Wer sich noch die Mühe macht, in Oldschool-Manier eine Workstation selber zusammenzuschrauben, dürfte bei der GPU-Wahl aktuell kaum ins Grübeln kommen. Doch was darf man von einer Workstation GPU fordern, die in Zukunft auch genügend Leistung für kommende KI-Aufgaben bereitstellen soll?
Nvidia RTX 4090
Die aktuell schnellste Consumer-GPU Nvidia RTX 4090 wird von vielen Applikationen sauber unterstützt und bringt brachiale Rechenleistung für Echtzeit-GPU-Effekte mit. Gerade wer sich noch auf große PC-Gehäuse mit PCIe-Steckplätzen einlässt, bekommt hier deutlich unter 2.000 Euro eine Menge Rechenpower geboten, die sich beim täglichen Einsatz nur selten überhaupt voll ausschöpfen lässt.
Mit ca. 80 FP32-TFlops sowie 1.000 GB/s Speicherdurchsatz gibt es aktuell schlichtweg keine deutlich schnellere PCIe-Lösung, nicht einmal im weitaus teureren Workstation-Bereich. Und mit Preisen ab aktuell 1.700 Euro wirkt die RTX 4090 im Vergleich zu professionellen Workstations von der Stange oder gegenüber Apple Mac Pro/Studio Produkten sogar noch relativ günstig.
Die 24GB GPU-Speicher reichen zudem in der Regel für aufwändige 8K-Projekte in Resolve oder Premiere. Ist die RTX 4090 somit eine blinde Kaufempfehlung für alle Anwender, die mit dem entsprechenden Budget aktuell in eine Video-Workstation investieren wollen?
Grundsätzlich schon, jedoch würden wir in eine aktuelle Kaufentscheidung auch kommende KI-Anwendungen mit einbeziehen. Auf den ersten Blick scheint man dabei natürlich ebenfalls mit einer RTX 4090 nicht sonderlich falsch zu liegen - schließlich laufen die meisten aktuellen KI-Anwendungen unter einer Nvidia/CUDA-Umgebung und Nvidia unterstützt sogar einige Modelle mit spezieller Hardwarebeschleunigung (den sogenannten Tensor-Cores).
Was uns jedoch bei näherer Betrachtung aktueller KI-Modelle für die Zukunftssicherheit am wichtigsten erscheint, ist die Speichermenge. So hängt bei praktisch allen aktuellen KI-Modellen deren schnelle Ausführung in erster Linie davon ab, dass sie komplett in den GPU-Speicher passen. Ist das nicht der Fall, sind die Performance-Einbußen durch das dann erforderliche Caching/Nachladen drastisch. Ein 30GB Modell läuft darum auf einer 48GB GPU mit langsamer Speicheranbindung in der Regel immer noch deutlich schneller als auf einer 24GB GPU mit schneller Speicheranbindung.
Schielt man jedoch nach mehr als 24 GB GPU-Speicher, so werden die Optionen exponentiell teurer. Von sehr alten Workstation-Karten abgesehen, findet man mit 32GB Speicher zwar aktuell sogar eine einzige halbwegs aktuelle AMD Radeon Pro W6800 Karte für ca. 1.300 Euro. Diese besitzt jedoch nur 500 GB/s Speicherdurchsatz und rechnet mit gerade mal 18 FP-32 TFlops.
AMD hat jedoch in diesen Tagen bis zum Sommer neue Workstationkarten angekündigt, die in einer anderen Leistungsliga spielen werden.
