Beobachtetes Signal · 26. Mai 2026 · Technical Release · Quelle: DEV Community · Relevanz: 2/5 · Sentiment: Neutral
GPU-Datensatz mit 13.500 Modellen zeigt 20 Jahre FLOPS-Wachstum
Ein neuer, offener Datensatz zur GPU-Spezifikation umfasst 13.566 GPU-Modelle von 1999 bis 2025 und analysiert theoretische FP32-Spitzenleistungen, TDP-Werte sowie Effizienztrends über Generationen hinweg. Der Autor verzeichnet ein rund 400-Faches Wachstum der FP32-Spitzenleistung von 2006 bis 2025, eine etwa 100-Fache Verbesserung der FP32-Leistung pro Watt sowie drastisch gestiegene Datencenter-TDPs von bis zu 1.400 Watt für den MI355X im Jahr 2025, angetrieben durch Rack-Kühlung und KI-Beschleuniger. Die Zeitleiste dokumentiert wechselnde FP32-Führerschaften zwischen NVIDIA und AMD, beleuchtet Methodiken und Einschränkungen wie theoretische versus reale FLOPS und veröffentlicht den bereinigten Datensatz als CSV- und SQLite-Dateien unter CC BY 4.0 zur öffentlichen Nutzung.
Ein öffentlich zugänglicher, umfangreicher GPU-Datensatz liefert wertvolle empirische Daten zu Rechenleistung, Stromverbrauch und Effizienz, die für die Planung von KI-Infrastrukturen relevant sind, auch wenn es sich nicht um eine branchenverändernde Plattformankündigung handelt.
Marktsignale zu NVIDIA in Echtzeit verfolgen
Polaris7 erfasst behördliche Registrierungen, Primärquellen, Führungswechsel und Deal-Aktivitäten rund um die Uhr. Erstellen Sie Ihren kostenlosen Explorer-Workspace, um automatisierte Executive Briefings zu erhalten.
Wichtigste Kernpunkte & Evidenz
- GPU Ark veröffentlichte einen bereinigten, offenen Datensatz zu 13.566 GPUs samt Spezifikationen und 993 Benchmarks als CSV und SQLite unter CC BY 4.0.
- Die FP32-Spitzenleistung stieg von ca. 0,3 TFLOPS (GeForce 8800 GTX, 2006) auf 126 TFLOPS (Blackwell, 2025) – ein ca. 400-facher Anstieg (~37 % CAGR).
- Die TDP für Datencenter-Beschleuniger stieg nach 2020 rasant an: H100 (700 W), MI325X/B200 (1000 W, 2024) und MI355X (1400 W, 2025).
- Die Energieeffizienz (FP32/W) verbesserte sich von 2006 bis zum Spitzenwert um 2022 um das Hundertfache, primär getrieben durch Prozessknoten und Architektur.
- Die FP32-Führerschaft wechselte im Laufe der Zeit zwischen NVIDIA und AMD; rohe FP16- und Tensor-Metriken sind wegen unterschiedlicher Sparsity-Berechnungen kaum vergleichbar.
Verknüpfte Unternehmen
2 verknüpfte UnternehmenOntologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
KI-Beschleuniger durchbrechen den 50-jährigen Computing-Trend
Der von Exponential View veröffentlichte Forschungsbericht „The State of the AI Economy“ beleuchtet einen historischen Bruch im globalen Computing-Wachstum. Demnach wuchs der weltweite Bestand an Rechenleistung bis etwa 2023 mit einer jährlichen Compound-Rate von rund 66 Prozent. Der Aufstieg von KI-Beschleunigern seit 2020 hat jedoch zu einem beispiellosen Sprung bei Gleitkommaberechnungen (FLOPs) geführt, wodurch massenhaft neue „FLOP-Fabriken“ entstehen. Der Report setzt diese Entwicklung in den historischen Kontext frühren Wendepunkte wie der Konsum-PC- und Internet-Welle der 1990er-Jahre sowie dem Ende des Dennard-Scaling im darauffolgenden Jahrzehnt. Analysten prognostizieren, dass dieses KI-getriebene Beschleunigungstempo noch jahrelang anhalten kann, bevor eine Annäherung an den langfristigen Trend erfolgt. Diese strukturelle Verschiebung verändert die Rahmenbedingungen für Rechenzentren, Infrastrukturinvestitionen und datengetriebene Produktfähigkeiten branchenübergreifend.
GPU-Vergleich 2026: NVIDIA, AMD und Intel für KI-Workloads im Test
Eine aktuelle Analyse vergleicht Workstation- und Prosumer-GPUs für lokale LLM-Inferenz und KI-Workloads im Jahr 2026: NVIDIAs Blackwell-Architektur (RTX 50-Serie), AMDs Radeon AI Pro R9700 sowie Intels Arc Pro B70. Für reale Transformer-Inferenz erweisen sich VRAM-Kapazität, Speicherbandbreite und die Reife des Software-Ökosystems als weitaus kritischer als theoretische Spitzenwerte (AI TOPS). Die Analyse liefert konkrete VRAM-Richtwerte für gängige Modellgrößen sowie Spezifikations- und Preisvergleiche inklusive Faktoren wie Leistungsaufnahme, Thermik, Formfaktor und Multi-GPU-Setups. Im Ergebnis bleibt NVIDIA dank enormer Bandbreite und ausgereiftem CUDA/TensorRT-Stack die Benchmark für High-End-Inferenz. AMDs R9700 positioniert sich dank ROCm-Support als starkes Preis-Leistungs-Angebot für Workstations, während Intel mit der B70 eine budgetfreundliche 32-GB-Option im wachsenden oneAPI-Ökosystem bietet.
InferenceX v2 Benchmarks: NVIDIA Blackwell im Vergleich zu AMD und Hopper
SemiAnalysis hat InferenceX v2 (zuvor InferenceMAX) veröffentlicht, einen Open-Source-Benchmark nach Apache 2.0 für kontinuierliche Inference, der die Abdeckung auf rund 1.000 Frontier-GPUs und verteilte Inference-Modi ausweitet. Die Version fügt groß angelegtes disaggregated Prefill mit wide Expert Parallelism (wideEP) für sechs aktuelle NVIDIA GPU-SKUs – darunter GB200/GB300 NVL72, B200, B300 und Blackwell Ultra – sowie aktuelle AMD-SKUs wie die MI355X hinzu. Sie liefert die ersten Pareto-Frontier-Benchmarks von Drittanbietern für Blackwell Ultra GB300 NVL72 und Multi-Node-MI355X-Disagg+wideEP-FP4/FP8. Zentrale Ergebnisse: NVIDIA Blackwell Rack-Scale-Systeme führen bei MoE/disaggregated Inference und Energieeffizienz. Die AMD MI355X zeigt sich bei FP8 und Single-Node-Performance/TCO wettbewerbsfähig, weist jedoch Software-Lücken bei Komposabilität und FP4-Multi-Node auf. Der Bericht hebt zudem Multi-Token/Speculative Decoding zur Kostensenkung hervor und dokumentiert Software-Stacks wie SGLang, vLLM, TensorRT‑LLM, Dynamo, MoRI und Mooncake.
Marktsignale & Strategische Shifts in Echtzeit verfolgen
Erstellen Sie benutzerdefinierte Watchlists, um automatisierte, evidenzbasierte Executive Briefings zu erhalten, sobald wesentliche Signale oder Marktverschiebungen auftreten.