Unified Memory Architecture

In einem Computer gibt es einen Arbeitsspeicher. Das ist der schnelle Zwischenspeicher, in dem alle Daten liegen, mit denen gerade gerechnet wird. Klassische PCs haben davon zwei getrennte Bereiche: einen für den Hauptprozessor, der die allgemeinen Rechenaufgaben übernimmt, und einen zweiten auf der Grafikkarte. Bei einer Unified Memory Architecture gibt es diese Trennung nicht. Alle Recheneinheiten greifen auf einen einzigen, gemeinsamen Speicher zu. Bekannt wurde das Prinzip durch Apples M-Chips, aber auch andere Hersteller bauen inzwischen so.

Warum das Kopieren so viel Zeit kostet

Im klassischen Aufbau muss man Daten zwischen beiden Speichern hin und her schaufeln. Ein Bild, das die Grafikeinheit bearbeiten soll, wird erst aus dem Hauptspeicher in den Grafikspeicher kopiert. Danach wandert das Ergebnis wieder zurück. Diese Kopiervorgänge laufen über eine Verbindungsleitung, die deutlich langsamer ist als der Speicher selbst.

Ein Vergleich macht das anschaulich. Zwei Köche arbeiten in getrennten Küchen und müssen jede Zutat durch einen langen Gang tragen. Selbst wenn beide schnell schneiden, bestimmt der Gang das Tempo. Ein gemeinsamer Speicher ist wie eine große Küche mit einer Arbeitsfläche für beide. Die Zutaten liegen einfach da, wo sie gebraucht werden.

Für KI-Modelle zählt außerdem die schiere Menge. Ein großes Sprachmodell braucht viele Gigabyte Platz, nur um überhaupt in den Speicher zu passen. Eine normale Grafikkarte hat oft 8 oder 16 Gigabyte fest verbaut, mehr geht nicht. Ein Notebook mit vereinheitlichtem Speicher kann dagegen 64 oder 128 Gigabyte haben, und die Grafikeinheit darf davon einen großen Teil nutzen. Deshalb laufen manche KI-Modelle auf einem Laptop, die auf einem teureren Desktop-PC nicht starten.

Ein Adressraum für alle Recheneinheiten

Technisch sitzen Hauptprozessor, Grafikeinheit und oft noch eine spezielle KI-Recheneinheit auf einem einzigen Chip. Der Speicher ist direkt daneben angebunden, mit sehr breiten Leitungen. Alle Einheiten sprechen dieselben Speicheradressen an. Wenn der Hauptprozessor etwas an Adresse X ablegt, findet die Grafikeinheit es unter genau derselben Adresse.

Statt Daten zu kopieren, gibt ein Programm nur noch einen Verweis weiter. Das ist so, als würde man nicht das Dokument selbst verschicken, sondern nur sagen, in welchem Regal es liegt. Dieser Verzicht auf Kopien nennt sich zero copy und ist der eigentliche Kern des Konzepts.

Ein Nachteil folgt direkt daraus: Der Speicher ist fest verlötet und lässt sich nicht nachrüsten. Wer später mehr braucht, muss das ganze Gerät tauschen. Außerdem teilen sich alle Einheiten dieselbe Bandbreite, also dieselbe Datenmenge pro Sekunde. Wenn Grafikeinheit und Prozessor gleichzeitig sehr viel lesen, bremsen sie sich gegenseitig. Ein weiterer Irrtum ist verbreitet: Vereinheitlichter Speicher macht einen Chip nicht automatisch schneller als eine große Grafikkarte. Er entfernt nur einen bestimmten Engpass.

Von Apple-Silicon-Notebooks bis zum Rechenzentrum

Am häufigsten begegnet man dem Begriff bei Apple. Seit 2020 werben die Datenblätter der MacBooks mit Unified Memory, und in Tests wird der Vorteil bei Videoschnitt und lokalen KI-Modellen regelmäßig erwähnt. Auch Spielkonsolen wie die PlayStation 5 arbeiten schon lange mit gemeinsamem Speicher. AMD und Intel bauen das Prinzip in ihre Chips für Notebooks ein.

In Finanz- und Technik-News taucht das Thema meist im Zusammenhang mit KI-Hardware auf. Nvidia verkauft Systeme, in denen Prozessor und Grafikchip einen gemeinsamen Speicherbereich sehen, weil die Modelle sonst nicht mehr hineinpassen. Wie viel Speicher ein Chip bedienen kann, ist dort ein wichtiges Verkaufsargument geworden.

Für einen Käufer heißt das praktisch: Bei einem Gerät mit gemeinsamem Speicher sollte man beim Kauf eher großzügig planen. Die Angabe gilt für alles zusammen, nicht nur für Programme. Wer lokal mit KI experimentieren will, stößt sonst schnell an eine Grenze, die sich nicht mehr verschieben lässt.