Немецкие поставщики ИИ-услуг имеют шанс конкурировать на международном уровне в чистом вычислительном процессе (инференсе) ИИ, но не в обучении моделей. Об этом заявил Маркус Нога, технический директор Ionos, по запросу Golem. "В обучении больших ИИ-моделей Германии и Европе будет очень трудно конкурировать с крупными поставщиками из-за рубежа. Иначе обстоит дело с темой инференса", — пояснил Нога, "здесь локальные поставщики вполне могут конкурировать" .

Кроме того, в будущем обучение небольших, специализированных моделей для промышленного применения будет играть гораздо большую роль, сказал он.

С AI Model Hub компания Ionos, входящая в United Internet, уже два года назад запустила "суверенную альтернативу для ИИ-приложений" . Нога: "В Model Hub предлагаются исключительно модели с открытым исходным кодом и европейские модели — и это происходит в европейских дата-центрах, без использования данных наших клиентов для обучения."

Однако там работают не только французское семейство моделей Mistral (Mistral Nemo, Mixtral 8x7B), но и большие языковые модели (LLM) Meta Llama 3.3 (70B) и Llama 3.1 (405B). Llama в настоящее время является самой мощной моделью с открытым исходным кодом, но она родом из США.

ЕС: Ionos ждет текст тендера по ИИ-фабрикам

В настоящее время планы финансирования ЕС центров обработки данных для ИИ еще не реализованы. Нога заявил: "Мы по-прежнему намерены подать заявку на одну из анонсированных ЕС AI-гигафабрик. Однако сроки тендера несколько раз сдвигались. Сейчас мы исходим из мая 2026 года." Конкретная модель финансирования со стороны ЕС и государств-членов станет известна только тогда, когда будет опубликован текст тендера.

Tagesspiegel Background сообщил(открывается в новом окне) , что ЕС теперь пытается напрямую увязать субсидии на оборудование с Законом об ИИ. Те, кто хочет получить финансирование ЕС для центров обработки данных, должны доказать, что обучаемые там ИИ образцово соблюдают правила прозрачности ЕС. Центры обработки данных, предоставляющие мощности для ИИ, также должны прозрачно раскрывать данные об использовании отработанного тепла и своем показателе PUE (эффективность использования энергии).