NVIDIAs Blackwell-GPUs haben die Konkurrenz in den neuesten MLPerf-Trainings-Benchmarks vernichtend geschlagen und mit Rekordergebnissen in Skalierbarkeit und Rohleistung überzeugt. Die in dieser Woche veröffentlichte Runde v6.0 markiert das erste Mal, dass die nächste Generation von Rechenzentrumsbeschleunigern des Unternehmens in der branchenüblichen Benchmark-Suite auftaucht – und sie haben nicht nur gewonnen, sondern die Bestenliste neu geschrieben.
Was MLPerf v6.0 misst
MLPerf ist der am weitesten verbreitete Benchmark-Satz zum Trainieren von KI-Modellen. Er testet, wie schnell und effizient Hardware verschiedene neuronale Netze trainieren kann – von Bildklassifikation bis hin zu natürlicher Sprachverarbeitung – unter Verwendung realer Frameworks wie PyTorch und TensorFlow. Die Runde v6.0 fügte neue Workloads und strengere Regeln für die Stromverbrauchsmessung hinzu, wodurch die Ergebnisse für Produktionsrechenzentren relevanter werden.
NVIDIA reichte Ergebnisse für die Blackwell-GPUs in mehreren Kategorien ein, einschließlich der größten Trainingsläufe. Das Unternehmen berichtete, dass seine Systeme die schnellsten Trainingszeiten erreichten, die jemals in MLPerf gemessen wurden, oft mit großem Abstand zu den bisherigen Rekordhaltern. Die Benchmarks zeigten auch, dass die Blackwell-Architektur bei Hinzufügen weiterer GPUs nahezu linear skaliert – eine entscheidende Anforderung für den Bau massiver Cluster, die zum Trainieren von KI-Modellen an der Grenze des Machbaren verwendet werden.
Warum der Rekord wichtig ist
Für Unternehmen, die um die Entwicklung größerer und leistungsfähigerer KI-Systeme wetteifern, bedeutet Trainingsgeschwindigkeit direkt kürzere Iterationszyklen und niedrigere Kosten. Eine GPU, die ein hochmodernes Sprachmodell in Tagen statt Wochen trainieren kann, spart Millionen bei Strom- und Cloud-Computing-Kosten. Die Blackwell-Ergebnisse deuten darauf hin, dass NVIDIA die Messlatte für das Mögliche in der KI-Infrastruktur erneut höher gelegt hat.
Das Unternehmen machte keine Angaben zu konkreten Preisen oder Verfügbarkeitszeitplänen für die in den Benchmarks verwendeten Blackwell-GPUs. Die MLPerf-Einreichung bestätigt jedoch, dass die Chips vom Papier zu echtem Silizium übergehen – und dass sie die Leistungsversprechen einhalten, die Führungskräfte seit Monaten machen.
NVIDIAs Wettbewerber, darunter AMD und Intel, haben in den letzten Runden ebenfalls MLPerf-Ergebnisse eingereicht, aber keiner hat bisher den reinen Durchsatz und die Effizienz der Blackwell-Systeme erreicht. Die Lücke könnte sich mit der Reifung konkurrierender Architekturen verringern, aber vorerst hält NVIDIA eine komfortable Führung in dem KI-Trainings-Benchmark, der für Hyperscaler und Forschungslabore am wichtigsten ist.
Der vollständige Satz der v6.0-Ergebnisse, einschließlich Aufschlüsselung nach Arbeitslasten und Stromverbrauchsmessungen, wurde Anfang dieser Woche auf der MLPerf-Website veröffentlicht. Branchenanalysten und Systemintegratoren werden die Zahlen genau unter die Lupe nehmen, um zu sehen, wie die Blackwell-Architektur ihren Vorsprung erzielt – und ob einige der Gewinne auf Tricks zurückzuführen sind, die sich nicht auf reale Einsätze übertragen lassen.
