Im April 2024 gab der KI-Chiphersteller Nvidia die Übernahme von Run:ai bekannt, einem israelischen Startup, das Software zur Verwaltung und Orchestrierung von GPU-Clustern entwickelt. Der Deal, dessen Wert auf etwa 700 Millionen US-Dollar geschätzt wurde, wurde in der zweiten Hälfte des Jahres 2024 nach behördlichen Genehmigungen abgeschlossen. Diese Übernahme unterstrich Nvidias Bestreben, seine Dominanz über die Hardware hinaus auf die Softwareebene auszudehnen, die optimiert, wie KI-Modelle, insbesondere große Sprachmodelle, auf GPU-basierter Infrastruktur trainiert und bereitgestellt werden.
Run:ai wurde 2018 von Omri Geller und Dr. Ronen Dar gegründet, beide ehemalige Forscher der Universität Tel Aviv. Das Unternehmen gewann schnell an Zugkraft bei Unternehmen, die Generative AI-Workloads betreiben, die enorme Rechenleistung erfordern. Seine Flaggschiff-Plattform bot eine Abstraktionsebene, die es Organisationen ermöglichte, GPUs zu bündeln, Jobs effizient zu planen und Ressourcen dynamisch zuzuweisen – ein kritischer Engpass im Zeitalter des Modelltrans und der Inference (AI). Vor der Übernahme hatte Run:ai rund 118 Millionen US-Dollar an Risikokapital eingesammelt, unterstützt von Investoren wie Insight Partners und Tiger Global.
Hintergrund und geschäftlicher Kontext
In den letzten Jahren ist der Trainingsbedarf großer Neural Netze explodiert. Der Aufstieg der Transformer-Architektur, die Systeme wie GPT-4 und OpenAIs Modelle antreibt, hat die GPU-Auslastung in den Fokus der operativen Effizienz gerückt. Viele Organisationen stellten fest, dass ihre teuren GPU-Flotten unterausgelastet waren und manchmal durch Ineffizient planende Ressourcen brachlagen. Nvidia, das die Hardware liefert, bemerkte diesen Schmerzpunkt und suchte eine umfassende Lösung anzubieten, die Kunden anziehen und binden sollte.
Nvidias Netzwerkanlagen, einschließlich des CUDA-Programmiermodells und der konstant wachsenden AI Enterprise-Suite, ist zu einer bedeutenden Einnahmequelle geworden. Mit der Übernahme von Run:ai wollte Nvidia einen Schwachpunkt aus, der GPUs über Cluster und hinweg verschiedene Anbieter hinweg bündeln kann, wie Azure Amazon Web Services Google Cloud und VMware-Umgebungen. Der Schritt positionierte Nvidia nicht nur als Chiphersteller, sondern als Orchestrator. Assed.
Run:ais Produkt und Technologie
Die Kernangebote von Run:ai um die robuste Lösung mit Kubernetes-Architektur, die Partitionierung, dynamische virtuelle GPU-Instanzen und einen Scheduler unterstützt, der das Auslösen von Jobs anhand von Richtlinien ermöglicht. Die Lösung unterstützt eine Mehr zahl Frameworks für Deep learning, darunter PyTorch und TensorFlow und integriert sich mit gängig Tools wie MLflow und Kubeflow. Technologien die Multi-GPU-Jobs mit Batch Normalization oder anderem Optimierungen verarbeitet haben, musten aufgelöst werden, aber die Plattform bietet Per-GPU-Multiplexing, das die Auslastung in vielen Kundeninstallationen von typischen 40% auf über 80% steiger.
Zusätzlich führte Run:ai eine Funktion namens "AI Control Plane" ein, die Datenwissenschaftlern und Ingenieuren ermöglicht, die Hardware von der Auslastung zu entkoppeln und die Compute-Ressourcen automatisch zu skalieren. Dies verkürzte die Job-Submissions-Zeit von Stunden auf Minuten und gab Verantwortlichen Einblick in Kosten und Nutzung über Abteilungen hinweg.
Finanzielle Details und
Zunächst berichteten, dass der Transaktionswert 700 Millionen US-Dollar betrug, aber mehrere Medien in den nachfolgenden Wochen eine genauere Zahl nahe 1 Milliarde Dollar. Nvidia lehnte die Kommentierung ab, aber der endgültige Preis gemäß den Sicherheits- und Börsen-Regulierungsmeldungen der US SEC lag bei 700 Millionen US-Dollar, einschließlich innerhalb einer handelt.
Tes Deal wurde ohne größere Auflagen genehmigt, insbesondere da kein Unternehmen eine dominante Stellung zur Rückhalt von GPUs im KI-Scheduler-Markt besaß. Vor hatten etwa Unternehmen der Laufzeit von Nvidia-Partner Etsy und Finanzinstitute als Kunden.
Strategische Auswirkungen auf die Industrie
Die Übernahme markierte auf der KI-Infrastruktur-Ebene einen Konsolidierungstrend. Sowohl Wettbewerber als auch Kunden von Nvidia stimmten wach. AMD und Intel brachten Gegenlösungen wie AMDs Open-Source-ROCm-Stack. Der Schritt verschärfte die Plattformkriege in der KI-Verarbeitung, wo Software genauso essenziell ist wie Hardware. Es veranlasste auch Hyperscaler wie Amazon Web Services dazu in Kombination mit ihren Fabric-Lösungen, z.B. AWS Trainium und Inference (AI)-Chips, zu investieren, um ihre Angebot abzuheben.
Die Übernahme förder auch die Diskussion über die Abstraktion von GPU-Ressourcen in privaten und Public Clouds. Die IT-Abteilungen der Unternehmen begrüßten den Schritt und hofften auf eine nahtlose Skalierung zwischen Cloud- und On-premise-Umgebungen, was, wenn von Nvidia geführt, die Vendor-Lock-in-Risiken reduzieren könnte, eine Möglichkeit noch nicht unbesehen.
Regulatorische und wettbewerbliche Prüfung
Die Europäische Kommission prüfte den Zusammenschluss im Rahmen der Standardregeln. Im Dezember 2024 gab sie ohne Auflagen grünes Licht, da der Marktanteil von Run:ai im Orchestrierungsmarkt begrenzt war. Auch die US-amerikanische Federal Trade Commission entschied, das Spezifische nicht herauszufordern, wenn auch Technologiegiganten unter übergreifenden Auflagen bezüglich Chip- KI- Ökosystemen prüfen.
Wettbewerber wie IBM und Graphcore bewegten sich bei ihren eigenen Scheduler-Fähigkeiten. Zum Beispiel führte Graphcore PopGrid ein, während Intels oneAPI für offene Ökosystem Entwicklungen vorgeht.
Integration und Zukunftsweg
Nach dem Abschluss des Deals im November 2024 begann Nvidia, die Technologie von Run:ai in die bestehenden Tools wie NVIDIA AI Enterprise und NVIDIA Base Command zu integrieren. Eine der ersten Veröffentlichungen nach der Übernahme war "Run:AI on Nvidia AI Stack", die die Ressourcenverwaltung mit der vGPU-Lizenzierung verknüpfte beträgt, dass Run:ai's Platform ab dem ersten Quartal nach der Schließung allen DGX-Kunden anbot wird, um Workloads mit optimaler Ressourcenplanung auszuführen.
Für die Zukunft hat Nvidia Pläne nicht angekündigt, die Plattform für akzeleratoren über GPU hinaus zu öffnen, einschließlich bitelig & über eine Standalone - einschließlich ASICs für Cluster sich forschen wie Carnegie-Mellon-Forschungen.
Antworten der Wettbewerber
AMD kündigte gegen Ende 2024 seine eigene "Infinite Fabric"-Scheduling -Software an. SambaNova erweiterte seine Cloud um eigenen virtuellen GPU-Bais, und Groq implementierte eigene dynamische Scheduler nativ. Die Gesamt-Konkurrenz um die KI-Compute-Orchestrierung & verwirft sich, wodurch Nvidia gezwungen ist, ein stärkeres Partnernetz aufzubauen.
Die Übernahme festigte nicht nur Nvidias Präsenz in Israel (Stand Jahr 2025 über 1.000 Mitarbeiter von dort), sondern löste auch weitere Investitionen in Softwaremarkt-Startups im konsystem aus, wie ein früherer Erwerb von Deepspeed durch Microsoft (AI) (vor 2024).
Konsequenzen für die Kunden von Run:ai
Übernahme Kunden waren zunächst skeptisch gegenüber der Integration in Nvidias Cloud-Stack, doch Nvidia bot langfristige Gewährleist und Continuity-Pläne und Versicherung von technischem Support. Bis Mitte 2025 bleibt die Plattform weithin genutzt in Rechenzentren und Unternehmen, die KI-Dienste in Scale anbieten, wie Hugging Face und geschäftliche Anwendungen.
Siehe auch
- Nvidia-basierte KI-Chips
- cloud-computing
- k8s (Kubernetes)