NVIDIA AI 仍是唯一能夠運行 MLPerf 行業基準測試中所有測試的平臺， A100 GPU 自發布以來連續兩年一直保持著獲勝次數最多的紀錄。

根據今天發布的 MLPerf 基準測試結果， NVIDIA 及其合作伙伴占了所有參賽生態伙伴的 90%，并且繼續提供了最佳的整體 AI 訓練性能和提交了最多的測試項。

NVIDIA AI 平臺覆蓋了 MLPerf 訓練 2.0 版本中的所有八項基準測試，突顯了其領先的通用性。

除 NVIDIA 之外，無其它加速器運行過所有基準測試，這些基準測試代表了流行的 AI 用例，包括語音識別、自然語言處理、推薦系統、目標檢測、圖像分類等，而 NVIDIA 自 2018 年 12 月向作為行業標準 AI 基準測試的 MLPerf 提交首輪測試結果以來就一直如此。

領先的基準測試結果與可用性

在連續第四次 MLPerf 訓練提交結果中，基于 NVIDIA Ampere 架構的 NVIDIA A100 Tensor Core GPU 依然表現出色。

各個提交者平臺在每個網絡的“最快訓練時間”

Selene 是 NVIDIA 內部的一臺 AI 超級計算機，它基于模塊化的 NVIDIA DGX SuperPOD，并由 NVIDIA A100 GPU、軟件堆棧和 NVIDIA InfiniBand 網絡驅動，在八項大規模工作負載測試的四項中獲得 “最快訓練時間” 。

為了計算單芯片性能，該圖表將每份提交結果歸一化到每個提交者最常見的尺度，檢測分數歸一化到速度最快的競爭者，最快競爭者顯示為 1 倍。

NVIDIA A100 還保持了單芯片性能上的領導地位，在八項測試中的六項測試中呈現了最快的速度。

共有 16 家合作伙伴使用 NVIDIA AI 平臺提交了本輪結果，包括華碩、百度、中國科學院自動化研究所、戴爾科技、富士通、技嘉、新華三、慧與、浪潮、聯想、寧暢和超微。

NVIDIA 的大多數 OEM 合作伙伴提交了使用 NVIDIA 認證系統得到的結果，這些服務器經過 NVIDIA 驗證，能夠為企業部署提供出色的性能、可管理性、安全性和可擴展性。

多種模型驅動實際 AI 應用

AI 應用可能需要理解用戶說出的要求，對圖像進行分類、提出建議并以語音信息的形式作出回應。

即使是上圖簡單的用例也需要將近 10個模型，這突出了運行每個基準的重要性

這些任務需要多種類型的 AI 模型按順序工作，用戶需要能夠快速且靈活地設計、訓練、部署和優化這些模型。

這也是為什么通用性（能夠在 MLPerf 及其他版本中運行每個模型）以及領先的性能都是將現實世界的 AI 引入入生產的關鍵。

通過 AI 實現投資回報

對于客戶而言，數據科學和工程團隊是最寶貴的資源，他們的生產力決定了 AI 基礎設施的投資回報?？蛻舯仨毧紤]昂貴的數據科學團隊的成本，這通常在部署 AI 的總成本中占比很重，而部署 AI 基礎設施本身的成本相對較少。

AI 研究人員的生產力取決于能否快速測試新的想法，這需要通用性來訓練任何模型，以及大規模訓練模型所能提供的速度。這就是為什么企業關注單位成本的整體生產力，以確定最佳的 AI 平臺——更全面的視角，更準確地代表了部署 AI 的真實成本。

此外， AI 基礎設施的利用率取決于可替換性，或在單一平臺上加速從數據準備到訓練再到推理的整個 AI 工作流程的能力。

憑借 NVIDIA AI，客戶可以在整個 AI 流程中使用相同的基礎設施，重新利用它來適配數據準備、訓練和推理之間的不同需求，這極大地提高了利用率，實現了非常高的投資回報率。

隨著研究人員發現新的 AI 突破口，支持最新模型創新是最大程度地延長 AI 基礎設施使用壽命的關鍵。

NVIDIA AI 兼容并適用于每個模型、可以擴展到任何規模，并加速從數據準備到訓練再到推理的端到端 AI 流程，能夠實現最高的單位成本生產力。

今天的結果再次證明了 NVIDIA 在迄今為止所有 MLPerf 訓練、推理和 HPC 評測中所展示的豐富而深厚的 AI 專業性。

3 年半內將性能提高 23 倍

自首次基于 A100 提交 MLPerf 基準測試以來的兩年時間里，在 NVIDIA 軟件堆棧持續優化的推動下， NVIDIA 平臺的性能已提高了 6 倍。

自 MLPerf 問世以來，歸功于跨 GPU、軟件和大規模改進的全棧式創新， NVIDIA AI 平臺在 3 年半時間里，在基準測試中實現了 23 倍的性能提升。正是這種對創新的持續追求，讓客戶確信他們現今投資的 AI 平臺將持續服務 3 至 5 年，并將繼續推進以適配最先進的技術。

此外， NVIDIA 于 3 月發布的 NVIDIA Hopper架構有望在未來的 MLPerf 基準測評中實現性能的另一巨大飛躍。

NVIDIA 如何做到這一點

軟件創新持續釋放 NVIDIA Ampere架構的更多性能。

例如，在提交結果中大量使用的 CUDA Graphs，該軟件可以最大限度地減少跨多個加速器上運行作業的啟動開銷。NVIDIA 不同庫的內核優化，如 cuDNN 和預處理庫 DALI，解鎖了額外的加速。NVIDIA 還實現了跨硬件、軟件和網絡的全棧改進，如 NVIDIA Magnum IO 和 SHARP，將部分 AI 功能卸載到網絡中，以獲得更好的性能，特別是在大規模的情況中。

NVIDIA 所使用的所有軟件均可從 MLPerf 資源庫中獲取，所有人都可以獲得 NVIDIA 的世界級領先成果。NVIDIA 不斷地將這些優化集成到 NVIDIA 的 GPU 應用軟件中心—— NGC 上提供的容器中，并通過 NVIDIA AI Enterprise 提供完全由 NVIDIA 支持，并經過優化的軟件。

從 A100 GPU 兩年前首次提交以來， NVIDIA AI 平臺繼續在 MLPerf 2.0 中提供最高的性能，仍是唯一能夠提交所有基準測試的平臺。NVIDIA 的下一代 Hopper 架構有望在未來的 MLPerf 評測中實現另一巨大飛躍。

NVIDIA 平臺適用于任何規模的模型和框架，并具有可替代性以處理 AI 工作負載的每個部分。它可以在所有云端和主要的服務器制造商上使用。

原文標題：NVIDIA 與合作伙伴在 MLPerf 中展示領先的 AI 性能和通用性

文章出處：【微信公眾號：NVIDIA英偉達企業解決方案】歡迎添加關注！文章轉載請注明出處。

審核編輯：湯梓紅