英伟达展示 Blackwell GPU 在 AI 训练中的强大性能 比 Hopper 快 2.2 倍

近日，据科技媒体报道，英伟达（NVIDIA）于 11 月 13 日首次公布了其新一代 Blackwell GPU 在 MLPerf v4.1 AI 训练工作负载中的成绩，结果令人印象深刻。Blackwell GPU 在训练 Llama 2 70B（微调）模型时，相比上一代 Hopper H100 GPU，表现出 2.2 倍的性能提升，标志着英伟达在 AI 加速领域的一次重大飞跃。

随着人工智能领域对计算能力需求的指数级增长，AI 模型的训练和推理性能已成为衡量硬件加速器的重要标准。英伟达在此次发布的基准测试中展示了 Blackwell GPU 在多个常见 AI 训练工作负载中的卓越表现。主要的测试模型包括：Llama 2 70B（大规模语言模型微调）、Stable Diffusion（文本到图像生成）、DLRMv2（推荐系统）、BERT（自然语言处理）、RetinaNet（目标检测）、GPT-3 175B（大规模语言模型预训练）、R-GAT（图神经网络）。

根据英伟达的官方声明，Blackwell GPU 采用了一系列设计创新，旨在大幅提升每个 GPU 的计算吞吐量。特别是，Blackwell 配备了更大更快的高带宽内存，这使其在不降低性能的情况下，能够在更少的 GPU 数量上运行更复杂的 AI 模型。例如，在 GPT-3 175B 基准测试中，64 张 Blackwell GPU 的性能可以媲美 256 张 Hopper GPU。

这一技术优势使得 Blackwell 在多个关键性能指标上超越了 Hopper H100 GPU，尤其是在处理大规模 AI 模型训练时，其效率和性能优势十分明显。英伟达指出，这一进步对于数据中心级别的应用至关重要，能够显著提升 AI 训练的速度和成本效益。

虽然 Blackwell GPU 的表现令人瞩目，但英伟达的 Hopper H100 GPU 也在持续优化中取得了显著进展。自发布以来，Hopper GPU 在多次软件更新中提升了性能，尤其是在大规模语言模型（LLM）预训练任务中，H100 GPU 在 GPT-3 训练中的表现提升了约 70%。英伟达还利用 11616 个 H100 GPU 提交了 MLPerf 的最大规模基准测试，进一步验证了其在大规模 AI 训练中的强大能力。