Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
epoch1. Dezember 2022 · Q005172

Predicting GPU performance

epoch.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Ein Modell auf Basis von 1.948 GPUs legt nahe, dass die Verkleinerung von Transistoren und die weitere Zunahme der Kernzahl die GPU-Leistung vor allem treiben. Unter den verwendeten Annahmen erreicht der Fortschritt bei FET-GPUs zwischen 2027 und 2035 eine Grenze; die geschätzte Spitzenleistung liegt dann bei 10¹⁴ bis 10¹⁵ FLOP/s. Die Aussage hängt unter anderem davon ab, ob historische Trends anhalten und ob alternative Chipdesigns oder Rechenparadigmen unberücksichtigt bleiben.

Mittel

Der Bericht modelliert die künftige theoretische Spitzenleistung von FET-basierten GPUs anhand von Daten zu 1.948 GPUs aus den Jahren 2006 bis 2021. Ein Leistungsmodell wird mit Projektionen historischer Merkmale und angenommenen physikalischen Grenzen verbunden. Von mehreren untersuchten Merkmalen erklären im ausgewählten, bewusst einfachen Modell vor allem Prozessgröße – als Näherung für Transistorgröße – und Kernzahl die Leistung.

Die Simulationen setzen eine Grenze der Transistorverkleinerung sowie eine Untergrenze für Transistoren je Kern an. Sie ergeben mittlere Zeitpunkte von etwa 2030 für die erste und 2033 für die zweite Grenze. Der modellierte Leistungsfortschritt kommt demnach zwischen 2027 und 2035 zum Stillstand; die theoretische Spitzenleistung liegt dann bei rund 10¹⁴ bis 10¹⁵ FLOP/s in einfacher Genauigkeit. Die Autoren erwarten deshalb, dass Leistungssteigerungen im heutigen FET-Paradigma ab Mitte der 2030er Jahre schwieriger werden.

Die Prognose ist bedingt: Sie schreibt Trends der vorangegangenen 15 Jahre fort und erfasst weder 3D-Chips noch andere Rechenparadigmen. Wärmeabfuhr wird nicht separat modelliert. Auch die Annahmen über die weitere Kernskalierung und stark parallelisierbare ML-Arbeitslasten sind unsicher. Der Bericht behauptet daher nicht, dass Rechenfortschritt insgesamt enden wird.

Ausführlich lesen

Der Bericht entwickelt ein Modell, um die theoretische Spitzenleistung künftiger GPUs auf Basis von Feldeffekttransistoren (FETs) abzuschätzen. Ausgangspunkt ist die Annahme, dass Transistoren nicht beliebig weiter verkleinert werden können und ihre maßgeblichen Abmessungen wahrscheinlich bei oder oberhalb einer Grenze um 0,7 Nanometer liegen. Die Analyse stützt sich auf Daten zu 1.948 GPUs, die zwischen 2006 und 2021 erschienen sind.

Das Modell verbindet zwei Teile: Ein Leistungsmodell schätzt, wie GPU-Merkmale mit der Rechenleistung zusammenhängen; ein zeitliches Merkmalmodell projiziert, wie sich diese Merkmale entwickeln und berücksichtigt dabei angenommene physikalische Grenzen. Von zunächst 21 möglichen Merkmalen bleiben sechs übrig, die nach Ansicht der Autoren geeignet sind: Kernzahl, Prozessgröße, GPU-Takt, Speicherbandbreite, Speichertakt und Speichergröße. Mit einem Auswahlverfahren, das einfachere Modelle bevorzugt, ergibt sich, dass Prozessgröße und Kernzahl die Leistung im verwendeten Modell am besten erklären. Die Prozessgröße dient dabei als Näherungswert für die Transistorgröße, da beide historisch ähnlich verlaufen und die Daten zu FinFET-GPUs begrenzt sind. Zusätzliche Faktoren wie Speicher und Takt werden nicht als zentrale Treiber der Projektion behandelt.

Für die Prognose schätzen die Autoren historische Trends und kombinieren sie mit Verteilungen über die Grenzen der Transistorverkleinerung und die Zahl der Transistoren je Kern. Für die Prozessgröße verwenden sie eine Regression am unteren Rand der historischen Werte; für die Kernzahl ziehen sie aus mehreren oberen Quantilregressionen. Sie wiederholen die Berechnung 1.000-mal, um eine Bandbreite möglicher Entwicklungen abzubilden. Das Modell ergibt als mittlere Zeitpunkte etwa 2030 für das Erreichen der angenommenen Größenbegrenzung und 2033 für die Grenze der weiteren Kernskalierung. Insgesamt liegt der prognostizierte Zeitpunkt, an dem die modellierte Leistungsentwicklung zum Stillstand kommt, zwischen 2027 und 2035. Für aktuelle FET-basierte GPUs schätzt der Bericht eine theoretische Spitzenleistung von etwa 10¹⁴ bis 10¹⁵ FLOP/s in einfacher Genauigkeit. Unter der zusätzlichen Annahme konstanter Preise und einer dreijährigen Abschreibungsdauer leiten die Autoren daraus einen Preis pro FLOP ab; sie weisen darauf hin, dass die Nutzungsdauer nach dem Ende der Miniaturisierung länger sein könnte.

Die Autoren folgern, dass Fortschritte bei der Verkleinerung von Transistoren historisch ein wesentlicher, möglicherweise dominanter Treiber der GPU-Leistungssteigerung waren. Deshalb dürfte es innerhalb des bestehenden FET-Paradigmas ab Mitte der 2030er Jahre deutlich schwieriger werden, weitere Leistungszuwächse zu erzielen. Das Modell sagt jedoch nicht voraus, dass GPU-Fortschritt oder Rechenfortschritt insgesamt enden.

Die Grenzen sind erheblich: Die Projektion setzt voraus, dass sich die Transistorverkleinerung zunächst ähnlich wie in den vorangegangenen 15 Jahren fortsetzt. Eine Verlangsamung durch steigende Forschungs- und Entwicklungskosten oder schwieriger auffindbare Neuerungen wird nicht abgebildet. Wärmeabfuhr ist nicht als eigene Grenze modelliert, und 3D-Chips sowie andere Rechenparadigmen, etwa Quanten- oder neuromorphe Systeme, liegen außerhalb des Untersuchungsbereichs. Außerdem beruhen die Annahmen zu Transistoren je Kern und zur Skalierbarkeit der Kernzahl auf historischen Werten beziehungsweise auf der Erwartung, dass stark parallele ML-Arbeitslasten möglich bleiben. Ob diese Voraussetzungen eintreten, bleibt laut Bericht unsicher.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Zusammenfassung wurde in beiden Fassungen (kurz und mittel) geprüft; beide geben den Bericht treu wieder, die Fassung mittel ist vollständiger. Die Einordnung bezieht sich ausschließlich auf den Inhalt des Berichts, der sich mit GPU-Leistungsgrenzen und nicht mit KI-Sicherheitsfragen wie Herkunft, Exportkontrollen oder Selbstverbesserung befasst.

Im Bericht, aber nicht in der Zusammenfassung

  • Der Bericht nennt 0,7 nm als harte Grenze und einen Bereich von etwa 0,7 bis 3 nm für die Miniaturisierungsgrenze, was in beiden Zusammenfassungen fehlt.
  • Die Schätzung von 1e22 bis 1e23 FLOP pro Dollar bei drei Jahren Abschreibung wird in keiner der beiden Zusammenfassungen erwähnt.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 52 %Hintergrund, keine Belege
    • JEV 26 %Hintergrund, keine Belege
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 53 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 52 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Vertrauen in Modelle
  1. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 41 %Hintergrund, keine Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 39 %einzelne zitierbare Belege
    • JEV 79 %beantwortet direkt und ausführlich
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
  2. SF-H5 Wann sind Chip- und Exportkontrollen eine Sicherheitsmaßnahme, und wann ein dauerhafter Vorteil?
    • clef 100 %kein Bezug
    • Luna 68 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 33 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Beteiligung und Gemeinwohl
  1. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 35 %Hintergrund, keine Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →