NVIDIA, basierend auf dem 88-Kern Blackwell-Prozessor, wurde ebenfalls während der Veranstaltung vorgestellt.