GPU Blackwell ของ NVIDIA เอาชนะคู่แข่งอย่างราบคาบในการวัดประสิทธิภาพ MLPerf Training ล่าสุด โดยทำสถิติใหม่ทั้งในด้านขนาดและประสิทธิภาพดิบ รอบ v6.0 ที่เผยแพร่ในสัปดาห์นี้ เป็นครั้งแรกที่ตัวเร่งศูนย์ข้อมูลรุ่นถัดไปของบริษัทปรากฏในชุดเกณฑ์วัดมาตรฐานอุตสาหกรรม — และพวกเขาไม่เพียงแค่ชนะ แต่ยังเขียนกระดานคะแนนใหม่
MLPerf v6.0 วัดอะไร
MLPerf เป็นชุดเกณฑ์วัดที่ใช้กันอย่างแพร่หลายที่สุดสำหรับการฝึกโมเดล AI โดยทดสอบว่าฮาร์ดแวร์สามารถฝึกโครงข่ายประสาทเทียมต่างๆ ได้เร็วและมีประสิทธิภาพเพียงใด ตั้งแต่การจำแนกภาพไปจนถึงการประมวลผลภาษาธรรมชาติ โดยใช้เฟรมเวิร์กจริงอย่าง PyTorch และ TensorFlow รอบ v6.0 เพิ่มภาระงานใหม่และกฎเกณฑ์ที่เข้มงวดขึ้นเกี่ยวกับการรายงานพลังงาน ทำให้ผลลัพธ์มีความเกี่ยวข้องกับศูนย์ข้อมูลในการผลิตมากขึ้น
NVIDIA ส่งผลลัพธ์สำหรับ GPU Blackwell ในหลายหมวดหมู่ รวมถึงการฝึกในระดับที่ใหญ่ที่สุด บริษัทรายงานว่าระบบของตนมีเวลาการฝึกที่เร็วที่สุดเท่าที่เคยบันทึกไว้ใน MLPerf ซึ่งมักจะนำหน้าเจ้าของสถิติเดิมอย่างขาดลอย เกณฑ์วัดยังแสดงให้เห็นว่าสถาปัตยกรรม Blackwell สามารถปรับขนาดได้เกือบเป็นเส้นตรงเมื่อเพิ่ม GPU มากขึ้น ซึ่งเป็นข้อกำหนดสำคัญสำหรับการสร้างคลัสเตอร์ขนาดใหญ่ที่ใช้ฝึกโมเดล AI ระดับแนวหน้า
ทำไมสถิตินี้ถึงสำคัญ
สำหรับบริษัทที่แข่งกันพัฒนาโมเดล AI ที่ใหญ่ขึ้นและมีความสามารถมากขึ้น ความเร็วในการฝึกแปลโดยตรงเป็นรอบการทำซ้ำที่สั้นลงและต้นทุนที่ลดลง GPU ที่สามารถฝึกโมเดลภาษาที่ทันสมัยได้ในวันแทนที่จะเป็นสัปดาห์ช่วยประหยัดค่าไฟฟ้าและค่าใช้จ่ายคลาวด์คอมพิวติ้งนับล้าน ดอลลาร์ ผลลัพธ์ของ Blackwell แสดงให้เห็นว่า NVIDIA ได้ยกระดับมาตรฐานอีกครั้งสำหรับสิ่งที่เป็นไปได้ในโครงสร้างพื้นฐาน AI
บริษัทไม่ได้เปิดเผยราคาหรือกำหนดการวางจำหน่ายที่แน่นอนสำหรับ GPU Blackwell ที่ใช้ในเกณฑ์วัด แต่การส่งผลลัพธ์ MLPerf ยืนยันว่าชิปกำลังเคลื่อนจากกระดาษสู่ซิลิคอนจริง — และให้ประสิทธิภาพตามที่ผู้บริหารสัญญาไว้เป็นเวลาหลายเดือน
คู่แข่งของ NVIDIA รวมถึง AMD และ Intel ก็ส่งผลลัพธ์ MLPerf ในรอบล่าสุดเช่นกัน แต่ยังไม่มีใครเทียบปริมาณงานและประสิทธิภาพโดยรวมของระบบ Blackwell ได้ ช่องว่างอาจแคบลงเมื่อสถาปัตยกรรมคู่แข่งพัฒนาเต็มที่ แต่ในตอนนี้ NVIDIA ยังคงเป็นผู้นำที่เหนือชั้นในเกณฑ์วัดการฝึก AI ที่สำคัญที่สุดสำหรับไฮเปอร์สเกลเลอร์และห้องปฏิบัติการวิจัย
ชุดผลลัพธ์ v6.0 ทั้งหมด รวมถึงรายละเอียดต่อภาระงานและการวัดพลังงาน ได้รับการเผยแพร่บนเว็บไซต์ MLPerf ในช่วงต้นสัปดาห์นี้ นักวิเคราะห์อุตสาหกรรมและผู้สร้างระบบจะศึกษาตัวเลขเพื่อดูว่าสถาปัตยกรรม Blackwell บรรลุความได้เปรียบได้อย่างไร — และว่าผลประโยชน์ใดๆ มาจากลูกเล่นที่ไม่สามารถนำไปใช้ในการใช้งานจริงหรือไม่
