Jalapeño: OpenAI se eerste KI-skyfie klop Nvidia in doeltreffendheid – Wanneer die kliënt skielik die mededinger word – Beeld: Xpert.Digital
22 keer meer doeltreffend: OpenAI se eerste interne KI-skyfie klop Nvidia aansienlik
Bespaar energie, verdubbel werkverrigting: Wat OpenAI se nuwe KI-skyfie vir die bedryf beteken
KI bou KI-skyfies: OpenAI se "Jalapeño" oortref die kompetisie in rekordtyd
'n Skyfie wat die kaarte in die multimiljard-dollar KI-mark heeltemal herskommel: Met "Jalapeño" het OpenAI sy heel eerste interne KI-versneller in rekordtyd ontwikkel – en daag niemand anders as sy belangrikste hardewarevennoot tot nog toe, Nvidia, uit nie. Aanvanklike onafhanklike toetse toon dat die nuwe skyfie spog met indrukwekkende energie-doeltreffendheid, wat Nvidia se huidige Blackwell-generasie in sekere gebiede aansienlik oortref. Die ware geniale slag agter hierdie ontwikkeling: OpenAI het sy eie gevorderde KI-modelle gebruik om die skyfie-ontwerp dramaties te versnel. Wat beteken hierdie strategiese skuif vir die reeds gespanne kragtoevoer van datasentrums, die bedryfskoste van ChatGPT en Nvidia se markkrag? 'n Gedetailleerde analise onthul waarom OpenAI se hardeware-debuut veel meer is as net 'n tegnologiese opgradering – dit kan die inkomstemodel van die hele bedryf fundamenteel verander.
Van kliënt na mededinger: OpenAI val Nvidia aan met sy eie wonderskyfie
In minder as 'n jaar en 'n half het OpenAI sy eie KI-skyfie ontwikkel, wat in aanvanklike onafhanklike toetse aansienlik hoër doeltreffendheid as Nvidia se huidige verwysingshardeware toon. Dit is merkwaardig omdat OpenAI voorheen een van Nvidia se grootste enkele kliënte was en nou 'n segment betree wat byna uitsluitlik deur 'n enkele verskaffer oorheers is. Nadat die maatskappy sy eerste eie KI-versneller, met die kodenaam Jalapeño, in Junie 2026 onthul het, is betroubare prestasiedata, wat deur die onafhanklike ontledingsfirma SemiAnalysis versamel is, nou beskikbaar. Hierdie data toon dat OpenAI, deels danksy die aktiewe ondersteuning van halfgeleierspesialis Broadcom, 'n hoëprestasie-KI-skyfie van nuuts af ontwikkel het wat Nvidia se huidige Blackwell-generasie in sekere maatstawwe aansienlik oortref en ook goed geposisioneer blyk te wees teen die komende Rubin-platform.
Die ekonomiese implikasies van hierdie ontwikkeling kan nouliks oorskat word, aangesien dit een van die sentrale kosteprobleme van die hele KI-bedryf raak: die enorme verskil tussen besteding aan rekenaarinfrastruktuur en die inkomste wat uit KI-dienste gegenereer kan word. OpenAI verbrand glo ongeveer $3,7 miljard per kwartaal, met inferensiekoste – die koste van die voortdurende ontplooiing van voorafopgeleide modelle in daaglikse bedrywighede – wat die grootste enkele uitgawe verteenwoordig. 'n Skyfie wat hierdie koste aansienlik verminder, verander nie net 'n tegniese maatstaf nie, maar ook die hele inkomstemodel van 'n maatskappy wat ChatGPT met meer as 400 miljoen aktiewe gebruikers bedryf.
'n Onafhanklike toetsbank sonder vrye teuels
Die toetse is uitgevoer met behulp van SemiAnalysis se eie toetsbank, InferenceX. Die ontleders self is egter nie toegelaat om die toetse uit te voer nie, en ook nie alle scenario's is getoets nie, en die meer informatiewe toetsbank, AgentX, is ook nie gebruik nie, volgens SemiAnalysis. Hierdie beperking is ekonomies beduidend, want dit beteken dat hoewel die beskikbare data afkomstig is van 'n betroubare maatskappy wat spesialiseer in skyfie-analise, dit binne 'n raamwerk wat deur OpenAI beheer word, ingesamel is. Enigiemand wat goeie beleggingsbesluite op sulke data wil baseer, moet hierdie konteks in ag neem, selfs al lyk die algemene rigting van die resultate aanneemlik.
InferenceX gebruik die OpenWeights-modelle GPT-OSS, DeepSeek R1 en Kimi K2.5, wat daarop dui dat Jalapeño nie net vir OpenAI se eie modelle ontwerp is nie, maar ook geskik is as 'n algemene inferensieplatform vir ander argitekture. As anekdotiese bewys van die hardeware se buigsaamheid, haal SemiAnalysis die ontwikkelaars se demonstrasie aan dat die speletjie Doom, oorgedra vanaf OpenAI se eie programmeringsassistent Codex, selfs op die skyfie geloop het. Alhoewel sulke demonstrasies min ekonomiese substansie het, dui hulle wel daarop dat die argitektuur nie beperk is tot 'n nou toepassingsvenster nie, maar meer algemene berekeningstake kan hanteer.
Doeltreffendheidswinste wat in harde kontant vertaal
Die resultate bevestig Jalapeño se besonder hoë doeltreffendheid. In sommige scenario's behaal OpenAI se skyfie 22 keer die tekenkoers per watt in vergelyking met Nvidia se B300, 'n uitsonderlike resultaat vir 'n maatskappy se eerste eie skyfie sonder dekades se halfgeleierervaring. Jalapeño kan ook meeding met die nuwe Vera Rubin-stelsel, wat tans aan groot kliënte uitgerol word, hoewel daar tans min betroubare data beskikbaar is vir hierdie vergelyking en 'n finale assessering nog hangende is.
SemiAnalysis wys egter op metodologiese beperkings wat die betekenis van die syfers in perspektief plaas. Slegs relatief klein aanwysingsgroottes met 8 192 invoer- en 1 024 uitvoertokens is getoets, terwyl groter aanwysings, soos algemeen in baie produksieagenttoepassings is, die resultate aansienlik kon verander. Daarbenewens het die getoetste weergawe op 'n vroeë A0-stap geloop, terwyl 'n geoptimaliseerde B0-stap tans in produksie is, wat volgens OpenAI ongeveer 25 persent meer doeltreffend sal wees. Ekonomies beteken dit dat die reeds indrukwekkende syfers waarskynlik 'n onderste limiet eerder as 'n boonste limiet van die werklike potensiaal verteenwoordig, as die aankondigings rakende die B0-stap bevestig word.
Die werklike hefboom lê nie in die skyfie nie, maar in die kragnetwerk
OpenAI se skyfie kan selfs meer koste-effektief wees as Vera-Rubin, aangesien Nvidia se stelsel voordeel getrek het uit spekulatiewe dekodering in die toetse, 'n tegniek om teksgenerering te versnel, terwyl Jalapeño sonder hierdie optimalisering moes klaarkom. Oor die algemeen behoort interne hardeware-inferensie OpenAI aansienlik goedkoper te maak, aangesien die maatskappy nie meer handelsmarges aan 'n eksterne verskaffer hoef te betaal nie en die argitektuur presies aangepas kan word vir sy eie bedieningspatrone.
Die werklike strategiese voordeel lê egter nie hoofsaaklik in die suiwer kostebesparing per skyfie nie, maar in energie-doeltreffendheid. As gevolg van die verhoogde doeltreffendheid kan aansienlik meer skyfies met dieselfde kragtoevoer bedryf word, wat die ware mededingende voordeel verteenwoordig in 'n bedryf waar die beskikbaarheid van elektrisiteit en netwerkverbindingskapasiteit die beperkende faktor vir groei geword het. OpenAI self het reeds kontrakte vir meer as tien gigawatt se rekenaarkapasiteit in die VSA onderteken, 'n doelwit wat oorspronklik vir 2029 gestel is, maar wat nou jare tevore bereik is. In 'n omgewing waar nuwe kragstasiekapasiteit en netwerkverbindings dikwels die werklike knelpunt vir datasentrumuitbreiding vorm, vertaal elke watt wat meer doeltreffend gebruik word, direk in bykomende beskikbare rekenaarkrag, sonder die behoefte om bykomende kragstasies te bou.
'n Ontwikkelingstempo wat die skyfiebedryf uitdaag
Die projek se ontwikkelingstyd is veral noemenswaardig. Volgens OpenAI het slegs 16 maande verloop tussen die vorming van die ontwikkelingspan en die mikroskyfie se uitfasering – dit wil sê die voltooiing van die ontwerp vir vervaardigingsgoedkeuring – met die eerste volledige ontwerp wat na bewering nege maande voor die uitfasering voltooi is. In die tradisionele halfgeleierbedryf word ontwikkelingsiklusse van drie tot vyf jaar as standaard beskou vir vergelykbaar komplekse mikroskyfies, dus kan so 'n tempo, indien dit in toekomstige generasies bevestig word, druk plaas op die gevestigde kostestruktuur van die hele bedryf.
Volgens OpenAI is dit moontlik gemaak deur die intensiewe gebruik van sy eie KI-stelsels in die ontwerpproses self. Dit het vinniger evaluering van ontwerpbesluite moontlik gemaak en terselfdertyd gehelp om die rekenaareenhede te optimaliseer, wat tradisionele iterasielusse in skyfieontwerp aansienlik verkort. Dit skep 'n selfversterkende effek: hoe kragtiger die maatskappy se KI-modelle word, hoe vinniger en meer koste-effektief kan nuwe skyfiegenerasies ontwikkel word, wat dan hierdie modelle selfs meer doeltreffend uitvoer. So 'n terugvoermeganisme, mits dit reproduceerbaar blyk te wees, kan 'n strukturele voordeel word vir maatskappye wat beide toonaangewende KI-modelle en hul eie skyfie-ontwikkelingsvermoëns besit.
Wanneer jou eie KI die ingenieur se gereedskapskis word
Astra, die volgende beplande GPT-weergawe, is reeds by OpenAI gebruik om geoptimaliseerde rekenaarkerne, of pitte, vir nuwe modelle te ontwikkel. Volgens berigte was die kode wat deur Astra in GPT-OSS ontwikkel is, 50 tot 80 persent vinniger as vergelykbare programme wat deur menslike kundigespanne ontwikkel is. Hierdie bevinding het meer verreikende ekonomiese implikasies as wat dit aanvanklik klink, aangesien dit daarop dui dat die bottelnek van sagteware-optimalisering, wat tot dusver sterk afhanklik was van die beskikbaarheid van hoogs gespesialiseerde ingenieurs, toenemend deur outomatiese stelsels opgelos kan word.
Vir die halfgeleierbedryf as geheel beteken dit 'n potensiële herbelyning van mededingende faktore. Tot dusver is dekades se ondervinding, diepgaande ingenieurskennis en 'n gevestigde sagteware-ekosisteem soos Nvidia se CUDA as byna onoorkomelike hindernisse tot toetrede vir nuwe verskaffers beskou. Indien KI-aangedrewe gereedskap gedeeltelik vir hierdie ondervindingsvoordeel kan vergoed, sal die toetrededrempel vir verdere mededingers daal, wat op die lang termyn tot 'n fragmentering van die tans hoogs gekonsentreerde mark vir KI-versnellers kan lei.
🎯🎯🎯 Data-gedrewe B2B-bedryfsentrum as 'n kwasi-interne oplossing
Die kwasi-in-huis oplossing: Hoe Xpert.Digital operasionele gapings in B2B-bemarking en -verkope sluit – Slim Inhoudgedrewe Besigheid - Beeld: Xpert.Digital
Xpert.Digital is 'n datagedrewe B2B-bedryfsentrum onder leiding van Konrad Wolfenstein . Die maatskappy tree op as 'n eksterne, kwasi-interne oplossing vir industriële vennote, wat operasionele gapings in bemarking, inhoud en verkope sluit – sonder om bykomende hulpbronne aan die kliëntkant te benodig.
Meer inligting hier:
OpenAI se Jalapeno-skyfie: Waarom argitektuur belangriker is as rou rekenaarkrag
Argitektuur as kosteberekening in silikon
OpenAI het 'n paar interessante en ekonomies gesonde ontwerpbesluite met Jalapeño geneem. Byvoorbeeld, die skyfie se matrikseenhede ondersteun nie berekeninge met die 16-bis FP16-dryfpuntformaat nie, wat die interne logika aansienlik vereenvoudig en in lyn is met die bedryfstendens na meer gekwantiseerde modelle, wat beteken dié met laer numeriese presisie. 64-bis en 32-bis datatipes word slegs ondersteun deur die bykomende skalaar- en vektoreenhede, met laasgenoemde ook beperk tot 32-bis berekeninge. Enige transistorarea wat bespaar word deur selde gebruikte berekeningsformate weg te laat, kan eerder belê word in meer geheuebandwydte of meer verwerkingskerne vir die formate wat werklik benodig word, wat die koste-effektiwiteit per vervaardigde skyfie verhoog.
In terme van suiwer FP8- en FP4-rekenaarkrag – die getalformate wat veral relevant is vir moderne, gekwantiseerde taalmodelle – is OpenAI se skyfie, met onderskeidelik 3.4 en 13.4 petaFLOPS, formeel agter Nvidia se Blackwell met 5 en 15 petaFLOPS. Hierdie skynbaar nadelige syfer word egter getemper deur werklike stelselbenutting, aangesien skyfies selde hul teoretiese piekprestasie in die praktyk bereik. Volgens bedryfswaarnemers werk huidige versnellers dikwels teen slegs 30 tot 50 persent van hul teoretiese doeltreffendheid onder werklike inferensiewerkladings. Daarom kan 'n skyfie wat nader aan sy eie piekprestasie kom, mededingend bly of dit selfs in die praktyk oortref, ten spyte daarvan dat sy rou prestasie op papier laer lyk.
Geheuebandwydte in plaas van rou rekenaarkrag as 'n strategiese keuse
Die skyfie is toegerus met ses HBM4-geheuestapels, wat dit byna twee keer die geheuebandwydte van Blackwell gee, teen 15.4 TB per sekonde in vergelyking met 8 TB per sekonde. Hierdie besluit weerspieël 'n doelbewuste prioritisering, want wanneer groot taalmodelle afgelei word, is die beperkende faktor dikwels nie suiwer rekenaarkrag nie, maar die spoed waarteen modelgewigte en intermediêre resultate tussen geheue en die rekenkundige logika-eenheid (ALU) verskuif kan word. 'n Skyfie wat spesifiek hierdie sogenaamde geheuebandwydte-bottelnek aanspreek, kan meer doeltreffend in werklike toepassingscenario's werk as 'n mededinger met hoër nominale rekenaarkrag, maar vergelykend strenger geheuetoegang.
Danksy agt geheuestapels bied Blackwell en die komende Rubin-generasie 'n hoër totale geheuekapasiteit van 288 GB, terwyl Jalapeño slegs 216 GB beskikbaar het. Vir baie groot modelle met ooreenstemmend uitgebreide konteksvensters, kan hierdie laer kapasiteit 'n beperkende faktor word, veral as toekomstige modelgenerasies selfs groter en meer geheue-intensief is. Die skyfie se TDP, of maksimum termiese ontwerpkrag, is 700 watt, hoewel OpenAI verklaar dat die skyfie slegs gemiddeld ongeveer 550 watt in werklike werking benodig. Dit is 'n meer ekonomies relevante maatstaf vir daaglikse datasentrumbedrywighede as die teoretiese piekwaarde.
Latensie versus buigsaamheid: 'n bewuste kompromisoplossing
Die skyfie se geheuehiërargie is interessant. OpenAI verdeel die skyfie in talle berekeningsgroepe, of skywe, elk met 'n vaste toewysing van HBM-geheue. Hierdie noue, vaste koppeling tussen die verwerkingskern en plaaslike geheue verminder toegangsvertraging aansienlik omdat elke berekeningsgroep direkte, lae-vertraging toegang tot sy eie geheuepartisie het, in plaas daarvan om deur 'n multivlak-, gedeelde geheuestelsel te moet gaan soos in tradisionele GPU-argitekture. Die prys vir hierdie spoedvoordeel is verminderde buigsaamheid in geheuetoewysing, aangesien kapasiteit nie arbitrêr tussen berekeningsgroepe herverdeel kan word sodra 'n partisie sy perke bereik nie.
Die groepe is verbind via twee afsonderlike netwerklae: 'n gespesialiseerde, veral lae-latensie kollektiewe netwerk vir gereeld herhalende, duidelik gedefinieerde kommunikasiepatrone soos sinchronisasie tydens parallelle verwerking, en 'n meer algemene netwerk-op-skyfie vir ander kommunikasie en toegang tot die hoër-vlak opskaalnetwerk tussen verskeie skyfies. Hierdie argitektoniese verdeling laat die meerderheid van interne dataverkeer toe om via die vinniger, toegewyde pad hanteer te word, terwyl die algemene netwerk slegs gereserveer bly vir minder gereelde, minder tyd-kritieke toegange. Vanuit 'n ekonomiese perspektief is dit 'n klassieke afweging tussen spesialisasie en algemene gebruik, tipies vir doelgeboude inferensieskyfies en fundamenteel anders as die meer generalistiese argitektuur van klassieke grafiese verwerkers.
Die sistoliese skikking as 'n nalatenskap van die TPU-filosofie
Soos baie ander toegewyde KI-versnellers, maak Jalapeño staat op 'n sistoliese skikking, waar tussentydse resultate direk tussen aangrensende verwerkingseenhede deurgegee word in plaas daarvan om voortdurend tussen geheue en die rekenkundige logika-eenheid te ossilleer. Hierdie konsep is geensins nuut nie, maar volg 'n argitektoniese filosofie wat jare lank suksesvol in die praktyk getoets is, veral deur Google se Tensor-verwerkingseenhede, waar dit reeds vergelykbare doeltreffendheidswinste in gespesialiseerde KI-werkladings behaal het.
Anders as tradisionele, baie groot sistoliese skikkingontwerpe, ondersteun Jalapeño, volgens SemiAnalysis, ook kleiner matriksdimensies, wat die tipiese prestasiedalings vermy wat voorkom wanneer bondelgroottes of matriksdimensies nie presies ooreenstem met die vaste skikkinggrootte nie. Daarbenewens beskik die skyfie oor toegewyde 64-bis skalaarkerne sowel as FP32- en INT32-bekwame vektoreenhede en gebruik 'n buite-orde uitvoeringsbenadering met 'n klassieke L1-kasgeheue op elke verwerkingskern, in plaas daarvan om op sagteware-beheerde kladblokgeheue staat te maak soos baie ander versnellers. Hierdie kombinasie van 'n gespesialiseerde matrikseenheid en meer buigsame skalaar- en vektorlogika dui daarop dat OpenAI doelbewus 'n middelgrond tussen suiwer spesialisasie en algemene programmeerbaarheid gesoek het.
Waarom laer kostes nie onmiddellik kliënte bereik nie
Vanuit die perspektief van ondernemingskliënte en ontwikkelaars is die onmiddellike vraag of die beloofde doeltreffendheidswinste ook tot laer API-pryse sal lei. Volgens verskeie bedryfsontleders is dit op kort termyn nogal onwaarskynlik, aangesien OpenAI tans hoofsaaklik met kapasiteitsbeperkings eerder as kostebeperkings werk. Dit beteken dat laer eenheidskoste aanvanklik in meer beskikbare volume eerder as laer pryse sal vertaal. Historiese voorbeelde, soos Google se bekendstelling van sy eie TPU's of Amazon se Trainium-skyfies, toon dat eindkliëntpryse tipies eers 12 tot 24 maande na die wydverspreide bekendstelling van nuwe eie hardeware daal, gewoonlik veroorsaak deur verhoogde mededingende druk van mededingende verskaffers.
Daarbenewens moet OpenAI eers sy aansienlike voorafbeleggings in ontwerp, vervaardiging en infrastruktuur verhaal deur middel van inferensie-inkomste oor verskeie kwartale voordat die kostebesparings eintlik in hoër marges vertaal. Tot dan sal die skyfie waarskynlik hoofsaaklik help om bestaande kapasiteitsbottelnekke te verlig, soos die vermindering van lang wagtye of tarieflimiete in API-toegang, eerder as om tot onmiddellike prysverlagings te lei. Nietemin, vir maatskappye wat mediumtermyn-begrotingsplanne vir die gebruik van KI-dienste skep, lyk dit redelik om 'n geleidelike kostevermindering van moontlik 30 tot 50 persent oor 'n tydperk van twee tot drie jaar as 'n realistiese beplanningscenario in ag te neem.
'n Kompetisie vir markkrag, nie net vir watt nie
Die dieper strategiese rede agter hierdie ontwikkeling lê in die stryd om onafhanklikheid van 'n enkele, markdominerende verskaffer. Nvidia het jare lank die oorgrote meerderheid van die mark vir KI-opleidings- en inferensiehardeware beheer, en sodoende aansienlike bruto marges behaal wat uiteindelik deur kliënte gedra moes word. As OpenAI, baie soos Google, Amazon en Microsoft met hul onderskeie skyfieprogramme, 'n beduidende gedeelte van sy inferensiewerklas na sy eie hardeware verskuif, sal Nvidia se bedingingsmag met sy grootste kliënte afneem, selfs al bly Nvidia die primêre vennoot vir die opleiding van nuwe modelle.
Dit is noemenswaardig in hierdie konteks dat Nvidia gelyktydig massiewe befondsingsverbintenisse vir OpenAI se datasentrumuitbreiding verskaf, byvoorbeeld deur 'n multimiljard dollar-lening vir 'n nuwe datasentrum in Ohio, terwyl OpenAI gelyktydig aan sy eie, potensieel mededingende skyfieplatform werk. Hierdie skynbaar teenstrydige situasie kan ekonomies geïnterpreteer word as rasionele gedrag aan die kant van beide kante: Nvidia verseker langtermyn-aankoopverbintenisse en kapitaalverbintenisse van sy grootste enkele kliënt, terwyl OpenAI gelyktydig strategiese onafhanklikheid ontwikkel vir 'n groeiende gedeelte van sy inferensiewerklas sonder om sy verhouding met sy belangrikste opleidingsvennoot heeltemal te belemmer.
Van aankondiging tot massaproduksie
Aanvanklike kleinskaalse verskepings van Jalapeño word vir die einde van 2026 beplan, terwyl grootskaalse produksie en 'n groot uitrol na verwagting dwarsdeur 2027 sal plaasvind. Tot dan sal Nvidia, veral deur die voortgesette gebruik van sy Vera Rubin-stelsels, 'n sentrale komponent van die OpenAI-infrastruktuur bly, wat beteken dat 'n volledige prysgawe van Nvidia-hardeware nie op die kaarte is nie. In plaas daarvan ontstaan 'n hibriede model waarin verskillende hardewaregenerasies en -verskaffers parallel gebruik word vir verskillende werklasprofiele.
Op die lange duur lê Jalapeño se ware betekenis waarskynlik minder in die spesifieke doeltreffendheidsyfers van die eerste generasie as in die gedemonstreerde tempo van ontwikkeling en die gepaardgaande vermoë om KI-aangedrewe gereedskap vir sy eie hardeware-ontwikkeling te benut. Indien hierdie selfversterkende siklus van kragtiger modelle en vinniger skyfie-ontwikkelingsiklusse herhaalbaar blyk te wees, sal dit nie net OpenAI se mededingende posisie teenoor Nvidia verander nie, maar ook die tydlyn waarin nuwe halfgeleiergenerasies vir KI-toepassings ontwikkel kan word, fundamenteel verskuif.
📈🚀 Van sigbaarheid tot vertroue 👀🤝 Jou skaalbare pad met Xpert.Digital
Van sigbaarheid tot vertroue: Jou skaalbare pad met Xpert.Digital - Beeld: Xpert.Digital
In industriële B2B ontstaan volhoubare sakeverhoudings selde oornag. Hulle ontwikkel stap vir stap – deur sigbaarheid, professionele relevansie, herhalende raakpunte en groeiende vertroue. Xpert.Digital se 4-fase-model spreek presies dit aan: Dit bied 'n gestruktureerde pad wat begin met 'n hanteerbare toegangspunt en kan ontwikkel tot dieper samewerking in sake-ontwikkeling indien nodig.
In plaas daarvan om op luide bemarkingsbeloftes staat te maak, plaas hierdie model die verhouding voorop. Maatskappye begin met duidelik gedefinieerde, maklik berekenbare maatstawwe en besluit dan, gebaseer op hul eie ervaring, hoe ver hulle die samewerking wil uitbrei. 'n Sleutelfaktor vir hierdie ongestoorde vertrouensbouproses: Die platform vermy irriterende advertensies heeltemal, sodat die redaksionele fokus uitsluitlik op die maatskappye se kundigheid bly.
Meer inligting hier:
Jou wêreldwye bemarkings- en sake-ontwikkelingsvennoot
☑️ Ons besigheidstaal is Engels of Duits
☑️ NUUT: Korrespondensie in jou moedertaal!
Konrad Wolfenstein
Ek en my span is bly om as jou persoonlike adviseur vir jou beskikbaar te wees.
Jy kan my kontak deur die kontakvorm hier in te vul wolfenstein@xpert.digital:of my eenvoudig te skakel by +49 7348 4088 965. My e-posadres is
Ek sien uit na ons gesamentlike projek.
