近日，據科技媒體報道，英偉達（NVIDIA）于 11 月 13 日首次公布了其新一代 Blackwell GPU 在 MLPerf v4.1 AI 訓練工作負載中的成績，結果令人印象深刻。Blackwell GPU 在訓練 Llama 2 70B（微調）模型時，相比上一代 Hopper H100 GPU，表現出 2.2 倍的性能提升，標志著英偉達在 AI 加速領域的一次重大飛躍。

隨著人工智能領域對計算能力需求的指數級增長，AI 模型的訓練和推理性能已成為衡量硬件加速器的重要標準。英偉達在此次發布的基準測試中展示了 Blackwell GPU 在多個常見 AI 訓練工作負載中的卓越表現。主要的測試模型包括：Llama 2 70B（大規模語言模型微調）、Stable Diffusion（文本到圖像生成）、DLRMv2（推薦系統）、BERT（自然語言處理）、RetinaNet（目標檢測）、GPT-3 175B（大規模語言模型預訓練）、R-GAT（圖神經網絡）。

根據英偉達的官方聲明，Blackwell GPU 采用了一系列設計創新，旨在大幅提升每個 GPU 的計算吞吐量。特別是，Blackwell 配備了更大更快的高帶寬內存，這使其在不降低性能的情況下，能夠在更少的 GPU 數量上運行更復雜的 AI 模型。例如，在 GPT-3 175B 基準測試中，64 張 Blackwell GPU 的性能可以媲美 256 張 Hopper GPU。

這一技術優勢使得 Blackwell 在多個關鍵性能指標上超越了 Hopper H100 GPU，尤其是在處理大規模 AI 模型訓練時，其效率和性能優勢十分明顯。英偉達指出，這一進步對于數據中心級別的應用至關重要，能夠顯著提升 AI 訓練的速度和成本效益。

雖然 Blackwell GPU 的表現令人矚目，但英偉達的 Hopper H100 GPU 也在持續優化中取得了顯著進展。自發布以來，Hopper GPU 在多次軟件更新中提升了性能，尤其是在大規模語言模型（LLM）預訓練任務中，H100 GPU 在 GPT-3 訓練中的表現提升了約 70%。英偉達還利用 11616 個 H100 GPU 提交了 MLPerf 的最大規模基準測試，進一步驗證了其在大規模 AI 訓練中的強大能力。