Google Cloud bündelt Supercomputing-Hardware und DeepMind-Modelle in einer Wissenschaftsplattform

Die Hardware-Ebene: H4D, Titanium und ein verwaltetes paralleles Dateisystem

Die konkrete Infrastruktur-Neuigkeit sind die H4D-VMs, laut Google Cloud die leistungsstärksten CPU-basierten VMs des Unternehmens, gebaut auf den neuesten AMD-CPUs und kombiniert mit Titanium-Netzwerkbeschleunigung. Ziel ist es, Wissenschaftlern zu ermöglichen, HPC-Anwendungen auf Tausende von Prozessoren zu skalieren. H4D befindet sich derzeit in der Preview-Phase.

Zwei begleitende Bausteine sind für alle relevant, die tatsächlich schon einmal einen Cluster verwaltet haben. Cluster Toolkit verspricht reproduzierbare Deployments, und Cluster Director (umbenannt von Hypercompute Cluster) erlaubt es, einen großen Cluster als eine einzige Einheit zu betreiben. Google räumt damit ein, dass nicht nur die reine Rechenleistung, sondern vor allem der Aufwand für Deployment und Verwaltung Forscher bislang davon abhält, Cloud-HPC zu nutzen.

Für Storage gibt es eine eigene Lösung: Google Cloud Managed Lustre, entwickelt mit DDN und basierend auf EXAScaler Lustre. Statt ein paralleles Dateisystem neu zu entwickeln, verpackt Google ein etabliertes System als verwalteten Dienst, um den extremen Speicheranforderungen von Simulations- und KI-Trainings-Workloads zu begegnen.

DeepMind-Modelle kommen als einsatzbereite Cloud-Produkte

Der auffälligere Schritt ist, DeepMind-Forschung in nutzbare Cloud-Angebote zu verwandeln. AlphaFold 3, von DeepMind und Isomorphic Labs, wird als High-Throughput-Lösung für nicht-kommerzielle Nutzung angeboten, einsetzbar über das Cluster Toolkit, mit Batch-Verarbeitung von bis zu zehntausenden Sequenzen und Autoscaling zur Kostenkontrolle.

WeatherNext-Modelle werden über Vertex AI Model Garden verfügbar gemacht, wo sie angepasst und eingesetzt werden können. Damit landet ein Forschungsmodell für Wettervorhersagen im selben Katalog, den Kunden bereits für allgemeine Modelle durchsuchen – eine Entscheidung zur Einordnung, nicht nur eine Forschungsveröffentlichung.

Der Zugang zu AlphaFold auf Google Cloud kann unseren Forschern helfen, die Struktur und Wechselwirkungen aller Biomolekülklassen schnell vorherzusagen und zu erforschen, und beschleunigt so unser Verständnis von Krankheiten.Montana Labs

Zwei Research-Agenten an die Plattform angebunden

Neben Infrastruktur und Modellen fügt Google zwei Agenten in Agentspace hinzu, beide in der Preview-Phase. Der Deep-Research-Agent verdichtet externe und unternehmensinterne Daten zu Forschungsberichten; der Idea-Generation-Agent erzeugt neue Hypothesen, die Wissenschaftler testen können.

Diese sind eng auf den vorderen Teil des wissenschaftlichen Arbeitsablaufs ausgerichtet – Lesen und Hypothesenbildung – statt auf die Durchführung von Experimenten oder die Validierung von Ergebnissen. Diese Eingrenzung ist ehrlich in Bezug darauf, was generative Agenten heute zuverlässig leisten können, und belässt die Entscheidung darüber, was getestet wird, beim menschlichen Forscher.

Was diese Ankündigung zusammenhält: vertikale Integration des Forschungs-Stacks

Die konkrete Implikation ist, dass Google versucht, jede Ebene zu besitzen, mit der ein Computational Scientist in Berührung kommt – die CPU-VMs, die Cluster-Orchestrierung, das parallele Dateisystem, die Fachmodelle und die Agenten, die Forschungsthemen vorschlagen –, und diese als eine Plattform statt als einzelne Produkte zu verkaufen.

Für angewandte Teams, die dies bewerten, hängt der Nutzen davon ab, ob die Ebenen tatsächlich zusammenpassen. Dass AlphaFold 3 über dasselbe Cluster Toolkit bereitgestellt wird, das auch H4D-Cluster provisioniert, ist die Art von Integration, die Reibung reduziert; dass WeatherNext im allgemeinen Vertex Model Garden zu finden ist, ist eine leichtere Variante derselben Idee. Die offene Frage ist die Kopplung: Wie viel davon funktioniert nur gut, wenn man den gesamten Stack kauft, und wie portabel ist jeder einzelne Baustein, wenn man einen Teil der eigenen Pipeline bereits anderswo betreibt.

Auffällig ist, dass die Ankündigung wenig zu Preisen und konkreten Leistungskennzahlen sagt – die meisten Angebote befinden sich in der Preview-Phase, und die High-Throughput-Lösung von AlphaFold 3 ist ausschließlich für nicht-kommerzielle Nutzung gedacht. Die Strategie ist klar; unter welchen Bedingungen Forschungsgruppen sich tatsächlich darauf verlassen können, ist es noch nicht.