NVIDIA: Leistung pro Watt als Schlüsselmetrik — Blackwell GB300 bis zu 25× effizienter als Hopper

Was ist „Leistung pro Watt” und warum wurde sie zur Schlüsselmetrik?

Leistung pro Watt bezeichnet die Menge nützlicher Rechenarbeit — beispielsweise die Anzahl generierter KI-Token — pro verbrauchter Einheit elektrischer Energie. Da die Kosten für Stromversorgung und Kühlung in Rechenzentren zusammen mit der Nachfrage nach KI-Inferenz steigen, bestimmt diese Metrik zunehmend die wirtschaftliche Rentabilität und den ökologischen Fußabdruck der KI-Infrastruktur. NVIDIA behauptet in einem neuen Blogbeitrag, dass der GB300 NVL72 den Effizienzstandard neu definiert hat.

Blackwell GB300 NVL72 — konkrete Ergebnisse

Beim Modell DeepSeek V4 Pro erzielt NVIDIAs Blackwell GB300 NVL72 eine bis zu 25× bessere Leistung pro Watt im Vergleich zur vorherigen Hopper-Generation. Beim Modell GLM5.1 beträgt die Verbesserung bis zu 20×, beim Modell Kimi K2.6 bis zu 10×. Es handelt sich um Hardware-Messungen, die mehrere führende offene Modelle in Produktionsumgebungen abdecken. Die Blackwell-Architektur bringt deutlich verbesserte Speicherbandbreite und Energieeffizienz der NVLink-Netzwerktopologie in der NVL72-Konfiguration mit 72 GPUs pro Rack.

Software-Optimierungen: 5× in einem Monat

Bemerkenswert ist, dass die Hardware nicht der einzige Treiber der Verbesserung ist. Allein Software-Optimierungen — ohne jede Hardware-Änderung — brachten innerhalb eines einzigen Monats eine bis zu 5× Effizienzverbesserung bei DeepSeek V4. NVIDIAs Tool-Ökosystem umfasst TensorRT-LLM, NVIDIA Dynamo, SGLang, vLLM und NVIDIA DSX MaxLPS. Diese Tatsache legt nahe, dass der Inferenz-Orchestrierungs-Stack ebenso wichtig ist wie das Silizium — ein ungewöhnlich offenes Eingeständnis eines Unternehmens, das für seinen Fokus auf GPU-Hardware bekannt ist.

Produktionskunden und Implikationen für die Branche

Einige der bekanntesten KI-Unternehmen nutzen Blackwell-Systeme bereits in der Produktion: Anthropic, OpenAI, CoreWeave, Perplexity und Fireworks AI. Zum Vergleich: Die vorherige Hopper-Generation (H100/H200) war von 2022 bis 2024 der De-facto-Standard für KI-Training und Inferenz. Der Wechsel zu Blackwell in den Produktionsumgebungen führender Dienstleister signalisiert, dass die GPU-Generationenablösung schneller voranschreitet, als Analysten vorhergesagt hatten.