Erster Deep-Dive der Stanford-Serie: Forschung und Entwicklung. Drei Punkte, die ich aus dem Kapitel mitnehme.
Die Rechenleistung hinter den AI-Modellen wächst seit 2022 jährlich um den Faktor 3,3. Anders gesagt: in vier Jahren rund 120 Mal so viel wie vorher. Und nahezu jeder dieser Chips wird von einer einzigen Firma gefertigt: TSMC in Taiwan. Wer über AI-Strategie spricht und nicht über die Lieferkette dahinter, übersieht das größte technische Klumpenrisiko der Branche.
Über 90 Prozent der wichtigen AI-Modelle kommen mittlerweile aus der Industrie, nicht aus der Forschung. Und gerade diese Modelle werden weniger offen, nicht offener. Trainingsdaten, Größenangaben und Methodik werden zunehmend nicht mehr veröffentlicht. Sobald so ein Modell im Hintergrund eines regulierten Produkts arbeitet, etwa bei Versicherern, Mobilitätsanbietern oder im Gesundheitsbereich, wird das zur konkreten Frage: wie prüft man, was man nicht sehen darf? In meinem Connected-Car-Projekt mit dem ADAC ist das genau der Punkt, an dem aktuell viele Diskussionen entstehen.
Das Forscher-Talent zieht es immer seltener in die USA. Die Zahl derjenigen, die als Top-Forscher in die USA wechseln, ist seit 2017 um 89 Prozent eingebrochen, allein im letzten Jahr nochmal um 80 Prozent. Im gleichen Zeitraum gewinnen die Vereinigten Arabischen Emirate, Saudi-Arabien und Großbritannien netto an Wissenschaftlern dazu.
Was das für die Praxis heißt: Eine ernsthafte AI-Strategie behandelt heute nicht nur die Frage, welches Modell man einsetzt. Sondern auch, wo die Hardware herkommt, wer den Anbieter prüft und wo die Menschen sitzen, die das Wissen pflegen. Nächste Woche geht es weiter mit dem Kapitel Technical Performance.
Zuerst erschienen auf LinkedIn.
Zurück: -89% AI-Forscher-Migration in die USA seit 2017 Alle Teile der Serie Weiter: 12% Erfolg von Robotern bei Haushaltsaufgaben