[PLUS] Geforce RTX 5090 im Test

Der Elefant im Raum

Mikroprozessoren haben eine unglaubliche Entwicklung hinter sich. Noch vor etwa 50 Jahren nahm ein Computer mit ein paar Hundert Giga-FLOPS Rechenleistung einen ganzen Raum ein, heutzutage liefern bereits Einsteiger-Grafikkarten rund 15 Tera-FLOPS (15 Billionen Rechenoperationen pro Sekunde) und High-End-GPUs kratzen an der "magischen" Marke von 100 TFLOPS. Möglich wurde diese explosionsartige Entwicklung durch rasche Fertigungssprünge, welche immer mehr Schaltungen mit immer höheren Taktraten bei gleicher Fläche erlaubten ("Shrinks"). Doch die Zeit der tief hängenden Früchte ist seit einigen Jahren vorbei, physikalische Limits haben die Kurve abgeflacht. Bis Forschende eine in Massen herstellbare Alternative gefunden haben, kostet jeder moderne Fertigungssprung viel Geld und liefert dennoch wenig Fortschritt in puncto Packdichte und Leistungsaufnahme.

Die Zeit der "rohen Gewalt" (englisch "Brute Force") ist somit für alle Prozessorschmieden vorbei, weshalb Ideen gefragt sind. Diese hat man längst gefunden: Künstliche Intelligenz, auch bekannt als Machine Learning, wurde dazu auserkoren, die Lücken auszufüllen. Warum immer alles stur neu berechnen, wenn man die Informationen auch effizient herleiten und wiederverwerten kann? Mehr noch, KI soll künftig Dinge ermöglichen, die man vor einigen Jahren noch als Science-Fiction abgetan hätte. Geht es nach Nvidia, ist die Zeit des "Neural Rendering" schon jetzt, die neue Blackwell-Architektur ist mehr denn je darauf getrimmt, klassisches Rendering mittels KI-Supplementierung zu beschleunigen.