NVIDIA WKN: 918422 ISIN: US67066G1040 Kürzel: NVDA Forum: Aktien Thema: Hauptdiskussion

Training: Das ist die Phase, in der ein Modell wie GPT erst „lernt“. Dafür braucht man sehr viel Rechenleistung → riesige Matrizen werden berechnet, Billionen Parameter angepasst. → Extrem teuer, extrem hardwarehungrig. Inference (Schlussfolgerung): Das ist die Phase, wenn du das Modell benutzt – also eine Frage stellst und es antwortet. Hier werden nur Berechnungen mit den schon gelernten Parametern gemacht. → Weniger aufwendig als Training, aber immer noch viel Rechenpower, je nach Modellgröße. --- 🔹 Was mit „ASICs“ gemeint ist ASICs (Application-Specific Integrated Circuits) = Spezialchips, die nur für eine Aufgabe gebaut sind. Es gibt welche, die perfekt fürs Training optimiert sind → sie rechnen extrem schnell, sind aber nicht flexibel. Für Inference nimmt man oft GPUs oder andere spezialisierte Chips, die besser dafür taugen. Die speziellen Chips (ASICs) sind eigentlich für Training gedacht. Man nutzt sie nicht für Inference, nicht weil Nvidia schlecht darin wäre, sondern weil Training so viel wichtiger und hardwareintensiver ist. Nvidia-GPUs sind knapp und sehr gefragt, deswegen setzt man die vorhandene Power lieber fürs Training ein (der Engpass), und für Inference nimmt man andere Hardwarelösungen. Falls das die Frage beantwortet !?

https://www.cnbc.com/2025/08/29/alibaba-is-developing-a-new-ai-chip-heres-what-we-know-so-far.html

Nvidia wurde und wird zurecht gepuscht, denn ohne Nvidia läuft nichts. Nicht mal in China. August, September sind schwache Monate. Außerdem wäre eine Korrektur sehr gesund für den Markt nach diesen Anstiegen.

Geo 1 3 einfach nur d.u.m.m. die Aussage 🤦🏻‍♂️

Habe die Disku wahrscheinlich nur halb mitbekommen endlos lange Liste mit Blockierten 1 silbigen

Warum ? 1 Argument vielleicht oder nur 🤯🔮

Wurdest du in der Schule programmiert?

😂

Short wird weiter laufen

Hkcm Video von gestern schon unterhaltsam 👍🏻

Alles, was seit Monaten auf YouTube gepusht wird, geht den Bach runter. Nvidia gehört zweifellos dazu

Ein LLM (z. B. GPT) bekommt nicht jede mögliche Regel einzeln von Menschen aufgeschrieben, sondern es wird mit riesigen Mengen von Beispielen (Text, Code usw.) gefüttert. Das Modell passt seine internen Parameter an, bis es gelernt hat, Muster und Zusammenhänge zu erkennen. Es ist also nicht „Zeile für Zeile programmiert“, sondern durch Erfahrung trainiert.

Trainiert und !?

Rein oder lieber Abwarten?