MLCommons本周發(fā)布了最新MLPerf基準測試結果，Nvidia GPU良好的表現(xiàn)一如既往，其中最亮眼的則是最新的Nvidia Blackwell Ultra GPU，結果令人印象深刻。

在MLCommons發(fā)布的MLPerf 5.1基準測試的93個項目中，74個系統(tǒng)包含Nvidia Blackwell GPU，而19個系統(tǒng)配備了各種AMD Instinct GPU。Nvidia系統(tǒng)在MLPerf 5.1中包含的七個AI模型中均排名第一，這些模型涵蓋了大型語言模型（LLM）、圖像生成、推薦系統(tǒng)、計算機視覺和圖神經網絡。

比Nvidia的勝利更重要的是有機會展示其最新、最強大的設備——Blackwell Ultra GB300 GPU，該GPU于2024年3月推出，兩個月前才開始批量出貨。

基準測試顯示，Blackwell Ultra GB300能夠提供大約兩倍于Blackwell GB200的FP4性能，是Nvidia于2022年3月推出并于當年晚些時候開始出貨的Hopper H100 GPU的四至五倍。

例如，在Llama 3.1 405B預訓練基準測試中，配備512個Blackwell Ultra GB300 GPU的系統(tǒng)能夠在64.6分鐘內完成測試。這大約是配備512個Blackwell GB200 GPU的系統(tǒng)在MLPerf 5.0基準測試中完成任務的速度的兩倍，也比同樣在MLPerf 1.0上的等效H100系統(tǒng)快4倍。

在涉及Llama 2 70B LoRA模型的微調基準測試中，8 GPU Blackwell Ultra GB300設置將在8.5分鐘內完成任務，這比在MLPerf 4.1上運行的8 GPU Hopper H100設置快5倍，比在MLPerf 5.0上運行的Blackwell GB200等效設置快1.6倍。

雖然MLPerf版本每年都在變化，但各個基準保持一致，從而能夠進行公平的比較。對于MLPerf 5.1，MLCommons拋棄了兩個舊模型，BERT Large and Stable Diffusion，并用Llama 3.1 8B和FLUX.1（用于圖像生成）替換了它們。這種演變也反映了與人工智能訓練工作負載相比，人工智能推理工作負載的重要性日益增加。

MLCommons MLPerf負責人David Kanter在一篇博客文章中表示：“總的來說，向GenAI基準提交的數據增加以及這些測試中記錄的可觀的性能改進表明，大家非常關注GenAI場景，在某種程度上以犧牲AI技術的其他潛在應用為代價?！?/p>

這些測試還使Nvidia能夠展示Blackwell Ultra GB300在使用超低精度4位浮點數據格式的新興AI工作負載上的性能。6月，Nvidia推出了第二種FP4數據格式NVFP4，以配合Blackwell和Blackwell Ultra現(xiàn)有的MXFP4格式。

在周一的新聞發(fā)布會上，Nvidia分享了記錄NVPF4格式與MXFP4相比準確度的數據。雖然兩者都不如16位浮點格式bfloat16（BF16）準確，但NVPF4顯示的損失比MXFP4少，高達8000億個Token，之后兩種格式的損失率都會加速。

Nvidia加速計算主管Dave Salvator表示：“基本的結論是，我們通過自己的經驗觀察發(fā)現(xiàn)，NVFP4實際上比MXFP4提供了更好的準確性，這就是為什么我們不僅傾向于在推理方面，而且在訓練方面使用它?！?/p>

Salvator還指出，Blackwell Ultra擁有279GB的HBM3內存，可提供15petaflops的NVFP4計算，英偉達配置了一組配備5120個GPU的GB300 NVL72系統(tǒng)，通過800Gbps Quantum-X800 InfiniBand互聯(lián)連接。它能夠在10.0分鐘內完成Llama 3.1 405B的預訓練工作負載，這比Nvidia之前的系統(tǒng)快2.7倍，Nvidia以前的系統(tǒng)有大約2500個GPU。

Salvator說：“正如你所看到的，當我們從512個GPU增加到5120個GPU時，我們基本上能夠實現(xiàn)約85%的縮放效率?！薄坝嬎悴⒉皇腔鶞蕼y試中的唯一因素。還有其他因素。有內存移動、I/O、網絡通信，還有其他因素在起作用。因此，我們實現(xiàn)了85%的擴展效率，同時基本上將GPU數量增加了10倍，這一事實真的令人印象深刻?！?/p>

Nvidia在本輪新增的兩個基準測試中創(chuàng)造了性能記錄，包括Llama 3.1 8B和FLUX.1。Nvidia能夠在5.2分鐘內用512個Blackwell Ultra GPU組成的系統(tǒng)訓練Llama 3.1 8B模型。它能夠在由1152個Blackwell CPU組成的系統(tǒng)上以12.5分鐘的創(chuàng)紀錄時間完成FLUX.1圖像生成器基準測試。該公司現(xiàn)有的圖神經網絡、對象檢測和推薦系統(tǒng)測試記錄仍然有效。

在人工智能時代，一個訓練或微調模型，然后過渡到生產（即推理）模式的速度將決定競爭能力。正如Salvator所指出的那樣，Nvidia的設備在人工智能游戲的每個階段都占據主導地位。

他說：“訓練領域的性能提升轉化為模型的更快收斂。模型收斂越快，模型部署得越快，組織獲得投資回報率的速度就越快，這最終是許多組織的目標，即能夠以一種實際上有利可圖的方式部署這些東西?！?/p>

與 Ai 時代前沿合作，將大門向更多普通用戶敞開！無論你是對新技術充滿好奇心的愛好者，還是希望提升自己技能的職場人士，這里都有適合你的課程和資源。歡迎掃碼加入我們！