Eine Zusammenarbeit zwischen HIVE Digital Technologies und der Columbia University hat etwas hervorgebracht, das die KI-Computing-Welt in einem Schwellenmarkt nur selten sieht: belastbare Beweise. Forschende am Department of Industrial Engineering and Operations Research der Columbia University führten iterative KI-Trainings-Workloads auf dem GPU-Cluster von HIVE in Asunción, Paraguay, aus – mehr als 5.000 Meilen entfernt von ihrem Labor in New York City – und die Ergebnisse waren gut genug, um sie bei NeurIPS einzureichen, einer der wettbewerbsintensivsten KI-Forschungskonferenzen der Welt.
Summary
Wichtigste Erkenntnisse
- Die A40-GPUs von HIVE in Paraguay erreichten nach Code-Optimierungen durch die Columbia-Forschenden eine mit neueren H100-GPUs vergleichbare Leistung.
- Die Forschung wurde bei NeurIPS eingereicht, einer führenden jährlichen Konferenz für maschinelles Lernen, die jedes Jahr im Dezember stattfindet und zusammen mit ICLR und ICML zu den drei weltweit einflussreichsten KI-Forschungsplattformen zählt.
- Forschende der Columbia University führten erfolgreich interkontinentale KI-Trainingsläufe aus der Ferne über eine Distanz von 5.000 Meilen von New York City nach Asunción durch.
- Die 100-MW-Umspannstation von HIVE in Yguazú, Paraguay, soll bis September 2026 ans Netz gehen; der Bau eines neuen Tier-III-Rechenzentrums beginnt im Herbst 2026 und soll in der zweiten Jahreshälfte 2027 betriebsbereit sein.
- Die Forschung konzentrierte sich auf den Muon-Optimizer und fortgeschrittene Pretraining-Techniken für neuronale Netze, die für die zukünftige Entwicklung großer Sprachmodelle relevant sind.
HIVE und Columbia University validieren KI-GPU-Infrastruktur in Paraguay
Die zentrale Erkenntnis ist einfach, aber bedeutsam: Geografie muss nicht länger einschränken, wo ernsthafte KI-Forschung betrieben wird. Über einen Zeitraum von zwei Monaten optimierten Forschende der Columbia University ihren Trainingscode speziell für die A40-GPU-Knoten von HIVE in Asunción. Als sie Durchsatz, Latenz und Token-pro-Sekunde-Leistung mit H100-Benchmarks – der derzeitigen Referenz-GPU der Branche – verglichen, stimmten die Ergebnisse überein, nachdem sie an die Rohleistungsmerkmale der jeweiligen Hardwareplattform angepasst worden waren.
Das ist keine nebensächliche Fußnote. H100-GPUs repräsentieren Nvidias Flaggschiff-Silizium für Rechenzentren, und diese Leistungslücke mit älterer A40-Hardware durch Software-Optimierung zu schließen, stützt direkt HIVEs Argument, dass intelligente Ingenieurskunst erheblichen Wert aus der bestehenden Infrastruktur ziehen kann.
Interkontinentales KI-Training von New York nach Asunción
Was diese Zusammenarbeit technisch interessant macht, ist die interkontinentale Dimension. KI-Trainingsjobs aus der Ferne auszuführen, ist innerhalb eines einzelnen Rechenzentrums oder Campus-Netzwerks nichts Ungewöhnliches. Dies jedoch zuverlässig über mehr als 5.000 Meilen hinweg zu tun, mit iterativen Trainingsläufen, die auf latenzarme Feedback-Schleifen angewiesen sind, ist eine völlig andere Herausforderung. Dem Columbia-Team ist dies gelungen; es etablierte eine konkrete Leistungsbasislinie für den GPU-Cluster von HIVE in Asunción, die das Unternehmen nun als Referenzpunkt für zukünftige kommerzielle KI-Workloads nutzen kann.
Leistungsparität zwischen HIVEs A40- und neueren H100-GPUs
Das Ergebnis der Leistungsparität hat eine Bedeutung, die über diese einzelne Studie hinausgeht. Es legt nahe, dass Kundinnen und Kunden, die HIVEs Infrastruktur in Paraguay für KI-Workloads evaluieren – insbesondere für das Pretraining großer Sprachmodelle mit bis zu 1,4 Milliarden Parametern, wie in dieser Forschung getestet – nicht automatisch davon ausgehen sollten, dass eine Hardware-Generationslücke auch eine Fähigkeitslücke bedeutet. Das Columbia-Team führte außerdem Tests zu Serving-Durchsatz und Latenz an einem Modell mit 1,4 Milliarden Parametern durch und setzte Standard-Benchmarks mit LLaMA-Modellen ein, um ein umfassenderes Leistungsbild des Clusters zu zeichnen.
Spitzenforschung zu Pretraining und Optimierung neuronaler Netze
Der wissenschaftliche Gehalt dieses Projekts geht über die Validierung der Infrastruktur hinaus. Die Forschung des Columbia-Teams bewegt sich an der Schnittstelle von Optimierungstheorie und praktischer KI-Ausbildung im großen Maßstab – ein Feld, das zunehmend Aufmerksamkeit erhält, da die Kosten für LLM-Pretraining weiter explodieren.
Fokus auf Muon-Optimizer und fortgeschrittene Pretraining-Techniken
Die Studie analysierte den Muon-Optimizer und Varianten davon und untersuchte das Pretraining neuronaler Netze unter Bedingungen allgemeiner Geometrie und großer Rauschanteile. In der Praxis ist Muon ein matrixbewusster Optimizer – das heißt, er berücksichtigt die Struktur von Gewichtsmatrizen während der Gradientenaktualisierung, anstatt wie einfachere Optimierer alle Parameter gleich zu behandeln. Die Forschenden der Columbia University entwarfen und analysierten einen beschleunigten Algorithmus, der die Leistung von Muon sowohl in theoretischen als auch in praktischen Umgebungen erreichte – ein bedeutender Beitrag zum Verständnis, wie Pretraining-Methoden der nächsten Generation im großen Maßstab funktionieren.
Erkenntnisse der Forschenden der Columbia University
Eine Assistenzprofessorin bzw. ein Assistenzprofessor am IEOR-Fachbereich der Columbia University beschrieb die größere Bedeutung wie folgt: Die Arbeit vertieft das Verständnis von matrixbewussten Optimierern wie Muon und verwandten skaleninvarianten Methoden, klärt ihre theoretischen Grundlagen und bewertet sie in realen Trainingsumgebungen neuronaler Netze. Die Forschung hebt ihr potenzielles Potenzial für zukünftiges LLM-Pretraining hervor – genau jene Workloads, die die Nachfrage nach KI-Infrastruktur in den nächsten Jahren prägen werden.
Die Einreichung dieser Arbeit bei NeurIPS – das zusammen mit ICLR und ICML als eine der drei wichtigsten hochwirksamen Plattformen für maschinelles Lernen weltweit gilt – signalisiert, dass die Forschungsqualität einem ernsthaften Peer-Review unterzogen wird und nicht nur als Marketing-Proof-of-Concept kursiert.
Strategische Entwicklung von KI-Infrastruktur in Paraguay
Die Zusammenarbeit mit der Columbia University ist bewusst terminiert. HIVE befindet sich mitten in einem umfangreichen Infrastrukturausbau in Paraguay, der diesen Forschungserfolg in ein kommerzielles Fundament verwandelt, anstatt ihn als isolierte akademische Übung stehen zu lassen.
100-MW-Umspannstation und Bau eines Tier-III-Rechenzentrums
In Yguazú, Paraguay, baut HIVE eine 100-Megawatt-Umspannstation, deren Tiefbauarbeiten bereits abgeschlossen sind. Das Unternehmen plant die Inbetriebnahme im Sommer, wobei erwartet wird, dass die Umspannstation bis September 2026 ans Netz geht. Der Bau eines neuen Tier-III-Rechenzentrums am selben Standort soll im Herbst 2026 beginnen.
Geplante Inbetriebnahme- und Betriebszeitleisten
Für das Tier-III-Rechenzentrum ist ein Bereit-für-den-Betrieb-Termin in der zweiten Jahreshälfte 2027 vorgesehen, was HIVE einen klaren Zeitrahmen gibt, um die in dieser Forschung etablierten Leistungsbenchmarks in eine voll funktionsfähige HPC- und KI-Computing-Einrichtung zu überführen. Die während der Columbia-Studie erhobenen Daten zu Token-pro-Sekunde, Latenz und Bandbreite dienen nun als technische Grundlage für das Design und die kommerzielle Positionierung dieser Einrichtung.
Die strategische Logik lohnt eine genauere Betrachtung. Paraguay verfügt über einen Energieüberschuss, der auf Wasserkraft basiert – sauber, konstant und relativ kostengünstig. HIVE, 2017 als eines der ersten börsennotierten Unternehmen gegründet, das digitale Vermögenswerte mit grüner Energie schürft, betreibt Rechenzentren in Kanada, Schweden und Paraguay mit einem expliziten Fokus auf ökologische Nachhaltigkeit. KI-Workloads auf diese bestehende Infrastruktur zu bringen, ist eine natürliche Erweiterung des Geschäftsmodells, und die Forschung der Columbia University liefert nun genau jene unabhängige Leistungsvalidierung, die Unternehmenskunden typischerweise benötigen, bevor sie Rechenbudgets zusagen.
Führungsperspektiven zu Innovation und globaler KI-Strategie
Executive Chairman Frank Holmes über verteilte KI-Infrastruktur
Executive Chairman Frank Holmes ordnete das Ergebnis in Bezug auf das ein, was es widerlegt: „Es zeigt, dass Hochleistungsrechnen nicht durch Geografie begrenzt sein muss.“ Holmes verwies auf die Kombination aus Stromkapazität, strategischer Lage und nun einem verifizierten Leistungsnachweis in Paraguay als Grundlage für die Vision des Unternehmens, das Land direkt mit der globalen KI-Wirtschaft zu verbinden. „HIVE ist stolz darauf, dabei zu helfen, diese Zukunft online zu bringen“, fügte er hinzu.
CEO Aydin Kilic über Forschungsvalidierung und Zukunftsvision
Präsident und CEO Aydin Kilic konzentrierte sich auf die Bedeutung des A40-zu-H100-Paritätsergebnisses für die breitere Investment-These von HIVE: „Großartige Ingenieurskunst kann erheblichen Wert freisetzen.“ Kilic stellte fest, dass die Geschichte des Unternehmens in der Hardware-Innovation – einschließlich der Entwicklung des BuzzMiner in Zusammenarbeit mit der Intel Corporation und der Rolle als einer der größten Demand-Response-Teilnehmer Schwedens, der zur Stabilisierung des nationalen Stromnetzes beiträgt – ein konsistentes Muster widerspiegelt: operative Effizienz durch technische Einfallsreichtum zu erzielen, anstatt einfach nur die neueste verfügbare Hardware zu installieren.
Diese Perspektive ist sowohl für Investorinnen und Investoren als auch für potenzielle Cloud-Kundschaft relevant. Wenn HIVE Leistungslücken durch Code-Optimierung statt durch Kapitalaufwand für die neueste GPU-Generation schließen kann, erscheinen die Stückkosten seiner Infrastruktur in Paraguay deutlich attraktiver – insbesondere da die Nachfrage nach kosteneffizientem KI-Compute weiterhin das Angebot an Premium-H100-Kapazitäten weltweit übersteigt.
FAQ
Was war der wichtigste Erfolg der Forschungszusammenarbeit von HIVE mit der Columbia University?
Die Zusammenarbeit demonstrierte interkontinentales KI-Training: Forschende der Columbia University in New York City führten erfolgreich KI-Workloads auf dem GPU-Cluster von HIVE in Asunción, Paraguay, über eine Distanz von mehr als 5.000 Meilen aus. Die zentrale technische Erkenntnis war, dass die A40-GPUs von HIVE nach Code-Optimierungen durch das Columbia-Team die Leistung der neueren H100-GPUs erreichten.
Wo und wann werden das neue KI-Rechenzentrum und die Umspannstation von HIVE in Paraguay in Betrieb gehen?
Die 100-MW-Umspannstation in Yguazú, Paraguay, soll im Sommer 2026 in Betrieb genommen und bis September 2026 ans Netz gebracht werden. Der Bau eines neuen Tier-III-Rechenzentrums am selben Standort soll im Herbst 2026 beginnen, mit einem Bereit-für-den-Betrieb-Termin in der zweiten Jahreshälfte 2027.
Welche fortgeschrittene KI-Forschung wurde mit der Infrastruktur von HIVE durchgeführt?
Forschende des Department of Industrial Engineering and Operations Research der Columbia University untersuchten das Pretraining neuronaler Netze mithilfe von Optimierungstheorie unter Bedingungen allgemeiner Geometrie und großer Rauschanteile. Die Arbeit konzentrierte sich auf den Muon-Optimizer und verwandte matrixbewusste Methoden und bewertete Pretraining-Algorithmen für große Sprachmodelle mit bis zu 1,4 Milliarden Parametern auf den A40-GPU-Knoten von HIVE in Asunción.
Wie sieht HIVE die Rolle Paraguays in der globalen KI-Infrastrukturlandschaft?
Die HIVE-Führung betrachtet Paraguay als strategisch positionierten Knotenpunkt für globales KI-Computing und verweist auf seine Wasserkraftkapazität, geografische Lage und nun eine verifizierte Leistungsbasislinie als zentrale Vorteile. Das Ziel des Unternehmens ist es, dass Paraguay direkt an der globalen KI-Wirtschaft teilnimmt – durch verteilte, energieeffiziente HPC-Infrastruktur.
{„@context“:“https://schema.org“,“@type“:“FAQPage“,“mainEntity“:[{„@type“:“Question“,“name“:“Was war der wichtigste Erfolg der Forschungszusammenarbeit von HIVE mit der Columbia University?“,“acceptedAnswer“:{„@type“:“Answer“,“text“:“Die Zusammenarbeit demonstrierte interkontinentales KI-Training: Forschende der Columbia University in New York City führten erfolgreich KI-Workloads auf dem GPU-Cluster von HIVE in Asunción, Paraguay, über eine Distanz von mehr als 5.000 Meilen aus. Die zentrale technische Erkenntnis war, dass die A40-GPUs von HIVE nach Code-Optimierungen durch das Columbia-Team die Leistung der neueren H100-GPUs erreichten.“}},{„@type“:“Question“,“name“:“Wo und wann werden das neue KI-Rechenzentrum und die Umspannstation von HIVE in Paraguay in Betrieb gehen?“,“acceptedAnswer“:{„@type“:“Answer“,“text“:“Die 100-MW-Umspannstation in Yguazú, Paraguay, soll im Sommer 2026 in Betrieb genommen und bis September 2026 ans Netz gebracht werden. Der Bau eines neuen Tier-III-Rechenzentrums am selben Standort soll im Herbst 2026 beginnen, mit einem Bereit-für-den-Betrieb-Termin in der zweiten Jahreshälfte 2027.“}},{„@type“:“Question“,“name“:“Welche fortgeschrittene KI-Forschung wurde mit der Infrastruktur von HIVE durchgeführt?“,“acceptedAnswer“:{„@type“:“Answer“,“text“:“Forschende des Department of Industrial Engineering and Operations Research der Columbia University untersuchten das Pretraining neuronaler Netze mithilfe von Optimierungstheorie unter Bedingungen allgemeiner Geometrie und großer Rauschanteile. Die Arbeit konzentrierte sich auf den Muon-Optimizer und verwandte matrixbewusste Methoden und bewertete Pretraining-Algorithmen für große Sprachmodelle mit bis zu 1,4 Milliarden Parametern auf den A40-GPU-Knoten von HIVE in Asunción.“}},{„@type“:“Question“,“name“:“Wie sieht HIVE die Rolle Paraguays in der globalen KI-Infrastrukturlandschaft?“,“acceptedAnswer“:{„@type“:“Answer“,“text“:“Die HIVE-Führung betrachtet Paraguay als strategisch positionierten Knotenpunkt für globales KI-Computing und verweist auf seine Wasserkraftkapazität, geografische Lage und nun eine verifizierte Leistungsbasislinie als zentrale Vorteile. Das Ziel des Unternehmens ist es, dass Paraguay direkt an der globalen KI-Wirtschaft teilnimmt – durch verteilte, energieeffiziente HPC-Infrastruktur.“}}]}
Artikel mit Unterstützung künstlicher Intelligenz erstellt und von der Redaktion überprüft.
