Performance per dollar improves around 30% each year
Zusammenfassung
Kurz
Epoch AI behauptet, dass sich das Preis-Leistungs-Verhältnis von Hardware bei gleicher Leistung und Genauigkeit jährlich um etwa 30 Prozent verbessert. Die Tabelle zeigt für vier ausgewählte NVIDIA-RechenzentrumsgPUs einen Anstieg der inflationsbereinigten FLOP/s pro Dollar von 1,3 Milliarden beim P100 auf 22 Milliarden beim H100; sie bildet jedoch keine vollständige jährliche Zeitreihe ab.
Mittel
Epoch AI zufolge verbessert sich das Preis-Leistungs-Verhältnis von Hardware für maschinelles Lernen rasch: Bei gleicher Leistung und Genauigkeit werde Hardware jährlich etwa 30 Prozent günstiger. Gleichzeitig kommen laut Bericht leistungsfähigere und teurere Systeme auf den Markt.
Verglichen werden ausgewählte NVIDIA-GPUs für Rechenzentren. Die Preise schließen die zugehörige Serverhardware ein und sind inflationsbereinigt. Als Maß dient die Rechenleistung in FLOP/s je Dollar. In der Tabelle steigt dieser Wert von rund 1,3 Milliarden beim P100 über 6,7 Milliarden beim V100 und 13 Milliarden beim A100 auf 22 Milliarden beim H100. Die angegebenen Preise einschließlich Serverhardware reichen von 16.000 bis 44.000 US-Dollar.
Die Tabelle veranschaulicht den Zuwachs bei vier Modellen, belegt aber allein keine durchgehende jährliche Entwicklung. Der Vergleich ist auf diese NVIDIA-GPUs und die jeweils genannten Genauigkeitsformate begrenzt.
Ausführlich lesen
Der Bericht von Epoch AI beschreibt eine Verbesserung des Preis-Leistungs-Verhältnisses von Hardware für maschinelles Lernen. Seine zentrale Aussage lautet, dass Hardware bei gleicher Rechenleistung und Genauigkeit im Lauf der Zeit pro Jahr ungefähr 30 Prozent günstiger werde. Zugleich würden Hersteller leistungsfähigere und teurere Geräte auf den Markt bringen.
Für den Vergleich betrachtet der Bericht ausgewählte NVIDIA-GPUs für Rechenzentren. Die Preise umfassen laut Beschreibung auch die zugehörige Serverhardware und werden um Inflation bereinigt, damit die Geräte vergleichbarer sind. Als Kennzahl dient die Zahl der Gleitkommaoperationen pro Sekunde je inflationsbereinigtem US-Dollar.
Die Tabelle nennt vier Modelle: P100, V100, A100 und H100. Ihr angegebener Wert steigt von rund 1,3 Milliarden FLOP/s pro Dollar beim P100 über 6,7 Milliarden beim V100 und 13 Milliarden beim A100 auf 22 Milliarden beim H100. Die Tabelle weist außerdem Veröffentlichungspreise einschließlich Serverhardware aus: 16.000, 20.000, 25.000 und 44.000 US-Dollar. Die bereinigten Preise betragen ungefähr 15.000, 19.000, 24.000 und 44.000 US-Dollar. Als Rechenleistung nennt sie jeweils Werte und Genauigkeitsformate, die sich zwischen den Modellen unterscheiden.
Die Daten veranschaulichen, dass neuere, teurere Systeme laut den ausgewiesenen Kennzahlen deutlich mehr Rechenleistung pro inflationsbereinigtem Dollar bieten. Die behauptete jährliche Verbesserung von etwa 30 Prozent ist die zusammenfassende Aussage des Berichts; die vorliegende Tabelle enthält jedoch nur vier ausgewählte Modelle und zeigt für sich genommen keine vollständige jährliche Zeitreihe. Der Vergleich ist zudem auf die genannten NVIDIA-Rechenzentrums-GPUs und die jeweils aufgeführten Genauigkeitsformate beschränkt.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Lunas Stufe 3 für SF-E4 ist zu hoch, da der Bericht keine Hintergrundbelege zu Gemeinwohl oder Marktmacht liefert. Die Zusammenfassungen sind sachlich korrekt; die Tabellenwerte stimmen mit dem Bericht überein.
Im Bericht, aber nicht in der Zusammenfassung
- Begründung für den Einschluss der Serverhardware: Vergleichbarkeit (apples-to-apples) und Ermittlung der realen Verbesserungsrate
- Die 30-Prozent-Aussage gilt laut Bericht für gleiche Genauigkeit und gleiches Leistungsniveau; die Tabelle belegt sie nicht direkt
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Unabhängig prüfen
- SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 36 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Tempo und Grenzen
- SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 48 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 45 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 43 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Vertrauen in Modelle
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 47 %Hintergrund, keine Belege
- amos 46 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Modelle teilen und schützen
- 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 29 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 47 %gleiches Oberthema, hilft nicht
Beteiligung und Gemeinwohl
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 44 %Hintergrund, keine Belege
- JEV 33 %Hintergrund, keine Belege
- amos 46 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung gleiches Oberthema, hilft nicht
- 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 100 %kein Bezug
- amos 48 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Wirtschaft und Haftung
- SF-W2 Wie wirken sich Wettbewerbsrecht und öffentliche Beschaffung auf die KI-Sicherheit aus?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug