0e02fdbd59
- Created 27 new people-pages for all TODO-marked persons - Replaced all TODO: people-page markers with wiki-links in institutions - Cross-referenced back to institutions from each people-page - 0 TODO markers remaining New people-pages: shayne-coplan, jim-zemlin, wang-changhu, yang-bingyang, demis-hassabis, clement-delangue, thomas-kurian, fei-fei-li, christopher-manning, sam-altman, ilya-sutskever, moritz-kaminski, elon-musk, nicolas-burtey, elizabeth-stark, olaoluwa-osuntokun, jan-leike, oren-etzioni, ali-farhadi, jaime-sevilla, max-tegmark, daniela-rus, jared-kaplan, alex-atallah, andrew-moore, tuomas-sandholm, mitchell-baker
97 lines
8.3 KiB
Markdown
97 lines
8.3 KiB
Markdown
---
|
||
created: 2026-06-16
|
||
updated: 2026-06-16
|
||
sources:
|
||
- raw/youtube/2026-06-16_everlast-mainzer-neuromorphe-chips-quantencomputer.md
|
||
related_raw:
|
||
- raw/youtube/2026-06-16_everlast-mainzer-neuromorphe-chips-quantencomputer.md
|
||
tags: [concept, hardware, ki-frontier, neuromorphic-computing, quantencomputing, mainzer, post-silicon]
|
||
---
|
||
|
||
# Hardware-Frontier: Neuromorphe Chips & Quantencomputer
|
||
|
||
Quelle: Prof. Dr. Klaus Mainzer im Gespräch mit Everlast AI (Leon Martin Schmedding), 1:48:40, 2026-06-03.
|
||
Vollständige Mitschrift + Timestamps siehe `[[../../../raw/youtube/2026-06-16_everlast-mainzer-neuromorphe-chips-quantencomputer.md]]`.
|
||
|
||
## Kernthese
|
||
|
||
Die nächste Generation der KI entsteht **nur aus der Verbindung** dreier Felder:
|
||
|
||
1. **Klassische KI** (Statistik, LLMs, Transformer)
|
||
2. **Neuromorphic Computing** (chips, die Gehirn-Architektur nachbauen)
|
||
3. **Quantencomputing** (Superposition + Verschränkung für spezielle Problemklassen)
|
||
|
||
Aktuelle LLMs sind statistisch mächtig, aber physikalisch und energetisch limitiert: das Gehirn arbeitet mit ~20 W, ein modernes LLM-Inferenz-Cluster mit Megawatt. Wer nur an der Software-Schraube dreht, löst das Bottleneck nicht.
|
||
|
||
## Drei Felder — was sie können (und was nicht)
|
||
|
||
### Neuromorphic Computing
|
||
- Chips, deren Schaltkreise die **Struktur biologischer Neuronen** nachbilden (Spikes, lokale Plastizität, ereignis-basierte Verarbeitung).
|
||
- Vorteil: Enormer Energievorteil bei Aufgaben, die dem Gehirn ähneln (Pattern Recognition, sensorische Verarbeitung, Echtzeit-Reaktion).
|
||
- Nachteil: Kein Allzweck-Beschleuniger. Für symbolisches Reasoning oder Multiplikations-schwere Workloads weniger geeignet.
|
||
|
||
### Photonisches Rechnen („Rechnen mit Licht")
|
||
- Berechnung mit Photonen statt Elektronen → massiv höhere Bandbreite, geringere Wärmeentwicklung.
|
||
- Einsatz v.a. in der Telekommunikations- und Signalverarbeitungs-Infrastruktur.
|
||
|
||
### Quantencomputing
|
||
- **Was Quanten können:** Shors Algorithmus (Faktorisierung in Polynomialzeit → knackt RSA), bestimmte Optimierungs- und Simulation-Probleme.
|
||
- **Was Quanten (noch) nicht können:** Generelle KI-Beschleunigung — das ist Marketing-Mythos. Quantencomputer sind Spezialwerkzeuge, keine Allzwecksklaven.
|
||
- **Zentrales Problem — Dekohärenz:** Quantenzustände kollabieren bei jeder Messung/Wechselwirkung mit der Umgebung. Das „Auslese-Problem" ist der Hauptgrund, warum Quantencomputer 2026 nur Nischen-Anwendungen produktiv lösen.
|
||
- **Quantenhirn & Quanteninternet:** Mainzer spekuliert, dass zukünftige Quanten-Kommunikation ein „Quantum Internet" ermöglicht — und dass Gehirn-Prozesse auf Quanten-Ebene eine Rolle spielen könnten. Das ist Forschungs-Hypothese, keine etablierte Theorie.
|
||
- **RSA-Timeline präzise:** Gidney (Google Quantum AI) hat im Mai 2025 die Qubit-Schätzung von ~20 Mio. auf <1 Mio. physische Qubits reduziert; ein Sydney-Preprint (Feb 2026) behauptet <100k Qubits mit LDPC. Realistische Bedrohungs-Timeline: **2030 ± 2 Jahre**, nicht „akut" im Sinne nächster 1–3 Jahre. NIST empfiehlt RSA-Abschaffung erst nach 2035. „Nicht mehr rein akademisch" ist die korrekte Lesart, „akut" wäre eine Überspitzung.
|
||
|
||
## Energie-Bottleneck (Mainzers Lieblings-Argument)
|
||
|
||
> „Das Gehirn bedarf mal schlappe 20 Watt."
|
||
|
||
| System | Energieverbrauch | Vergleich |
|
||
|---|---|---|
|
||
| Menschliches Gehirn (Dauerbetrieb) | ~20 W | 1× |
|
||
| LLM-Training (Frontier-Modell) | ~10 GWh | ~50.000.000× |
|
||
| LLM-Inferenz-Cluster (Dauerbetrieb) | ~10–100 MW | 500.000× – 5.000.000× |
|
||
|
||
Mainzer argumentiert: Wenn KI in Alltagsgeräten (Autos, Telefone, Sensoren) **embedded** laufen soll, brauchen wir neuromorphe oder photonische Lösungen — kein Moore'sches Skalieren mehr.
|
||
|
||
## Geopolitische Positionierung (Teil seiner Analyse)
|
||
|
||
Mainzers politische und wissenschaftliche Positionen stehen in derselben Denktradition — strukturelles, systemisches Denken, das vor politischen Implikationen nicht haltmacht. Die Trennung „Wissenschaft hier, Meinung da" ist falsch; seine Politik kommt aus seiner Komplexitätsanalyse, nicht daneben.
|
||
|
||
- **China:** Klare Langfrist-Strategie für KI bis 2050; Mainzers analytischer Blick: Planungsfähigkeit + zentralistische Risiken — beides nüchtern benannt, nicht als Lob oder Kritik verkürzt.
|
||
- **Pro Atomkraft:** Konsequenz aus dem Energie-Argument (KI-Energiehunger vs. 20W-Gehirn). Wer das eine annimmt, kommt am anderen nicht vorbei.
|
||
- **Verschlüsselung:** Shors Algorithmus → RSA in Gefahr, sobald ausreichend große Quantenrechner verfügbar sind („Post-Quantum-Kryptografie" ist nicht mehr akademisch, sondern akut).
|
||
- **Thiel-Kritik:** Monopol-Konzentration als Innovations- und Freiheits-Hemmer. Steht in derselben anti-zentralistischen Logik wie seine Komplexitätsforschung (resiliente Systeme brauchen Dezentralität).
|
||
- **DeepSeek aus Europa:** Mainzer bringt es als Beleg für europäische KI-Souveränität — wieder: strukturelles Argument, nicht Tagesmeinung.
|
||
|
||
## Geistesgeschichtlicher Rahmen
|
||
|
||
Mainzer spannt einen Bogen von **Laplaces Dämon** (Grenzen der Berechenbarkeit) über **Turing** (Berechenbarkeit formalisiert) und **Expertensysteme** (am Limit) bis zu **ChatGPT** („alles nur Statistik"). Die Position: Aktuelle LLMs sind ein mächtiges Werkzeug, aber kein Endpunkt — die nächsten 20 Jahre gehören der Hardware.
|
||
|
||
## Substanz vs. Hype
|
||
|
||
- **Substanzvoll:** Mainzer kommt aus ernsthafter Wissenschaftstheorie (Komplexitätsforschung, TU München, Akademie-Präsident 2000+ Mitglieder, 30+ Nobelpreisträger). Die technischen Erklärungen zu Dekohärenz, Shors Algorithmus, neuromorphen Schaltkreisen sind fundiert — und seine politischen Positionen stehen analytisch in derselben Reihe.
|
||
- **Everlast als Distributions-Kontext:** Der YouTube-Kanal „Everlast AI" ist ein werbefinanziertes Tech-Influencer-Format (KI-Kurse, WhatsApp-Kanal, „AI-Automations-Manager"-Weiterbildung). Das ist ein Faktor für die Mediendistribution, nicht für die inhaltliche Bewertung. Es ist ein Faktum über das Format, nicht ein Caveat zu Mainzers Thesen — die stehen unabhängig von der Pipeline, durch die sie laufen.
|
||
|
||
## Cross-References
|
||
|
||
- `[[../llm/post-transformer-llm-architectures.md]]` — die algorithmische Seite (Transformer → Mamba/Griffin/JEPA/World-Models); Mainzer liefert die **Hardware-Gegenseite** dazu.
|
||
- `[[../../../raw/youtube/2026-06-16_everlast-mainzer-neuromorphe-chips-quantencomputer.md]]` — vollständiger Transkript mit allen Timestamps.
|
||
- OME Topic 502 (Theorie-Bildung): Pit teilte das Video am 2026-06-16 11:37 UTC; Rüdiger hatte am 2026-06-05 einen Welt-Artikel im selben Topic verlinkt (Hardware- vs. Algorithmus-Perspektive auf „was kommt nach dem Transformer").
|
||
|
||
## Offene Fragen
|
||
|
||
- Wann wird neuromorphes Computing produktiv-relevante KI-Workloads spürbar beschleunigen? (Intel Loihi, IBM TrueNorth — Status 2026?)
|
||
- Welche konkreten Quanten-Algorithmen sind über Shors/Grovers hinaus **tatsächlich** für KI-Beschleunigung relevant? (VQE, QAOA — aber praktischer Nutzen umstritten.)
|
||
- Quanten-Resistente Kryptografie: ab welchem Quanten-Computer-Skalierungsniveau wird RSA *de facto* unsicher?
|
||
|
||
## Verbindung zu Aschenbrenners „The Project"
|
||
|
||
Aschenbrenners Essay (siehe `[[../agi/aschenbrenner-situational-awareness.md]]`) beschreibt eine trillion-dollar-Mobilisierung der US-Industrie für GPU-Cluster und Strom-Infrastruktur. Mainzers Energie-Bottleneck (20W Gehirn vs. Megawatt-Cluster) ist die **physische Grenze**, an der Aschenbrenners Skalierungs-These auf Widerstand stößt:
|
||
|
||
- Aschenbrenners „The Project" fokussiert auf **klassische GPU-Skalierung** (NVIDIA, Stromverträge, Rechenzentren)
|
||
- Mainzers Hardware-Trias (klassisch + neuromorph + Quanten) ist die **systemische Antwort** auf diese Bottlenecks — Hardware-Diversität als Mittel gegen reine Compute-Skalierung
|
||
- Aschenbrenners „100 million automated AI researchers" sind das **software-seitige** Pendant zu Mainzers hardware-seitiger Diversitäts-These: nicht „mehr vom Selben", sondern „mehr Architektur-Pfade parallel"
|
||
|
||
Die beiden Analysen sind kompatibel und komplementär — Aschenbrenners These funktioniert *innerhalb* der GPU-Skalierung, Mainzer zeigt, dass jenseits davon andere Architekturen nötig werden.
|
||
|
||
**Siehe auch:** [[edge-inference-als-cloud-alternative.md]] — AMDs Ryzen AI Max+ 395 (Strix Halo) als Zwischenschritt: 235B-Parameter lokal bei Watt-Klassen, nicht Megawatt. Edge-Inferenz schließt die Lücke zwischen klassischer GPU-Skalierung und neuromorpher Hardware.
|