Der Technologiesektor erlebt derzeit erhebliche Kapitalflüsse in Unternehmen, die sich auf sogenannte offene KI-Modelle (Open-Weight-Modelle) spezialisieren. Diese Modelle, deren Parameter und Architekturen öffentlich zugänglich sind, ähneln in ihrer Philosophie Open-Source-Software und bilden ein wichtiges Ökosystem für Entwickler, die Sprachmodelle außerhalb der großen, proprietären Labore entwickeln und einsetzen.
Die Gerüchte um eine mögliche Übernahme von Hugging Face, einer zentralen Plattform für den Austausch und das Benchmarking von offenen KI-Modellen, durch Nvidia für geschätzte 13 Milliarden US-Dollar dominieren aktuell die Diskussionen. Hugging Face wird oft als eine Art GitHub für das KI-Zeitalter beschrieben.
Diese potenzielle Akquisition folgt auf weitere bedeutende Transaktionen. Zuvor hatte Nvidia bereits eine Vereinbarung über 6 Milliarden US-Dollar mit Poolside, einem Entwickler offener Modelle, getroffen, in deren Rahmen die meisten Poolside-Mitarbeiter zum Chiphersteller wechseln. Nur zwei Wochen zuvor erwarb Stripe den führenden Anbieter offener Modelle für Unternehmen, OpenRouter, für mehr als 7 Milliarden US-Dollar.
Nvidias Strategie zur Unabhängigkeit und Nutzerbindung
Für Nvidia ist das verstärkte Engagement im Bereich der offenen Modelle eine strategische Notwendigkeit. Das Unternehmen möchte seine Abhängigkeit von großen Cloud-Anbietern (Hyperscalern) und führenden KI-Laboren (Frontier Labs) reduzieren. Dies ist besonders relevant, da große KI-Modellentwickler wie OpenAI und Google zunehmend eigene Inferenz-Chips – spezialisierte Hardware für das Ausführen trainierter KI-Modelle – entwickeln, wie beispielsweise OpenAIs kürzlich angekündigter Jalapeño-Chip. Indem Nvidia verstärkt in die Modellentwicklung investiert, sichert es sich einen Anteil am gesamten KI-Wertschöpfungsprozess.
Obwohl Nvidia bereits eigene offene Modelle der Nemotron-Familie entwickelt, ist deren Verbreitung bisher begrenzt. Durch die potenzielle Kontrolle über den größten US-Entwicklerraum für offene Modelle würde Nvidia Zugang zu einer großen Nutzerbasis erhalten, die es auf seine Chips und Standards lenken könnte.
Kosteneffizienz und Kontrolle als Haupttreiber
Ein weiterer wichtiger Faktor für die wachsende Attraktivität offener Modelle sind die steigenden Kosten für die KI-Inferenz. Unternehmen suchen zunehmend nach günstigeren Alternativen, die von Anbietern wie den chinesischen Firmen Moonshot, DeepSeek und Alibaba bereitgestellt werden. Laut einer Umfrage von Ramp nutzen derzeit 6 Prozent der Unternehmen offene Modelle, während eine Erhebung von Jellyfish zeigt, dass nur 2 Prozent der Softwareentwickler sie einsetzen. Diese Zahlen sind noch gering, aber das Wachstum ist spürbar.
Nik Albarran, KI-Produktleiter bei Jellyfish, erklärt, dass offene Modelle besonders für Unternehmen attraktiv sind, deren Produkte auf wiederholten Inferenz-Workloads basieren, wie beispielsweise Kundenservice-Chats. Für solche Aufgaben mit hohem Volumen und vielen Wiederholungen können offene Modelle kostengünstiger angepasst und eingesetzt werden.
Patrick Collison, Mitbegründer und CEO von Stripe, untermauerte dies im Rahmen der OpenRouter-Übernahme: „Tokens sind die zentrale Währung für Unternehmen, die mit KI arbeiten, und es ist klar, dass das reale wirtschaftliche Potenzial von einem guten Einsatz knapper Rechenressourcen abhängt.“ Tokens sind die grundlegenden Einheiten, in die Text für die Verarbeitung durch ein KI-Modell zerlegt wird.
Vorteile: Kontrolle, Konfigurierbarkeit und spezialisierte Intelligenz
Während für komplexe Kodierungs- und Agentenaufgaben, die variierende Anfragen und mehr logisches Denken erfordern, oft proprietäre Frontier-Modelle bevorzugt werden – auch aufgrund einfacheren Zugangs und gelegentlicher Token-Subventionen – bieten offene Modelle andere entscheidende Vorteile. Unternehmen entscheiden sich hauptsächlich für offene Modelle, um mehr Kontrolle und Konfigurierbarkeit zu erlangen, weniger aus reinen Kostengründen.
Lin Qiao, CEO von Fireworks, einem führenden Router und Host für offene Modelle, betont die Bedeutung der Modellvielfalt. Sie ist überzeugt, dass sich in Zukunft jedes Unternehmen einen internen Forscher leisten sollte, um eigene Modelle basierend auf Produktdaten zu entwickeln. „Die Zukunft ist spezialisierte Intelligenz. Jedes einzelne Unternehmen sollte ein eigenes Modell pro Anwendungsfall haben, und das wird automatisch geschehen“, so Qiao.
Sollten die Preise der Frontier Labs weiter steigen, werden voraussichtlich mehr Unternehmen gezwungen sein, offene Modelle in Betracht zu ziehen. Insbesondere wenn KI-gesteuerte Arbeitsabläufe ausgereifter sind, wird sich die Investition in selbst gehostete Modelle lohnen, so Albarran. Die Dominanz von Unternehmen wie OpenAI und Anthropic ist nicht unabänderlich, und die Attraktivität offener Technologien wächst, da Tech-Giganten ihre Wetten auf die größten Labore absichern wollen.
Thema: Technologie / KI allgemein. Quelle/Inspiration: TechCrunch.