Meta stoppt Silizium-Projekt: Rivos-Integration stockt

Das Bild eines Technologie-Giganten, der stillschweigend ein ambitioniertes Projekt beiseiteschiebt, wirkt schockierend. Meta kaufte ein vielversprechendes Startup, um seine Abhängigkeit von externen GPUs zu verringern, doch das Projekt scheint gegen eine Wand gelaufen zu sein.

Letztes Jahr erwarb Meta Rivos für etwa 1,85 Milliarden Euro, eine Maßnahme, die dem Unternehmen Know-how für kundenspezifische Siliziumlösungen bringen sollte. Sechs Monate nach Abschluss der Übernahme sagten Quellen, die Integration sei ins Stocken geraten. Mehr als ein Viertel der Rivos-Mitarbeitenden, die zu Meta wechselten, wurden entlassen, und die Entwicklung des Chips, der Metas KI-Modelle trainieren sollte, wurde pausiert.

Wenn Ehrgeiz auf Skalierung trifft

Rivos basierte auf RISC-V, einem offenen Befehlssatz, der Flexibilität verspricht. Das Startup hatte vor dem Kauf etwa 345 Millionen Euro eingesammelt und sogar einen CUDA-kompatiblen Prozessor an TSMC zur Testfertigung geschickt. Auf dem Papier wirkt das greifbar. Die Realität ist komplexer.

Warum kam es ins Stocken? Mehrere harte Wahrheiten. Einen konkurrenzfähigen Chip für das KI-Training zu entwerfen, dreht sich nicht nur um Silizium. Man benötigt einen stimmigen Software-Stack, enge Integration in Rechenzentrumsinfrastruktur, Compiler, die hochstufige Frameworks übersetzen, und Jahre der Performance-Optimierung. Metas Teams mussten Hardware, Low-Level-Software und eine ausgedehnte Infrastruktur in einer Firma aufeinander abstimmen, die bereits einige der größten Machine-Learning-Workloads der Welt betreibt. Diese Abstimmung erwies sich als deutlich schwieriger als erwartet.

Es gibt zudem das Kompatibilitätsproblem. Meta wollte Chips, die mit bestehendem CUDA-basiertem Tooling funktionieren, um die Einführung zu erleichtern. Hardware zu bauen, die sich wie etablierte GPUs verhält und gleichzeitig Effizienz sowie bessere Kosten pro Trainingsdurchlauf bietet, ist technisch anspruchsvoll und riskant. Hinzu kommen Fertigungspartner, Validierungstests und die harten Realitäten von Zeitplänen. Verzögerungen sind die Folge.

Strategisch war die Idee vernünftig. Kundenspezifische Chips versprachen im Vergleich zum Kauf standardisierter GPUs langfristig niedrigere Kosten und mehr Kontrolle. Kosteneinsparungen treten jedoch nur ein, wenn die Hardware Leistungs- und Zuverlässigkeitsziele erreicht. Das ist eine hohe Messlatte, zumal Alternativen wie Nvidia weiterhin neue Generationen von Beschleunigern vorantreiben.

Wie geht es also weiter? Vorläufig ist die Arbeit pausiert, nicht beendet. Meta kann sich neu ordnen. Das Unternehmen könnte den Projektumfang einschränken, Partnerschaften intensivieren oder Mitarbeitende auf kurzfristigere Infrastrukturprojekte umverteilen. Es könnte auch einige RISC-V-Experimente weiterführen und gleichzeitig auf bewährte Beschleuniger für Produktions-Workloads setzen.

Metas Vorstoß zu kundenspezifischem Silizium hat erhebliche Reibungen erfahren, doch die Pause spiegelt die Schwierigkeit wider, Software, Hardware und Skalierung in Einklang zu bringen, statt eines einfachen Meinungswandels.