Es herrscht Knappheit bei Mac mini und Mac Studio. Offensichtlich ist einer der Gründe, dass bald eine Überarbeitung kommen könnte. Aber glaub nicht, dass das der einzige Grund ist. Tatsächlich liegt der andere Grund darin, dass die führenden KI-Labore begonnen haben, massiv auf diese Geräte zu setzen.
Wir haben das dank eines Berichts von The Information erfahren. Darin wird erläutert, dass OpenAI zehntausende Mac mini- und Mac Studio-Geräte erworben hat. Anthropic hingegen mietet ähnliche Einheiten über die Cloud-Infrastruktur von Amazon Web Services. All dieses Interesse hängt stark mit KI-Agenten und Werkzeugen wie OpenClaw zusammen.
Der Einsatz dieser Geräte ersetzt nicht die großen GPU-Cluster, die für das Grundtraining von Sprachmodellen zuständig sind. Wie der Analyst Shay Boloor erläutert hat, dienen die Apple-Geräte der Phase des verstärkten Lernens (Reinforcement Learning). In diesem Prozess interagieren KI-Agenten mit realen grafischen Oberflächen, um zu lernen, wie man Anwendungen steuert, Klicks ausführt und Arbeitsabläufe verwaltet.
Apple stellt Umgebung und Hardware bereit
Das Interesse der KI-Labore an der Hardware von Apple lässt sich aus zwei unterschiedlichen Blickwinkeln erklären. Zunächst muss man sich daran erinnern, dass es für eine KI entscheidend ist, ein reales Betriebssystem zur Verfügung zu haben, auf dem Tausende parallele Simulationen laufen können, damit die KI lernt, einen Computer so zu nutzen, wie es ein Mensch tun würde.
Der Einsatz von Farmen, die aus Tausenden von Mac mini bestehen, ermöglicht Unternehmen wie OpenAI, massenhafte Versuch-und-Irrtum-Sessions durchzuführen. In diesen Sitzungen interagieren die Algorithmen mit visuellen Elementen und nativer macOS-Software, ohne dass ein Betriebssystem emuliert werden muss. Und warum nicht auch Windows verwenden?
Die Antwort auf diese Frage liegt in der von Apple angebotenen Hardware. Obwohl macOS ein hervorragendes System sein kann, um der KI das Lernen zu ermöglichen, könnten auch Linux oder Windows dies sein. Die andere Seite der Medaille, die die Software ergänzt, ist die einheitliche Speicherarchitektur der Apple-Silicon-Chips.
Dies ermöglicht eine deutlich höhere Datentransferrate, die sich günstig auf die Inferenz von Modellen auswirkt. So tragen die Apple-Geräte dazu bei, dass diese Trainingseinheiten viel schneller und effektiver ablaufen.
Einige kaufen, andere mieten
Wie zu Anfang erwähnt, unterscheiden sich die Strategien der beiden führenden KI-Labore deutlich. Während OpenAI sich für den direkten Erwerb von Hardware vor Ort entschieden hat, um eigene Prüfstände aufzubauen, greift Anthropic auf die EC2 Mac-Instanzen von Amazon Web Services zurück. Diese Instanzen verwenden verschiedene Mac-mini-Modelle, die von Modellen mit x86-Prozessoren bis hin zu solchen mit Apple-Silicon reichen.
Wie auch immer, es ist interessant zu beobachten, dass Consumer-Plattformen – also Computer, die jeder zu Hause besitzen könnte – in KI-Rechenzentren integriert worden sind. Das belegt die Diversifizierung der Infrastrukturbedürfnisse, zumal das Ziel darin besteht, dass KI die menschliche Interaktion mit den täglichen Geräten ersetzt, die wir alle verwenden.
Es stimmt, dass das rechenintensive Vortraining weiterhin von Rack-basierten Unternehmensbeschleunigern abhängt. Dennoch erfordern hochinferenzielle Aufgaben und einige Aspekte des anschließenden Trainings Lösungen aller Art, auch aus dem Consumer-Segment.
