Latest articles on AI, technology, and software development.
AMDs neues Robotics Partner Network erhebt in allen vier Stufen keine Lizenz- oder Mitgliedsgebühren. Das ist keine Großzügigkeit – es ist eine Wette darauf, dass die Silizium-Attach-Rate in der Physical AI mehr zählt als Software-Lock-in.
KI-Cluster bewegen Daten jetzt schneller, als Kupferverkabelung physikalisch handhaben kann. Silizium-Photonik und Co-Packaged Optics werden 2026 ausgeliefert, um das zu beheben – hier erfahren Sie, was sich tatsächlich ändert und warum das für jeden wichtig ist, der KI-Rechenleistung betreibt oder kauft.
Samsung, SK Hynix und Micron haben ihre Fabriken leise auf KI-taugliche HBM-Speicher umgestellt, und die Folge ist eine Verdoppelung der DRAM-Preise und eine dauerhafte Verknappung bei allem von Smartphones bis zu Gaming-PCs.
GPU Compute skaliert weiterhin schneller als Memory Bandwidth. HBM4 verdoppelt die Interface Width, um die Lücke zu schließen, kommt aber ausverkauft, teuer und immer noch nicht ausreichend. Hier ist der Grund, warum die Memory Wall, nicht FLOPS, jetzt entscheidet, wer das AI Hardware Rennen gewinnt.
Die Blackwell-Generation von GPUs ist nicht nur schneller als Hopper – sie hat die Einheitsökonomie von KI-Training und Inference so dramatisch verschoben, dass Rechenzentren, Cloud-Preise und wer in der KI überhaupt konkurrieren kann, alle im Fluss sind.
Compute Express Link entkoppelt den Speicher von CPUs und GPUs und ermöglicht gemeinsame Speicherpools über gesamte Server-Racks hinweg. Für LLM-Inferenz und KI-Training verändert dies die Wirtschaftlichkeit des Rechenzentrumsdesigns.
Qualcomms Snapdragon X Elite generiert Stable Diffusion in 7 Sekunden auf dem Gerät. Intel und AMD holen auf. Das Rennen um die Definition des AI PC im Alltag beschleunigt sich – und der Gewinner hängt davon ab, was Sie wirklich brauchen.
Apples M-Chip-Serie hat die PC-Industrie zu einer grundlegenden Neuausrichtung gezwungen. Zwei Jahre später zeigen Qualcomms Snapdragon X Elite und Intels Lunar Lake, dass die Konkurrenz die Lektion verinnerlicht hat — doch keiner der beiden hat den Abstand bei Energieeffizienz oder Softwareökosystem vollständig geschlossen.
LPCAMM2 ist der erste Speicherstandard, der die Effizienz von LPDDR5X mit einem entfernbaren Moduldesign kombiniert und ein Jahrzehnt nur festverlöteten RAMs in dünnen und leichten Laptops beendet. Hier erfahren Sie, was das für Leistung, Reparierbarkeit und die Nutzungsdauer Ihres nächsten Laptops bedeutet.
ARM-basierte Server haben in hyperscale-Rechenzentren einen Wendepunkt erreicht: AWS Graviton 4, Ampere Altra Max und NVIDIA Grace liefern messbare Vorteile bei Performance pro Watt und Kosten pro Kern. Das zeigen die Benchmarks — und welche Workloads weiterhin x86 erfordern.
Nach Jahren mit verlötetem RAM ermöglicht ein neuer Speichermodul-Standard die Aufrüstung des Arbeitsspeichers in schlanken Laptops – ohne Einbußen bei der Energieeffizienz, die das Verlöten ursprünglich erforderlich machte.
Den größten Teil des letzten Jahrzehnts bedeutete der Kauf eines dünnen Laptops zu akzeptieren, dass der mitgelieferte RAM für immer der Ihre sein würde. LPCAMM2, ein von JEDEC standardisiertes Speichermodulformat, das erstmals Ende 2023 im Dell XPS 15 ausgeliefert wurde, ändert das. Im Jahr 2026 ist es in genügend Mainstream-Laptops angekommen, um von einem Trend sprechen zu können.