11 月 14 日消息，科技媒体 WccfTech 昨日（11 月 13 日）发布博文，报道称英伟达首次公布了 Blackwell GPU 在 MLPerf v4.1 AI 训练工作负载中的成绩，在训练 Llama 2 70B (Fine-Tuning) 模型时比 Hopper 快 2.2 倍。

测试简介

英伟达于今年 8 月，首次公布了 Blackwell GPU 在 MLPerf v4.1 AI 推理方面的基准测试成绩，而今天首次公布了该 GPU 在 MLPerf v4.1 AI 训练工作负载方面的测试成绩。

NVIDIA 表示，随着新模型的推出，AI 领域对计算的需求正在以指数级增长，因此需要大幅提升训练和推理 AI 的能力，附上本次训练工作负载主要使用的模型如下：

• Llama 2 70B（LLM 微调）
• Stable Diffusion（文本到图像）
• DLRMv2（推荐系统）
• BERT（自然语言处理）
• RetinaNet（目标检测）
• GPT-3 175B（LLM 预训练）
• R-GAT（图神经网络）

这些工作负载的基准测试为评估 AI 加速器的训练性能提供了准确的数据支持。

Hopper GPU 的持续优化

Hopper GPU 自发布以来，经过持续的软件优化，性能得到了显著提升。H100 GPU 在 LLM 预训练性能上比首次提交时快了 1.3 倍，并且在 GPT-3（175B 训练）中实现了 70% 的性能提升。

英伟达利用 11616 个 H100 GPU 进行了 MLPerf 的最大规模提交，进一步证明了其在数据中心级别的强大能力。

Blackwell 的技术优势

Blackwell GPU 的设计旨在提高每个 GPU 的计算吞吐量，配备更大更快的高带宽内存，不降低性能的前提下，能够在更少的 GPU 上运行 GPT-3 175B 基准测试。

根据测试结果，64 张 Blackwell GPU 的测试性能，可以达到 256 张 Hopper GPU 的水平。