MLCommons-Benchmark zeigt, dass Nvidia und Intel bei der AI-Hardwareleistung führen

In einer kürzlich veröffentlichten Ergebnisveröffentlichung des MLCommons-Konsortiums, einer unabhängigen Organisation, die sich der Bewertung von AI-Chipsätzen widmet, wurde die Leistung verschiedener AI-Hardware offengelegt. Die Ergebnisse zeigen, dass sich Nvidias fortschrittliche Chips als Top-Performers herauskristallisiert haben, wobei Intels Hardware dicht dahinter folgt.

Nvidias Dominanz in der AI-Hardwareleistung

In der sich ständig weiterentwickelnden AI-Landschaft ist die Hardwareleistung ein entscheidender Faktor für den Erfolg. Nvidia, ein bekannter Akteur in der AI-Branche, zeigte seine Stärke in der neuesten Testrunde, die vom MLCommons durchgeführt wurde. Zwei von Nvidias fortschrittlichsten Chips, der GH200 Grace Hopper Superchip und das HGX 100-System, zeigten bemerkenswerte Ergebnisse in mehreren Benchmark-Tests im Rahmen der MLPerf-Bewertung.

Nvidias GH200 Grace Hopper Superchip, der eine Hopper-GPU mit einer Grace-CPU in einem einzigen Chip kombiniert, zeigte herausragende Fähigkeiten. Er glänzte in Bezug auf Speicher, Bandbreite und die Optimierung von Aufgaben zwischen der GPU und einer Arm-basierten CPU. Dieser innovative Ansatz führte zu einer durchschnittlichen Leistungsverbesserung von etwa 17 % im Vergleich zum HGX 100-System.

Die umfassende Bewertung umfasste verschiedene AI-Aufgaben, darunter Computer Vision, Spracherkennung, medizinische Bildgebung und komplexere Workloads wie Large Language Model (LLM)-Inferenz und Empfehlungssysteme. Nvidias Hardware übertraf konsequent ihre Konkurrenten und bestätigte ihre dominante Position in der AI-Branche.

Intels Habana Gaudi2 macht von sich reden

Durch seine Tochtergesellschaft Habana Labs positionierte Intel Corporation seine Habana Gaudi2-Beschleuniger als formidable Konkurrenten im AI-Hardware-Sektor. Trotz Nvidias starken Auftritts demonstrierte das Gaudi2-System seine Fähigkeiten, indem es überraschend knapp auf den zweiten Platz kam. Die Ergebnisse zeigten, dass das Gaudi2-System Nvidias Angebot nur um 10 % hinter sich ließ.

Intels Vorteil liegt in seinem sieben-Nanometer-Fertigungsknoten, der, obwohl er etwas größer ist als Nvidias fünf-Nanometer-Hopper-GPU, zukünftige Verbesserungen verspricht. Die bevorstehende Einführung der FP8-Präzisionsquantisierung wird voraussichtlich eine zweifache Leistungssteigerung für Intels AI-Inferenzaufgaben liefern. Darüber hinaus wird Intels Gerücht, an einem 5-nm-Gaudi3-Chipsatz zu arbeiten, die Vorfreude im AI-Hardware-Bereich weiter anheizen.

Intel betonte auch den wettbewerbsfähigen Preis seines Habana Gaudi2-Chips und positionierte ihn als kostengünstige Alternative zu Nvidias Lösungen. Spezifische Preisdetails wurden jedoch noch nicht bekannt gegeben.

Der Effizienzfaktor im Stromverbrauch

Die Effizienz im Stromverbrauch ist ein bedeutender Aspekt bei der Verfolgung von AI-Hardware-Exzellenz. Qualcomm Inc., ein weiterer prominenter Akteur in diesem Bereich, demonstrierte robuste Leistung mit seinem Qualcomm Cloud AI100-Chipsatz. Was Qualcomm auszeichnet, ist seine effiziente Nutzung von Strom, wodurch er seine Konkurrenten in diesem Bereich übertrifft. Die Ergebnisse unterstreichen das Engagement des Unternehmens für Nachhaltigkeit in der AI-Hardware.

Qualcomm beeindruckende Leistung ist besonders bemerkenswert, da sie einen geringeren Stromverbrauch als andere Konkurrenten aufweist, was sie zu einer attraktiven Wahl für Organisationen macht, die darauf abzielen, den Energieverbrauch in der AI-Infrastruktur zu reduzieren.

Bevorstehende Entwicklungen in der AI-Hardware

Nvidia und Intel sind bestrebt, ihre AI-Hardware-Angebote weiter zu verbessern. Nvidia plant, ein Software-Update freizugeben, das verspricht, die AI-Inferenzleistung seines GH200 Grace Hopper Superchips zu verdoppeln und damit seine Führungsposition weiter zu festigen.

Intel ruht sich nicht auf seinen Lorbeeren aus; das bevorstehende FP8-Präzisionsquantisierungs-Update für den Habana Gaudi2-Chip wird voraussichtlich die AI-Inferenzfähigkeiten erheblich verbessern. Darüber hinaus erzeugt der gerüchteweise 5-nm-Gaudi3-Chipsatz Vorfreude, da er weitere Innovationen auf den Markt bringen könnte.

Weitere wichtige Akteure in diesem Bereich

Während Nvidia und Intel im Rampenlicht standen, zeigten auch andere bedeutende Akteure in der AI-Branche ihre Fähigkeiten. Google LLC stellte eine Vorschau seiner neuesten Tensor Processing Units (TPUs) vor, erreichte jedoch nicht die Leistungsniveaus von Nvidia. Dennoch bleibt Google eine formidable Kraft in der AI-Forschung und -Entwicklung.

Die jüngsten Ergebnisse aus MLCommons’ Benchmark-Tests bieten wertvolle Einblicke in den aktuellen Stand der AI-Hardwareleistung. Nvidias Dominanz, dicht gefolgt von Intels wettbewerbsfähigen Angeboten, unterstreicht das Engagement der Branche, die AI-Hardwarefähigkeiten voranzutreiben. Mit Berücksichtigung der Stromeffizienz und bevorstehender Innovationen entwickelt sich die Landschaft der AI-Hardware weiter und verspricht bald noch größere Leistung und Effizienz.