The power required to train frontier AI models is doubling annually
Zusammenfassung
Für diesen Bericht lag nur ein Auszug oder keine vollständige Fassung vor. Die Zusammenfassung sagt das selbst.
Kurz
Epoch AI schätzt, dass sich der Leistungsbedarf für das Training führender KI-Modelle jährlich verdoppelt, vor allem weil mehr GPUs eingesetzt werden. Effizienzgewinne, geringere Zahlenpräzision und längere Trainingsläufe sollen den Bedarf relativ zum Rechenaufwand zugleich etwa jährlich halbieren; die zugrunde liegenden Modellwerte sind teilweise Schätzungen. Der Auszug erklärt die Schätzmethode nicht im Detail und enthält widersprüchliche Datumsangaben sowie doppelte Tabellen.
Mittel
Epoch AI zufolge hat sich die für das Training führender KI-Modelle benötigte Leistung ungefähr jedes Jahr verdoppelt. Als wichtigsten Treiber nennt der Bericht die wachsende Zahl eingesetzter GPUs; deren individuelle Leistungsaufnahme steige nur um einige Prozent jährlich. Der Trainingsrechenaufwand sei etwa viermal pro Jahr gewachsen. Effizientere Hardware, niedrigere Zahlenpräzision und längere Trainingsläufe hätten laut Epoch AI den Leistungsbedarf je Einheit Rechenaufwand zusammen ungefähr jährlich halbiert.
Die Auswertung stützt sich auf eine Modelldatenbank mit mehr als 1.000 Einträgen und eine Sammlung von 161 KI-Beschleunigern. Nach einer Filterung auf Modelle mit Veröffentlichungsdatum und Trainingsleistungswert blieben 211 Modelle; die Grafik hebt 61 Frontier-Modelle hervor. Der Text verweist für die Leistungsabschätzung auf eine separate Methodik, führt sie hier aber nicht aus. Die Werte sind daher als Schätzungen und Trendangaben zu lesen, nicht als vollständige Messung des KI-Stromverbrauchs. Der Auszug enthält zudem einen zeitlichen Widerspruch: Metadaten nennen September 2024 als letzte Änderung, die Tabellen reichen bis September 2025; sie sind außerdem doppelt enthalten.
Ausführlich lesen
Der Bericht von Epoch AI untersucht, wie sich die elektrische Leistung entwickelt, die für das Training großer, als führend eingestufter KI-Modelle benötigt wird. Seine zentrale Aussage lautet: Der geschätzte Leistungsbedarf steigt im Zeitverlauf ungefähr jährlich auf das Doppelte. Als Hauptgrund nennt der Bericht, dass immer mehr GPUs eingesetzt werden. Die Leistungsaufnahme einzelner GPUs nehme ebenfalls zu, laut Text aber nur um einige Prozent pro Jahr. Zum Bedarf zählen neben den GPUs auch Server, Kühlung und weitere Ausrüstung.
Der Bericht stellt diesen Trend dem Wachstum des Rechenaufwands gegenüber: Die für das Training eingesetzte Rechenleistung sei ungefähr viermal so schnell pro Jahr gewachsen. Epoch AI führt die Differenz auf mehrere Faktoren zurück. Verbesserungen der Hardwareeffizienz hätten in zehn Jahren etwa den Faktor 12 erreicht; die Verwendung von Formaten mit geringerer Zahlenpräzision bringe laut Bericht einen Faktor 8. Außerdem seien Trainingsläufe länger geworden, ungefähr um den Faktor 4. Zusammen führten diese Veränderungen dazu, dass der Energie- beziehungsweise Leistungsbedarf im Verhältnis zum Trainingsrechenaufwand pro Jahr grob um den Faktor 2 zurückgegangen sei. Diese Zahlen sind Angaben des Berichts und werden im bereitgestellten Text nicht unabhängig belegt.
Als Grundlage nennt Epoch AI zwei Datensätze: eine Sammlung von mehr als 1.000 bemerkenswerten KI-Modellen und eine Sammlung von 161 KI-Beschleunigern. Für die dargestellte Auswertung habe man die Modelldaten auf Einträge mit Veröffentlichungsdatum und einem Wert für die Trainingsleistung eingeschränkt; danach seien 211 Modelle übrig geblieben. Die Grafik bezeichnet 61 Modelle als „frontier models“. Der Bericht verweist für die Schätzung der Trainingsleistung auf eine gesonderte Methodikseite, erläutert deren Rechenschritte im vorliegenden Text aber nicht. Die beigefügten Tabellen führen für zahlreiche Modelle unter anderem Trainingsrechenaufwand, geschätzte Leistungsaufnahme, Organisation und Veröffentlichungsdatum auf.
Die Aussage ist daher als Trend aus dokumentierten beziehungsweise geschätzten Modelldaten zu verstehen. Sie ist keine Messung des gesamten Stromverbrauchs der KI-Branche und der Text beschreibt auch keine Unsicherheitsbereiche oder eine vollständige Abdeckung aller Modelle. Zudem passen die Zeitangaben im bereitgestellten Auszug nicht vollständig zusammen: Die Metadaten nennen eine letzte Änderung im September 2024, während die Tabellen Modelle mit Veröffentlichungsdaten bis September 2025 enthalten. Die Datentabellen erscheinen außerdem zweimal nahezu vollständig. Diese Auffälligkeiten ändern nicht die im Artikel formulierte Kernaussage, begrenzen aber, was sich allein aus dem bereitgestellten Text über Datenstand und Auswertung sicher ableiten lässt.
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Fähigkeiten messen
- SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
- clef 100 %kein Bezug
- Luna 56 %Hintergrund, keine Belege
- JEV 33 %einzelne zitierbare Belege
- amos 38 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- SF-F2-T03 Ein Minister beschreibt Risiken durch Spionage und Datenabfluss, etwa über quelloffene KI-Agentenwerkzeuge, und durch ein Ungleichgewicht in der technologischen Entwicklung, das Monopole und Technologiebeschränkungen verschärfen. Welche veröffentlichten Belege würden diese Risiken an der Fähigkeit eines Modells statt an seiner Herkunft festmachen?
Unabhängig prüfen
- SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 41 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 40 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
- clef 24 %Hintergrund, keine Belege
- Luna 54 %Hintergrund, keine Belege
- JEV 37 %gleiches Oberthema, hilft nicht
- amos 26 %einzelne zitierbare Belege
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- SF-P4-T01 Würden Regierungen Messdaten aus der Lieferkette von Chips (Telemetrie), den Stromverbrauch, gemeldete Verzeichnisse von Trainingsläufen und eine unabhängig überwachte Abrechnung von Strom, Hardware und Rechenaufwand als vertragstauglichen Nachweis für die Größe der Trainingsläufe eines anderen Staates anerkennen, ohne Modellgewichte (die gelernten Parameter) oder Code anzurühren? Und wie sähe eine Prüfordnung für Rechenschwellen aus, die nichts über das Innere der Modelle verrät?
Tempo und Grenzen
- SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 29 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 37 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
- clef 100 %kein Bezug
- Luna 58 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 27 %Hintergrund, keine Belege
- SubQ 100 %kein Bezug
- drex 36 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-T2-T01 Welche öffentliche, nachprüfbare Handlung würde als Verzicht auf weitere Skalierung zählen, nicht nur eine Ankündigung? Was müsste ein Labor veröffentlichen, damit eine rivalisierende Regierung bestätigen kann, dass wirklich pausiert wurde, und welche nachträglichen Belege würden zeigen, dass keine Fähigkeitszuwächse zurückgehalten wurden, etwa durch nicht offengelegte Änderungen an Rechenleistung beim Einsatz oder Werkzeugzugang oder durch einen nicht offengelegten Austausch von Modellen?
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 100 %kein Bezug
- Luna 45 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 47 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 62 %gleiches Oberthema, hilft nicht
- d3-ultra
Vertrauen in Modelle
- SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 51 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 37 %gleiches Oberthema, hilft nicht
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 100 %kein Bezug
- Luna 44 %Hintergrund, keine Belege
- JEV 28 %Hintergrund, keine Belege
- amos 40 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 60 %gleiches Oberthema, hilft nicht
- d3-ultra
Modelle teilen und schützen
- SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- clef 100 %kein Bezug
- Luna 32 %einzelne zitierbare Belege
- JEV 38 %gleiches Oberthema, hilft nicht
- amos 43 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- SF-H5 Wann sind Chip- und Exportkontrollen eine Sicherheitsmaßnahme, und wann ein dauerhafter Vorteil?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 39 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
Frieden und Sicherheit
- SF-K2 Wie weit gelten KI-Abkommen für Verbündete und Geheimdienste, und wie verhalten sie sich zu bestehenden Rüstungskontrollverträgen und -regimen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 50 %gleiches Oberthema, hilft nicht
- d3-ultra
Offenlegung und Rechenschaft
- SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 39 %gleiches Oberthema, hilft nicht
- d3-ultra
Beteiligung und Gemeinwohl
- SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
- clef 100 %kein Bezug
- Luna 41 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 60 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- 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 39 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
Weitere Berichte zu diesen Fragen
- Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
- Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
- Woran erkennen andere, dass ein Labor wirklich bremst?
- Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
- Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- Alle Berichte im Archiv