當地時間週二，機器學習及人工智慧領域開放產業聯盟MLCommons披露兩項MLPerf基準評測的最新數據，其中英偉達H100晶片組在人工智慧算力表現的測試中，刷新了所有組別的紀錄，也是唯一能夠跑完所有測試的硬體平台。
（來源：英偉達、MLCommons）
MLPerf是由學術界、實驗室和產業組成的人工智慧領袖聯盟，是目前國際公認的權威AI效能評測基準。 Training v3.0包含8種不同的負載，包括視覺（影像分類、生物醫學影像分割、兩種負荷的物體偵測）、語言（語音辨識、大語言模型、自然語言處理）和推薦系統。換種說法，就是不同設備供應商完成基準任務所花費的時間不同。
（Training v3.0訓練基準，來源：MLCommons）
在投資人比較關注的「大語言模型」訓練測試中，英偉達和GPU雲端算力平台CoreWeave提交的數據為這項測試設定了殘酷的業界標準。在896個英特爾至強8462Y 處理器和3584個英偉達H100晶片的齊心協力下，僅花了10.94分鐘就完成了基於GPT-3的大語言模型訓練任務。
除了英偉達外，只有英特爾的產品組合在這個專案上獲得評測數據。由96個至強8380處理器和96個Habana Gaudi2 AI晶片建構的系統中，完成同樣測試的時間為311.94分鐘。使用768個H100晶片的平台進行橫向比較測試，僅需45.6分鐘。
（晶片越多數據越好看，來源：英偉達）
對於這個結果，英特爾也表示仍有上升空間。理論上只要堆更多的晶片，運算的結果自然就會更快。英特爾AI產品資深主管Jordan Plawner對媒體表示，接下來Habana的運算結果將會呈現1.5倍-2倍的提升。 Plawner拒絕透露Habana Gaudi2的具體售價，僅表示業界需要第二家廠商提供AI訓練晶片，而MLPerf的數據顯示英特爾有能力填補這個需求。
而在中國投資者更熟悉的BERT-Large模型訓練中，英偉達和CoreWeave將數據刷到了極端的0.13分鐘，在64卡的情況下，測試數據也達到了0.89分鐘。目前主流大模型的基礎架構是BERT模型中的Transformer結構。
來源：財聯社
以上是英偉達H100霸榜權威AI性能測試 11分鐘搞定基於GPT-3的大模型訓練的詳細內容。更多資訊請關注PHP中文網其他相關文章！
