4 Min. LesezeitAceCAST

WRF-Kosten GPU vs. CPU: die Rechnung, Zeile für Zeile

Ein veröffentlichter Benchmark von 2023 und zwei Azure-Listenpreise, Zeile für Zeile durchgerechnet: was eine GPU-VM im Vergleich zu einer CPU-VM und zu sechzehn kostet und was die Rechnung auslässt.

Gestapeltes Balkendiagramm der Laufzeit in Sekunden, aufgeteilt in Initialisierung, Ein- und Ausgabe sowie Berechnung, für WRF auf zwei, vier und acht CPU-Knoten vom Typ Azure HBv3 und für AceCAST auf einem GPU-Knoten vom Typ NDm A100 v4. Der GPU-Balken ist der kürzeste.

Erstmals veröffentlicht am 11. November 2026 · Aktualisiert am 16. November 2026

Wenn Sie WRF betreiben, das vom NCAR gepflegte Weather Research and Forecasting Model, wird jemand fragen, ob es mit GPUs günstiger würde. Dieser Artikel rechnet die Kostenfrage WRF auf GPU vs. CPU offen durch. Er verwendet einen veröffentlichten Benchmark und zwei öffentliche Cloud-Listenpreise und zeigt jede Rechnung, damit Sie sie mit Ihren eigenen Zahlen wiederholen können.

Ein Hinweis zum Umfang: Der Benchmark hat AceCAST 2.1 und 3.0.1 gemessen, beides frühere Versionen.

Die Ausgangsdaten: ein Benchmark und zwei Listenpreise

Der Benchmark. Am 28. April 2023 veröffentlichte der NVIDIA Technical Blog den Beitrag Microsoft and TempoQuest Accelerate Wind Energy Forecasts with AceCAST. Die Läufe wurden auf Microsoft Azure gerechnet. WRF lief auf virtuellen CPU-Maschinen (VMs) vom Typ Standard HB120rs_v3 mit jeweils 120 Kernen AMD EPYC Milan-X. AceCAST, das WRF auf NVIDIA-GPUs ausführt, lief auf einer VM vom Typ Standard_ND96amsr_A100_v4 mit 8 GPUs vom Typ NVIDIA A100. Der Beitrag berichtet:

  • „AceCAST auf einem Knoten erreichte eine Beschleunigung von ~9x gegenüber CPU-basiertem WRF auf einem Knoten.“
  • „18 CPU-Knoten sind nötig, um eine ähnliche Leistung wie ein GPU-Knoten zu erreichen.“
  • Für die Konfiguration, die die Autoren als optimal ermittelten, WRF auf 16 CPU-VMs gegenüber AceCAST auf 1 GPU-VM: „AceCAST läuft 7% schneller bei 75% niedrigeren Kosten als CPU-basiertes WRF.“

Die Preise. Azure-Listenpreise aus der Azure Retail Prices API für die Region East US, Linux, Pay-as-you-go, vom 11. November 2026:

  • Eine CPU-VM (Standard_HB120rs_v3): $3.60 pro Stunde.
  • Eine GPU-VM (Standard_ND96amsr_A100_v4): $32.77 pro Stunde.

Die Azure-Studie von 2023 berichtete, dass AceCAST 2.1 etwa 9× so schnell war wie ein CPU-Knoten und eine ähnliche Leistung wie 18 CPU-Knoten erreichte; unser Kostenbeispiel verwendet den davon getrennten Vergleich von AceCAST 3.0.1 mit 16 CPU-Knoten aus derselben Studie. Ein GPU-Knoten enthielt acht GPUs.

Die Rechnung, Zeile für Zeile

Die Kosten eines Laufs sind der Stundenpreis multipliziert mit der Zahl der Stunden, die der Lauf dauert. Die Geschwindigkeit wirkt sich auf die Kosten aus, weil für einen schnelleren Lauf weniger Stunden abgerechnet werden.

VergleichCPU-SeiteGPU-SeiteErgebnis
Stundenpreis, je eine VM$3.60$32.7732.77 ÷ 3.60 = 9.10. Die GPU-VM kostet pro Stunde etwa 9.1-mal so viel.
Gleiche Vorhersage, je eine VM, GPU etwa 9-mal so schnell. Beispiel: ein Job von 9 Stunden auf der CPU-VM.9 Stunden × $3.60 = $32.401 Stunde × $32.77 = $32.7732.77 ÷ 32.40 = 1.011. Der GPU-Lauf kostet etwa 1% mehr, also praktisch gleich viel, und der Lauf dauert etwa ein Neuntel so lange.
Ähnliche Geschwindigkeit, pro Stunde: 18 CPU-VMs gegenüber 1 GPU-VM18 × $3.60 = $64.80$32.77(64.80 − 32.77) ÷ 64.80 = 0.494. Die GPU-Seite kostet etwa 49% weniger.
Pro Stunde: 16 CPU-VMs gegenüber 1 GPU-VM16 × $3.60 = $57.60$32.77(57.60 − 32.77) ÷ 57.60 = 0.431. Die GPU-Seite kostet pro Stunde etwa 43% weniger.
Gleiche Vorhersage, GPU mit 1.07-facher Geschwindigkeit: 16 CPU-VMs gegenüber 1 GPU-VM. Beispiel: ein Job von 1 Stunde auf den CPU-VMs.1 Stunde × $57.60 = $57.60(1 ÷ 1.07) Stunden × $32.77 = $30.63(57.60 − 30.63) ÷ 57.60 = 0.468. 47% niedrigere Rechenkosten, ohne die AceCAST-Lizenz.

Zwei Dinge fallen auf. Mit je einer VM auf jeder Seite heben sich das Preisverhältnis (etwa 9.1) und das Geschwindigkeitsverhältnis (etwa 9) auf: Sie zahlen etwa gleich viel und warten etwa ein Neuntel so lange. Und nach den Zahlen des Benchmarks selbst waren 18 CPU-VMs nötig, nicht 9, um mit einer GPU-VM gleichzuziehen. Zusätzliche CPU-VMs haben den Lauf also nicht proportional beschleunigt. Daher kommt die Ersparnis in den größeren Vergleichen.

Die veröffentlichte Geschwindigkeit ist das 1.07-Fache der CPU-Geschwindigkeit, der GPU-Lauf dauert also 1 ÷ 1.07 = 0.934579 Stunden, angezeigt als 0.935 GPU-Knotenstunden. Die Kosten verwenden den ungerundeten Wert.

Warum das nicht die 75% aus dem Benchmark sind

Die Autoren berichteten von 75% niedrigeren Kosten. Mit den hier gezeigten Listenpreisen ergeben sich etwa 47% niedrigere Rechenkosten, ohne die AceCAST-Lizenz. Die ursprüngliche Kostengrundlage wurde hier nicht reproduziert; eine Änderung der Cloud-Preise allein erklärt den Unterschied nicht.

Die 47% sind ein Rechenbeispiel, keine Messung: die Geschwindigkeitsverhältnisse von 2023 für AceCAST 2.1 und 3.0.1, multipliziert mit Preisen von 2026. Ihre eigene Rechenlast ergibt eine eigene Zahl.

Derselbe Beitrag berichtet außerdem: „AceCAST läuft 16.8x schneller als WRF bei den Rechen- und Kommunikationszeiten des inneren Modellgebiets.“ Das beschreibt einen Teil eines Laufs, nicht die gesamte Laufzeit, die Ihnen in Rechnung gestellt wird, und geht deshalb nicht in die Rechnungen oben ein.

Was die Rechnung voraussetzt und was sie auslässt

Annahmen:

  • Azure-Listenpreise für eine Region, Linux, Pay-as-you-go, im November 2026. Andere Regionen und andere Clouds weichen ab.
  • Ganze VMs werden nur für die Dauer des Laufs abgerechnet; auf keiner der beiden Seiten fallen Leerlauf- oder Wartezeiten an.
  • Die Geschwindigkeitsverhältnisse werden nur für diese festen, früheren Beispiele verwendet. Gemessen wurden sie 2023 an den Testfällen der Autoren; sie sagen nichts über Ihre eigene Rechenlast voraus.
  • „7% schneller“ bedeutet das 1.07-Fache der Geschwindigkeit.

Nicht berücksichtigt:

  • Softwarelizenz. AceCAST ist lizenzpflichtige Software. Der Lizenzpreis ist in diesen Rechnungen nicht enthalten.
  • Speicher für Eingabedaten und Modellausgabe.
  • Datentransfer in die Cloud und aus der Cloud heraus.
  • Personalaufwand für Einrichtung, Betrieb und Wartung des jeweiligen Systems.
  • Reservierte Preise oder Spot-Preise, die jede der beiden Seiten des Vergleichs verschieben können.
  • Ihr eigenes Modellgebiet und Ihre Physik. Gittergröße, Nesting, Physikoptionen und Ausgabehäufigkeit verändern alle, wie lange ein Lauf auf der jeweiligen Hardware dauert.

Die einzige Zahl, die die Frage entscheidet, ist Ihr eigener Fall, gemessen auf beiden Arten von Hardware.

Nächste Schritte

Ändern Sie im festen Benchmark-Beispiel des Kostenrechners die Stundenpreise und die Läufe pro Monat, oder fragen Sie eine Testversion an und messen Sie Ihren eigenen Fall.

Ihre Vorhersage

Haben Sie eine eigene Frage zur Vorhersage?

Sagen Sie uns, welcher Entscheidung sie dienen soll. Ein kurzes Formular genügt, um das Team zu erreichen, und wir prüfen jede Anfrage.