Im Rennen um die Vorherrschaft bei KI-Beschleunigern ist Nvidia derzeit praktisch konkurrenzlos – nicht nur wegen der Hardware, sondern vor allem wegen des Software-Ökosystems CUDA. Dieses hat Nvidia über mehr als 15 Jahre aufgebaut und gilt als einer der tiefsten Burggräben der gesamten Tech-Industrie. Doch AMD gibt nicht auf: Mit der Open-Source-Plattform ROCm (Radeon Open Compute) versucht der Chipkonkurrent, Entwickler und Rechenzentren von Nvidias Plattform wegzulocken – und das ist leichter gesagt als getan.
Der Berg namens CUDA
Anush Elangovan, AMDs Vice President für KI-Software, beschreibt die Herausforderung mit einer bergsteigerischen Metapher: "Es ist wie das Besteigen eines Berges – ein Schritt nach dem anderen." Elangovan kam zu AMD durch die Übernahme seines Startups Nod.ai, das sich auf KI-Compiler spezialisiert hatte und ein Team von rund 30 Ingenieuren mitbrachte. Seitdem leitet er AMDs Bemühungen, ROCm als ernsthafte Alternative zu CUDA zu positionieren.
CUDA hat eine enorme installierte Basis: Unzählige Bibliotheken, Frameworks und Forschungsprojekte setzen auf Nvidias proprietäre Plattform auf. PyTorch, TensorFlow und nahezu jedes relevante KI-Framework wurde primär für CUDA optimiert. Wer auf AMD-Hardware umsteigen will, muss entweder Code portieren oder auf Kompatibilitätsschichten vertrauen – beides kostet Zeit und Ressourcen.
ROCm: Offenheit als Strategie
AMDs Gegenstrategie setzt auf Offenheit. ROCm ist als Open-Source-Stack konzipiert und soll Entwicklern mehr Flexibilität und Kontrolle bieten als das geschlossene CUDA-Ökosystem. Theoretisch ein starkes Argument – gerade in einer Zeit, in der Abhängigkeiten von einzelnen Anbietern zunehmend kritisch gesehen werden. Praktisch hinkt ROCm bei der Unterstützung populärer Frameworks und Bibliotheken noch hinterher, auch wenn sich die Situation in den letzten Jahren spürbar verbessert hat.
Besonders im Rechenzentrumsmarkt, wo KI-Training und Inferenz riesige GPU-Cluster erfordern, ist die Software-Kompatibilität oft entscheidender als die reine Hardware-Performance. AMD hat mit seinen Instinct-GPUs wie der MI300X-Serie technisch aufgeholt – die Karten konkurrieren auf Augenhöhe mit Nvidias H100 und H200 bei bestimmten Workloads. Doch ohne ein ausgereiftes Software-Ökosystem bleibt der Markterfolg begrenzt.
Marktkontext: Bewertungen unter Druck
Interessant ist der Zeitpunkt dieser Auseinandersetzung: Die Bewertungen von Tech-Unternehmen – darunter auch Nvidia – sind laut aktuellen Marktdaten auf das Niveau vor dem KI-Boom zurückgefallen. Das Forward-KGV des S&P 500 IT-Sektors hat sich von rund 40x auf etwa 20x halbiert. Das deutet auf eine Normalisierung der KI-Euphorie hin und könnte den Druck auf alle Marktteilnehmer erhöhen, konkrete Ergebnisse zu liefern. Für AMD bedeutet das: ROCm muss liefern, und zwar bald.
Was bedeutet das für Entwickler und Unternehmen?
Für Entwickler und IT-Entscheider ist der Wettbewerb zwischen CUDA und ROCm grundsätzlich positiv: Mehr Konkurrenz treibt Innovation und kann Kosten senken. Wer heute neue KI-Projekte plant, sollte ROCm zumindest evaluieren – insbesondere wenn Vendor-Lock-in ein Thema ist. Gleichzeitig bleibt CUDA für produktionskritische Anwendungen vorerst die sichere Wahl. AMDs Strategie, einen Schritt nach dem anderen zu gehen, ist realistisch – aber der Berg ist hoch.
Quellen: Hacker News