In einem überraschenden strategischen Schachzug sichert sich Meta Millionen von Amazons ARM-basierten Graviton-CPUs – und sendet damit ein klares Signal: Die Ära der GPU-Monokultur in der KI-Infrastruktur könnte sich ihrem Ende nähern.
Meta sichert sich Millionen von Amazons Graviton-Prozessoren für KI-Workloads
Meta hat eine umfangreiche Vereinbarung mit Amazon Web Services getroffen und sich damit Zugang zu Millionen von Amazons hauseigenen Graviton-CPUs gesichert. Der Deal markiert einen bemerkenswerten Kurswechsel in der KI-Hardware-Strategie des Konzerns – weg von der GPU-Dominanz, hin zu spezialisierten Prozessoren für agentische KI-Anwendungen.
CPUs statt GPUs: Ein anderer Ansatz für KI-Infrastruktur
Der Abschluss überrascht auf den ersten Blick, da die KI-Branche seit Jahren nahezu ausschließlich auf Grafikkarten – insbesondere von Nvidia – setzt. Graviton ist jedoch kein GPU-Chip, sondern ein ARM-basierter CPU-Prozessor, den Amazon speziell für Cloud-Workloads entwickelt hat. Dass Meta ausgerechnet auf diese Architektur setzt, deutet darauf hin, dass sich das Anforderungsprofil bestimmter KI-Aufgaben grundlegend verschiebt.
Konkret geht es um sogenannte agentische Workloads – KI-Systeme, die eigenständig Aufgaben planen, ausführen und dabei auf externe Dienste zugreifen. Diese Anwendungsfälle erfordern weniger die massive Parallelverarbeitung, für die GPUs ausgelegt sind, sondern vielmehr eine effiziente, latenzarme Steuerungslogik.
CPUs wie Graviton können bei agentischen Workloads kosteneffizienter operieren als klassische Grafikkarten – ein Paradigmenwechsel für die gesamte KI-Infrastruktur-Branche.
Strategische Diversifizierung der Chip-Lieferkette
Für Meta hat die Vereinbarung auch eine strategische Dimension jenseits der reinen Rechenleistung. Der Konzern betreibt seit Jahren eine eigene Chip-Entwicklung – unter anderem den MTIA-Beschleuniger – und kauft gleichzeitig große Mengen Nvidia-Hardware. Die Einbindung von Amazons Graviton-Prozessoren erweitert das Portfolio und reduziert die Abhängigkeit von einzelnen Anbietern.
Amazon profitiert seinerseits von der Partnerschaft, da sie die Graviton-Plattform als ernsthafte Alternative im wachsenden Markt für KI-Infrastruktur positioniert. AWS hat neben Graviton auch den eigenen KI-Chip Trainium im Angebot, der auf das Training großer Modelle ausgelegt ist. Dass Meta nun auf Graviton setzt, unterstreicht das Potenzial von AWS als Chip-Anbieter außerhalb des klassischen Cloud-Geschäfts.
Neue Arbeitsteilung in der KI-Hardware
Der Deal verdeutlicht eine breitere Entwicklung: Die Annahme, dass alle KI-Workloads zwingend GPUs erfordern, wird zunehmend differenziert betrachtet. Inference-Aufgaben, Routing-Logik und agentische Steuerungsprozesse lassen sich oft effizienter auf spezialisierten oder allgemeinen Prozessoren ausführen – zu deutlich geringeren Kosten.
Nvidia bleibt der unangefochtene Marktführer für das Training großer Modelle. Doch der Wettbewerb um die breiteren KI-Infrastruktur-Schichten – von Inferenz über Agentensteuerung bis hin zu Datenpipelines – wird zunehmend vielfältiger.
Diese Erkenntnis treibt Investitionen in alternative Chip-Architekturen bei mehreren großen Technologieunternehmen an.
Einordnung für deutsche Unternehmen
Für Unternehmen hierzulande, die eigene KI-Infrastruktur aufbauen oder skalieren, liefert dieser Deal einen praxisrelevanten Hinweis: Nicht jede KI-Aufgabe rechtfertigt den Einsatz teurer GPU-Kapazitäten. Eine differenzierte Betrachtung nach Workload-Typ – Training, Inferenz, agentische Steuerung – kann die Betriebskosten erheblich senken.
AWS-Kunden sollten konkret prüfen, ob Graviton-basierte Instanzen für bestimmte Anwendungsfälle eine wirtschaftlich sinnvolle Alternative darstellen.
Quelle: TechCrunch AI
