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
epoch23. Oktober 2024 · Q006240

Leading ML hardware becomes 40% more energy-efficient each year

epoch.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Epoch AI behauptet, die Energieeffizienz führender ML-Hardware sei historisch etwa alle zwei Jahre gestiegen, was der Titel als rund 40 Prozent pro Jahr ausdrückt. Eine Tabelle vergleicht zwölf NVIDIA- und Google-Beschleuniger anhand von FLOP/s pro Watt; Angaben zur Berechnung und Vergleichbarkeit fehlen.

Mittel

Epoch AI zufolge hat sich die Energieeffizienz führender ML-Beschleuniger historisch etwa alle zwei Jahre verdoppelt; der Titel fasst das als jährliche Verbesserung von ungefähr 40 Prozent. Gemessen wird in FLOP/s pro Watt. Für Tensor-FP16 nennt der Text Meta MTIA mit bis zu 2,1 × 10¹² und NVIDIA H100 mit bis zu 1,4 × 10¹² FLOP/s/W. Blackwell könne noch effizienter sein, abhängig vom Stromverbrauch.

Eine Tabelle vergleicht zwölf NVIDIA- und Google-Beschleuniger samt Werten und Veröffentlichungsdaten. Sie nennt etwa 2,50 × 10¹² FLOP/s/W für NVIDIA B100, 2,25 × 10¹² für B200 und 2,08 × 10¹² für GB200 NVL2 pro GPU; H100 und TPU v5e stehen jeweils bei 1,41 × 10¹². Die Daten reichen von 2016 bis 2024.

Die bereitgestellte Fassung erläutert weder Datenerhebung noch Berechnung oder Vergleichbarkeit der Werte. Der behauptete Langzeittrend und die Einschätzung zu Blackwell werden daher nicht näher belegt.

Ausführlich lesen

Der Bericht von Epoch AI behandelt die Energieeffizienz führender Hardware für maschinelles Lernen. Seine zentrale Aussage lautet, dass diese Effizienz historisch etwa alle zwei Jahre gestiegen sei. Der Titel formuliert denselben Trend als jährliche Verbesserung von rund 40 Prozent. Das sind Aussagen des Berichts; der bereitgestellte Text erläutert nicht, wie der Trend berechnet wurde.

Als Maß dient die Rechenleistung pro Watt, angegeben in FLOP/s pro Watt. Für das Tensor-FP16-Format nennt der Bericht Meta MTIA mit bis zu 2,1 × 10¹² FLOP/s/W und die NVIDIA H100 mit bis zu 1,4 × 10¹² FLOP/s/W als besonders effiziente Beschleuniger. Außerdem heißt es, die kommende Blackwell-Prozessorserie könne noch effizienter sein, abhängig von ihrem Stromverbrauch.

Die nachgereichte Tabelle führt zwölf Beschleuniger von NVIDIA und Google samt Effizienzwerten und Veröffentlichungsdaten auf. Darin stehen unter anderem NVIDIA B100 mit 2,50 × 10¹², B200 mit 2,25 × 10¹² und GB200 NVL2 pro GPU mit 2,08 × 10¹² FLOP/s/W. Für H100 und Google TPU v5e sind jeweils 1,41 × 10¹² angegeben. Die Tabelle reicht zeitlich vom NVIDIA P100 (2016) bis zu den aufgeführten Blackwell-Modellen (2024). Die Seite enthält außerdem einen Verweis zum Herunterladen und Erkunden der Daten.

Die vorliegende Fassung liefert jedoch keine Beschreibung der Datenerhebung oder Berechnung, keine Erläuterung der Vergleichbarkeit der Hardwarewerte und keine weiteren Belege für den langfristigen Trend. Die Blackwell-Einschätzung ist im Fließtext an den Stromverbrauch geknüpft. Aussagen über die tatsächliche Effizienz im praktischen Betrieb lassen sich daraus nicht ableiten.

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

Gegengeprüft von Claude Haiku 5.5: ok

Lunas Einordnung enthält weder Sammel- noch Teilfragen, daher gibt es keine Fragen zu bewerten und die Einordnung bleibt leer. Die Zusammenfassungen stimmen mit dem Bericht überein: Verdopplung alle zwei Jahre, rund 40 Prozent pro Jahr laut Titel, MTIA mit 2,1 × 10¹², H100 mit 1,4 × 10¹², Blackwell, die zwölf Beschleuniger und die Werte der Tabelle sowie der Zeitraum 2016 bis 2024.

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
Unabhängig prüfen
Tempo und Grenzen
Vertrauen in Modelle
Modelle teilen und schützen
Beteiligung und Gemeinwohl

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 →