GPUs für wissenschaftliches Rechnen und Simulation
Simulationscodes wie Molekulardynamik, numerische Strömungsmechanik, Wetter oder Quantenchemie sind oft durch die Speicherbandbreite begrenzt und viele davon durch Arithmetik in doppelter Genauigkeit (FP64). Rechenzentrums-GPUs mit HBM-Speicher sind für beides gebaut.
Passende GPUs für wissenschaftliches Rechnen
Seitlich wischen, um alle Spalten zu sehen.
| GPU | Speicher | Speichertyp | Bandbreite | Interconnect | Preis/Std. |
|---|---|---|---|---|---|
| Tesla V100Volta | 32 GB | HBM2 | 900 GB/s | Nicht veröffentlicht | ab 0,10 $ |
| A100 PCIeAmpere | 80 GB | HBM2e | 1.935 GB/s | NVLink bridge (600 GB/s) · PCIe 4.0 | ab 1,79 $ |
| A100 SXMAmpere | 80 GB | HBM2e | 2.039 GB/s | NVLink 3 (600 GB/s) · PCIe 4.0 | ab 1,79 $ |
| H100 PCIeHopper | 80 GB | HBM2e | 2.000 GB/s | NVLink bridge (600 GB/s) · PCIe 5.0 | ab 2,89 $ |
| H100 SXMHopper | 80 GB | HBM3 | 3.350 GB/s | NVLink 4 (900 GB/s) · PCIe 5.0 | ab 2,88 $ |
| GH200Grace Hopper | 96 GB | HBM3 | 4.000 GB/s | NVLink-C2C (900 GB/s) | ab 6,81 $ |
| H200Hopper | 141 GB | HBM3e | 4.800 GB/s | NVLink 4 (900 GB/s) · PCIe 5.0 | ab 4,19 $ |
| MI300XCDNA 3 | 192 GB | HBM3 | 5.300 GB/s | AMD Infinity Fabric (128 GB/s per link) · PCIe 5.0 | ab 4,16 $ |
| MI325XCDNA 3 | 256 GB | HBM3e | 6.000 GB/s | AMD Infinity Fabric (128 GB/s per link) · PCIe 5.0 | ab 4,82 $ |
Herstellerangaben pro GPU; Tensor-Durchsatz ohne Sparsity. Modellgrößen sind vorsichtige Schätzungen in Milliarden Parametern bei 80 % des Speichers; Kontextlänge, Batchgröße und Framework verändern die tatsächliche Grenze. Die Preise sind das beste Live-Angebot für eine GPU pro Stunde, zzgl. Steuern.
Alle GPU-ModelleWorauf es bei wissenschaftliches Rechnen ankommt
Doppelte Genauigkeit
Viele Solver brauchen FP64. Rechenzentrums-GPUs wie V100, A100, H100 und AMD Instinct führen FP64 mit hoher Rate aus, während GeForce- und die meisten Workstation-Karten es nur mit einem kleinen Bruchteil ihrer FP32-Rate ausführen. Prüfen Sie Ihren Code: Manche Pakete laufen überwiegend in einfacher oder gemischter Präzision.
Speicherbandbreite
Stencil-Codes, dünnbesetzte lineare Algebra und Partikelmethoden bewegen mehr Daten, als sie berechnen. HBM-Speicher, von etwa 0,9 TB/s bei der V100 bis über 4 TB/s bei H200 und MI300X, macht diese Codes schnell.
Skalierung über mehrere GPUs
Die Gebietszerlegung verteilt eine Simulation auf GPUs, die bei jedem Schritt Randdaten austauschen. NVLink oder Infinity Fabric zwischen den GPUs verhindert, dass dieser Austausch zum Engpass wird.
GPUs für wissenschaftliches Rechnen vergleichen
GPUs für wissenschaftliches Rechnen und Simulation: häufig gestellte Fragen
Warum werden keine FP64-Werte angezeigt?
Diese Website zeigt nur Werte, die für jedes genaue Modell in vergleichbarer Form veröffentlicht sind. Die FP64-Raten unterscheiden sich je nach Board-Version (SXM, PCIe); prüfen Sie das Datenblatt des Herstellers für das Board, das Sie mieten möchten.
Welche GPU für Molekulardynamik?
Pakete wie GROMACS, AMBER und NAMD laufen größtenteils in einfacher oder gemischter Präzision und arbeiten auf vielen GPUs gut, auch auf Workstation-Karten; Codes, die durchgehend FP64 brauchen, sind mit A100-, H100- oder MI300X-GPUs besser bedient.
Läuft mein Code auf AMD-GPUs?
AMD-Instinct-GPUs führen Code aus, der für ROCm und HIP geschrieben ist; viele HPC-Pakete werden mit ROCm-Builds ausgeliefert. Code, der nur für CUDA geschrieben ist, muss portiert werden, oft mit den HIPIFY-Werkzeugen, bevor er auf AMD läuft.
Wie miete ich bei EverXCloud eine GPU für wissenschaftliches Rechnen?
Erstellen Sie ein Konto, laden Sie Ihr Prepaid-Guthaben in Euro, US-Dollar oder Pfund auf und kaufen Sie dann GPU-Stunden an der Spot-Börse zum besten Angebot, oder geben Sie ein Gesuch zu dem Preis auf, den Sie zu zahlen bereit sind. Die Miete wird stundenweise abgerechnet. Die Preise werden zzgl. Steuern angezeigt, und EverXCloud ist bei jeder Anmietung Verkäufer im eigenen Namen (Merchant of Record).
Am Starttag bereit sein
Erstellen Sie jetzt Ihr Konto: Sie können Ihr Guthaben aufladen und die passende GPU für Ihren Workload mieten, sobald der Markt öffnet.
Sie haben GPU-Server?
Unternehmen können dem EverXCloud Network beitreten und Stunden ihrer GPU-Server an der Spot-Börse verkaufen.
Weitere Einsatzbereiche
- GPUs für das Training großer Sprachmodelle
Pre-Training und vollständiges Fine-Tuning auf Rechenzentrums-GPUs mit HBM-Speicher.
- GPUs für das Fine-Tuning offener Modelle
LoRA- und QLoRA-Adapter auf einer einzigen GPU, ab 24 GB.
- GPUs für LLM-Inferenz
Offene Modelle bereitstellen: was in den Speicher passt und wie schnell die Token kommen.
- GPUs für Bild- und Videogenerierung
Diffusionsmodelle für Bild und Video, von Karten mit 24 GB bis zu GPUs mit 80 GB.
- GPUs für 3D-Rendering und visuelle Effekte
Raytracing-Rendering, visuelle Effekte und Echtzeit-Engines.