Fünf AI-Experten haben gemeinsam sechs Einschätzungen vorgebracht.

An der diesjährigen Milken Institute Global Conference saßen fünf Schlüsselfiguren, die jede Ebene der KI - Lieferkette abdecken, zusammen.

Die Themen, über die sie diskutierten, waren sehr vielfältig, von KI - Engpässen bis hin zu Weltraum - Datencentern, von Agenten bis hin zu physischer KI und schließlich zu einer noch grundlegenderen Frage:

Könnte die gesamte technologische Architektur, die heute die Entwicklung der KI stützt, von Anfang an falsch sein?

Diese fünf Personen sind:

ASML - CEO Christophe Fouquet

ASML ist ein niederländisches Unternehmen, das fast das Monopol auf Extreme - Ultraviolett - Lithographiegeräte (EUV - Geräte) hat. Ohne diese Geräte wäre die Herstellung moderner fortschrittlicher Chips fast unmöglich.

Google Cloud - COO Francis deSouza

Er verantwortet eine der größten Investitionen in KI - Infrastruktur in der Geschichte von Google.

Qasar Younis, Mitbegründer und CEO von Applied Intuition

Dieses Unternehmen hat einen Schätzwert von etwa 15 Milliarden US - Dollar und arbeitet auf dem Gebiet der physischen KI. Es begann mit der Simulation von autonomem Fahren und hat sich inzwischen in Bereiche wie die Verteidigung expandiert.

Dmitry Shevelenko, Chief Commercial Officer von Perplexity

Perplexity war ursprünglich ein KI - Suchunternehmen und entwickelt sich jetzt in Richtung KI - Agenten und digitaler Mitarbeiter.

Eve Bodnia, Gründerin von Logical Intelligence

Früher Quantumphysikerin, gründet sie jetzt ein Unternehmen, das die von der KI - Branche weit verbreitete Architektur der großen Modelle herausfordert.

Früher in diesem Jahr hat Yann LeCun, der ehemalige Chef - KI - Wissenschaftler von Meta, das Unternehmen als Gründungsvorsitzender des Technologie - Forschungsrates betreten.

Im Folgenden sind einige der zentralen Aussagen, die sie vor Ort gemacht haben. Viel Spaß!

Die Engpässe in der KI sind real

Die KI - Euphorie stößt auf sehr reale physikalische Beschränkungen. Diese Beschränkungen liegen näher an der Basis der Lieferkette, als viele Menschen denken.

ASML - CEO Fouquet war der erste, der dies klar sagte.

Er sagte, dass die globale Chipherstellung derzeit einen enormen Beschleunigungsvorgang durchläuft.

Trotzdem ist er fest davon überzeugt, dass der gesamte Markt in den nächsten zwei bis drei Jahren, vielleicht sogar drei bis fünf Jahren, einem Engpass an Lieferungen ausgesetzt sein wird.

Was bedeutet das?

Das heißt, dass Cloud - Giganten wie Google, Microsoft, Amazon und Meta, auch wenn sie bereit sind, Geld für Chips auszugeben, möglicherweise nicht genügend Chips erhalten können.

Es ist nicht das Geld, sondern die Lieferkette, die einfach nicht mithalten kann.

DeSouza von Google Cloud hat mit Daten gezeigt, wie stark die Nachfrage ist.

Er erwähnte, dass der Umsatz von Google Cloud im vergangenen Quartal über 20 Milliarden US - Dollar betrug und gegenüber dem Vorjahr um 63 % gestiegen ist.

Noch spektakulärer ist, dass die Auftragseingänge, d. h. der Umsatz, der bereits vereinbart, aber noch nicht ausgeführt wurde, in einem Quartal fast verdoppelt haben, von 250 Milliarden US - Dollar auf 460 Milliarden US - Dollar.

Er sagte: "Die Nachfrage ist real."

Für Younis von Applied Intuition ist der echte Engpass nicht nur die Verfügbarkeit von Chips.

Sein Unternehmen arbeitet an autonomen Systemen in der realen Welt, wie z. B. autonom fahrenden Fahrzeugen, Drohnen, Bergbaumaschinen und Verteidigungsfahrzeugen.

Für sie ist der größte Engpass die Daten.

Diese Daten können nicht einfach im Büro synthetisiert werden, sondern es ist erforderlich, die Maschinen in die reale Welt zu bringen, damit sie laufen, Fehler machen und Erfahrungen sammeln können.

Er sagte, man muss die Daten aus der realen Welt beziehen.

Seine Einschätzung ist, dass es in absehbarer Zeit nicht möglich sein wird, allein mit synthetischen Simulationsdaten Modelle zu trainieren, die zuverlässig in der realen Welt funktionieren.

Das Energieproblem ist auch real

Wenn die Chips der erste Engpass sind, dann ist die Energie das zweite große Problem, das direkt darauf folgt.

DeSouza von Google Cloud bestätigte, dass Google tatsächlich ernsthaft über Weltraum - Datencentern nachdenkt.

Der Grund ist einfach: Im Weltraum steht es an Energie reicher zu, insbesondere an Sonnenenergie.

Aber das ist nicht einfach.

Im Weltraum ist es ein Vakuum, es gibt keine Luftkonvektion, was bedeutet, dass die Kühlung von Datencentern sehr schwierig ist.

Auf der Erde können Datencentern durch Luftkühlung oder Flüssigkeitskühlsysteme gekühlt werden;

im Weltraum kann die Wärme nur durch Strahlung abgeführt werden, was langsamer und schwieriger zu realisieren ist.

Trotzdem sieht Google es als eine Richtung, die sich lohnt, ernsthaft zu erkunden.

DeSouza brachte auch einen anderen Schwerpunkt auf den Tisch: Effizienz.

Er ist der Ansicht, dass Google in der Lage ist, die gesamte KI - Technologiestapel selbst koordiniert zu entwickeln, von den TPU - Chips über die Modelle bis hin zu den KI - Agenten.

Der Vorteil davon ist, dass die Rechenleistung pro Kilowattstunde deutlich gesteigert werden kann.

Er sagte, dass die Ausführung von Gemini auf TPU - Chips energieeffizienter ist als mit anderen Konfigurationen.

Da das Chip - Designteam weiß, welche Rechenleistung das Modell später benötigen wird, bevor das Modell veröffentlicht wird, kann es im Voraus optimieren.

Fouquet von ASML äußerte später ähnliche Ansichten.

Er sagte, nichts kommt kostenlos.

Die KI - Branche befindet sich derzeit in einer seltsamen Phase:

Man investiert aus strategischen Gründen enorme Summen. Aber mehr Rechenleistung bedeutet mehr Energie, und Energie hat immer Kosten.

Vielleicht braucht die KI eine andere Intelligenzarchitektur

Während die meisten KI - Unternehmen noch über die Größe, die Architektur und die Inferenzeffizienz von großen Sprachmodellen diskutieren, geht Eve Bodnia von Logical Intelligence einen völlig anderen Weg.

Ihr Unternehmen arbeitet an sogenannten "Energiemodellen", also Energy - Based Models, kurz EBM.

Dies unterscheidet sich von den derzeit vorherrschenden großen Sprachmodellen.

Der Kernmechanismus von großen Sprachmodellen ist die Vorhersage des nächsten Wortes oder Tokens.

Das EBM hingegen versucht eher, die Regeln hinter den Daten zu verstehen.

Bodnia ist der Ansicht, dass diese Methode der Arbeitsweise des menschlichen Gehirns näher kommt.

Sie sagte: "Sprache ist nur die Benutzeroberfläche zwischen meinem Gehirn und Ihrem. Die eigentliche Inferenz hängt nicht von irgendeiner Sprache ab."

Sie erwähnte auch, dass ihr größtes Modell nur 200 Millionen Parameter hat. Im Vergleich dazu haben die heute führenden großen Sprachmodelle oft hunderte von Milliarden von Parametern.

Aber sie behauptet, dass dieses Modell tausendmal schneller laufen kann.

Noch wichtiger ist, dass es seine Kenntnisse mit den Daten aktualisieren kann, ohne jedes Mal von vorne trainiert zu werden.

Ihre Meinung ist, dass in Bereichen wie der Chip - Entwicklung und der Robotik das System die physikalischen Regeln verstehen muss, nicht nur die Sprachmuster.

In diesen Szenarien könnte das EBM natürlicher sein als die großen Sprachmodelle.

Sie gab ein Beispiel: Wenn Sie Auto fahren, suchen Sie nicht nach Mustern in einer Sprache. Sie beobachten die Umgebung, verstehen die Regeln der Welt und treffen Entscheidungen.

Diese Ansicht ist bemerkenswert.

Weil die KI - Branche zunehmend ernsthaft darüber nachdenkt, ob es genügt, die Größe der großen Sprachmodelle weiter zu erhöhen.

Das Problem der Agenten - Berechtigungen und des Vertrauens

Shevelenko von Perplexity sprach hauptsächlich über die Veränderungen bei Perplexity.

Es war ursprünglich ein KI - Suchprodukt, entwickelt sich jetzt aber zu einem digitalen Mitarbeiter.

Das neue Produkt von Perplexity, Perplexity Computer, ist nicht nur ein Werkzeug für Wissensarbeiter, sondern eher wie ein Mitarbeiter, der von Wissensarbeitern beauftragt werden kann.

Er sagte: "Wenn Sie morgens aufwachen und in Ihrem Team hundert Mitarbeiter sind, wie würden Sie sie einsetzen?"

Diese Vorstellung ist attraktiv, bringt aber auch sofort ein Problem mit sich: Wie kann man diese KI - Mitarbeiter kontrollieren?

Seine Antwort ist: Die Berechtigungen müssen fein granular sein.

Unternehmensadministratoren müssen nicht nur festlegen können, welche Connectors und Werkzeuge ein KI - Agent zugreifen darf, sondern auch, ob diese Berechtigungen nur lesend oder auch schreibend sind.

Dieser Unterschied ist sehr wichtig.

Weil, sobald ein Agent in das Unternehmenssystem eintritt, er nicht nur Informationen einsehen kann, sondern auch Informationen ändern, Inhalte einreichen und Prozesse auslösen kann.

Wenn der Perplexity - Computer den Agent Comet einsetzt, um Aktionen für den Benutzer auszuführen, zeigt er zuerst einen Plan und bittet um die Genehmigung des Benutzers.

Shevelenko gibt zu, dass einige Benutzer diesen Prozess umständlich finden, aber er hält ihn für sehr notwendig.

Er erwähnte auch, dass er seit seiner Mitgliedschaft im Vorstand der Investmentbank Lazard besser verstehen kann, warum Unternehmens - CISO (Chief Information Security Officer) so konservativ sind.

Für ein Unternehmen mit 180 - jähriger Geschichte, das vollständig auf dem Vertrauen seiner Kunden basiert, sind Sicherheit und Kontrolle keine Luxusgüter.

Physische KI hat Auswirkungen auf die Souveränität

Younis von Applied Intuition brachte einen geopolitischen Aspekt in die Diskussion ein:

Das Verhältnis zwischen physischer KI und nationaler Souveränität ist komplexer als bei reiner digitaler KI.

Das Internet wurde ursprünglich als amerikanische Technologie weltweit verbreitet.

Viele Länder haben anfangs nicht stark dagegen protestiert. Der echte Widerstand kam oft auf der Anwendungs - Ebene, wenn Dienste wie Uber und DoorDash die lokale offline - Wirtschaft beeinflussten.

Aber physische KI ist anders.

Autonom fahrende Fahrzeuge, Verteidigungsdrohnen, Bergbaumaschinen, landwirtschaftliche Maschinen - all diese Systeme existieren direkt in der realen Welt.

Sie bewegen sich in einem Land, sammeln Daten und führen Aufgaben aus. Die Regierung kann das nicht ignorieren.

Das bringt viele Fragen mit sich: Ist es sicher? Wem gehören die Daten? Wer kontrolliert das System?

Younis sagte, dass fast jedes Land ähnliche Ansprüche hat:

Wir möchten nicht, dass ein von einem Ausland kontrolliertes intelligentes System in physischer Form in unserem Land existiert.

Er sagte auch, dass es weltweit weniger Länder gibt, die tatsächlich Robotaxis einsetzen können, als Länder mit Atomwaffen.

Fouquet von ASML sprach von China aus einem anderen Blickwinkel.

Er ist der Ansicht, dass die Fortschritte Chinas in der oberen Ebene der KI - Anwendungen und - Modelle real sind.

Die Veröffentlichung von DeepSeek früher in diesem Jahr hat tatsächlich einige Menschen in der Branche in Panik versetzt.

Aber Chinas Engpässe liegen tiefer.

Ohne EUV - Lithographiegeräte ist es für chinesische Chiphersteller schwierig, die fortschrittlichsten Halbleiter herzustellen.

Und wenn ein Modell auf relativ altem Hardware läuft, wird auch bei guter Software die Lücke immer größer.

Er sagte: "In den USA gibt es heute Daten, Rechenleistung, Chips und Talente. China hat in der oberen Ebene des Technologiestapels gute Ergebnisse erzielt, fehlt aber an einigen Schlüsselkomponenten in der unteren Ebene."

Wirkt sich die KI auf das kritische Denken der nächsten Generation aus?

Nahe dem Ende der Diskussion wurde eine unangenehme, aber wichtige Frage gestellt:

Wird die KI - Ära das kritische Denkvermögen der nächsten Generation beeinflussen?

Die Antworten der Gäste waren eher optimistisch.

Das ist nicht überraschend, da sie alle ihre Karriere in die KI - Branche gesetzt haben.

DeSouza von Google Cloud sagte, dass stärkere Werkzeuge dem Menschen helfen könnten, einige große Probleme zu lösen, die bisher ungelöst blieben, wie z. B. neurologische Krankheiten, die Entfernung von Treibhausgasen und die lange hinausgeschobene Modernisierung der Stromnetzinfrastruktur.

Er sagte, die KI sollte den Menschen in eine neue Phase der Kreativität führen.

Shevelenko von Perplexity gab eine realistischere Antwort.

Er gibt zu, dass Einstiegsjobs möglicherweise verschwinden. Andererseits ist die Schwelle, um etwas eigenständig zu erreichen, nie so niedrig gewesen wie heute.

Er sagte, dass für diejenigen, die über einen Perplexity Computer verfügen, die wirkliche Einschränkung möglicherweise nicht mehr die Ressourcen, sondern ihre eigene Neugier und Handlungsbereitschaft sein wird.

Younis von Applied Intuition unterscheidet zwischen Wissensarbeit und körperlicher Arbeit.

Er erwähnte, dass das Durchschnittsalter der amerikanischen Bauern inzwischen 58 Jahre beträgt. In Branchen wie der Landwirtschaft, im Bergbau und im Langstreckenverkehr besteht seit langem ein Engpass an Arbeitskräften, und das Problem wird immer schlimmer.

Dies liegt nicht nur daran, dass das Gehalt nicht hoch genug ist, sondern auch daran, dass viele Menschen diese Jobs einfach nicht machen wollen.

In diesen Bereichen füllt die physische KI möglicherweise nicht die Stellen von Menschen, die arbeiten wollen, sondern einen bestehenden und immer größer werdenden Arbeitskräfteengpass.

Insgesamt lassen sich aus diesem Dialog einige wichtige Trends ableiten:

Die KI ist nicht nur ein Software - Problem, sondern auch ein Problem der Chips, Energie, Daten, Lieferkette und nationalen Souveränität.

Es gibt in der Branche zunehmend Zweifel daran, ob die bloße Vergrößerung der großen Sprachmodelle die einzige Lösung ist.

Energiemodelle, physische KI, Embodied Intelligence und das System der Agenten - Berechtigungen deuten alle auf eine neue Phase hin.

Dieser