ArtikelJulie BortNews
Die Inferenzphase verursacht beim praktischen Einsatz großer Sprachmodelle enorme Rechen- und Betriebskosten. Spezialisierte Hardwarearchitekturen, die außerhalb des Nvidia-Ökosystems erfolgreich in Rechenzentren Fuß fassen, können die Marktdynamik für KI-Infrastruktur deutlich verschieben.
Mit der Trennung in Prefill- und Decode-Phasen adressiert Etched die zwei unterschiedlichen Engpässe von KI-Inferenz: Rechenintensität und Speicherbandbreite. Der Niedervolt-Prefill-Chip soll mehr Transistoren ohne Hitzeprobleme packen, während das Cluster-Scale Memory den geteilten Speicherpool beschleunigt. Dass Jane Street nach eigenen Tests als Kunde und Lead-Investor auftritt, verleiht Etcheds Abkehr vom rein modellspezifischen ASIC-Ansatz hin zu flexibler Inferenzhardware erhebliche Glaubwürdigkeit.
Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 27. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.
Inhaltlich ähnlich, ermittelt über die KI-Suche.
Link:Etched
Das KI-Hardware-Startup Etched entwickelt spezialisierte Inferenz-Cluster für Frontier-Modelle. Nach der Fertigung erster A0-Silizium-Chips bei TSMC N4P meldet das Unternehmen 800 Millionen US-Dollar an eingeworbenem Kapital und Kundenverträge im Umfang von einer Milliarde US-Dollar.
Link:ricursive.com
Das KI-Forschungslabor Ricursive Intelligence entwickelt selbstverbessernde Systeme im Halbleiterdesign, um den Entwicklungszyklus zwischen KI-Modellen und Hardware zu schliessen.
Artikel:Bryan Shan, Myron Xie, Jordan Nanos
OpenAI hat auf der Hot-Chips-Konferenz Details zu seinem ersten hauseigenen KI-Chip namens Jalapeño vorgestellt. Der in Kooperation mit Broadcom entwickelte Inferenz-ASIC übertrifft laut Tests von SemiAnalysis etablierte GPUs wie Nvidias Blackwell und selbst Nvidias Vera Rubin bei Durchsatz pro Megawatt.
Artikel:Kyt Dotson
Das KI-Startup Nous Research hat eine Series-A-Finanzierungsrunde über 50 Millionen US-Dollar abgeschlossen, die von Paradigm angeführt wurde. Das Unternehmen nutzt die Solana-Blockchain, um das Training von KI-Modellen über dezentral bereitgestellte Rechenleistung zu organisieren.
Link:Modular
Modular stellt seine Inferenzplattform vor, die KI-Workloads herstellerunabhängig über unterschiedliche Architekturen wie NVIDIA, AMD, TPU, Trainium und Apple Silicon ausführt. Der Stack umfasst das Serving-Framework MAX und die Programmiersprache Mojo.
Link:prismml.com
PrismML stellt mit der Bonsai-Modellfamilie extrem komprimierte KI-Modelle vor, die auf Forschungsarbeiten am Caltech basieren. Das Flaggschiff Bonsai 27B läuft als 1-Bit-Variante direkt auf Smartphones und benötigt lediglich 3,9 GB Speicherplatz.
Dieser Inhalt wurde teilweise mithilfe von KI erstellt.
