حطمت معالجات NVIDIA Blackwell المنافسة في أحدث معايير MLPerf للتدريب، محققة نتائج قياسية من حيث الحجم والأداء الخام. تم إصدار الجولة 6.0 هذا الأسبوع، وهي المرة الأولى التي تظهر فيها مسرعات مراكز البيانات من الجيل التالي للشركة في مجموعة المعايير الصناعية — ولم يفزوا فقط، بل أعادوا كتابة لوحة النتائج.
ما تقيسه معايير MLPerf v6.0
MLPerf هي مجموعة المعايير الأكثر استخدامًا لتدريب نماذج الذكاء الاصطناعي. تختبر مدى سرعة وكفاءة الأجهزة في تدريب مجموعة متنوعة من الشبكات العصبية — من تصنيف الصور إلى معالجة اللغة الطبيعية — باستخدام أطر عمل حقيقية مثل PyTorch وTensorFlow. أضافت الجولة 6.0 أعباء عمل جديدة وقواعد أكثر صرامة للإبلاغ عن استهلاك الطاقة، مما يجعل النتائج أكثر صلة بمراكز بيانات الإنتاج.
قدمت NVIDIA نتائج معالجات Blackwell عبر فئات متعددة، بما في ذلك أكبر عمليات التدريب من حيث الحجم. ذكرت الشركة أن أنظمتها حققت أسرع أوقات تدريب تم تسجيلها على الإطلاق في MLPerf، وغالبًا بفارق كبير عن حاملي الأرقام القياسية السابقة. أظهرت المعايير أيضًا أن بنية Blackwell تتوسع بشكل خطي تقريبًا عند إضافة المزيد من معالجات GPU، وهو شرط أساسي لبناء المجموعات الضخمة المستخدمة في تدريب نماذج الذكاء الاصطناعي المتطورة.
لماذا يهم الرقم القياسي
بالنسبة للشركات التي تتسابق لتطوير أنظمة ذكاء اصطناعي أكبر وأكثر قدرة، تترجم سرعة التدريب مباشرة إلى دورات تكرار أقصر وتكاليف أقل. معالج GPU يمكنه تدريب نموذج لغة متطور في أيام بدلاً من أسابيع يوفر ملايين الدولارات في فواتير الكهرباء والحوسبة السحابية. تشير نتائج Blackwell إلى أن NVIDIA رفعت مرة أخرى سقف ما هو ممكن في بنية الذكاء الاصطناعي التحتية.
لم تكشف الشركة عن أسعار محددة أو جداول زمنية لتوفر معالجات Blackwell المستخدمة في المعايير. لكن تقديم MLPerf يؤكد أن الرقائق تنتقل من الورق إلى السيليكون الحقيقي — وأنها تحقق وعود الأداء التي كان المسؤولون التنفيذيون يطلقونها لأشهر.
منافسو NVIDIA، بما فيهم AMD وIntel، قدموا أيضًا نتائج MLPerf في جولات سابقة، لكن لم يتمكن أي منهم حتى الآن من مضاهات الإنتاجية والكفاءة الهائلة لأنظمة Blackwell. قد تضيق الفجوة مع نضوج البنى المنافسة، لكن في الوقت الحالي، تحتفظ NVIDIA بقيادة ساحقة في معيار تدريب الذكاء الاصطناعي الأكثر أهمية لمراكز البيانات الضخمة ومختبرات الأبحاث.
نُشرت المجموعة الكاملة لنتائج v6.0، بما في ذلك تفصيلات أعباء العمل وقياسات الطاقة، على موقع MLPerf الإلكتروني في وقت سابق من هذا الأسبوع. سيدرس محللو الصناعة وبناة الأنظمة الأرقام لمعرفة كيف تحقق بنية Blackwell تفوقها — وما إذا كانت أي من المكاسب تأتي من حيل لن تنطبق على النشر في العالم الحقيقي.
