وحدات معالجة الرسومات H100 من NVIDIA تهيمن على معيار MLPerf للذكاء الاصطناعي التوليدي

وضعت وحدات معالجة الرسومات H100 Tensor Core من NVIDIA معياراً جديداً لأداء الذكاء الاصطناعي التوليدي في معيار MLPerf الأول. أظهر المعيار أن وحدات H100 تتفوق على جميع المنافسين الآخرين في جميع الاختبارات الثمانية، بما في ذلك الاختبار الصعب للذكاء الاصطناعي التوليدي. أظهرت الوحدات أداءها المتميز لكل معجل وعلى نطاق واسع في الخوادم الضخمة، مما يوفر أداءً عالياً لنماذج اللغات الكبيرة (LLMs) التي تقود الذكاء الاصطناعي التوليدي.

قابلية توسع لا مثيل لها وأداء على نطاق واسع

سُجل إنجاز ملحوظ على مجموعة مكونة من 3,584 وحدة H100 GPU، تم تطويرها بشكل مشترك من قبل شركة Inflection AI الناشئة وتشغيلها من قبل مزود خدمات السحابة CoreWeave. أكمل هذا النظام معيار تدريب ضخم قائم على GPT-3 في أقل من أحد عشر دقيقة. وأكد بريان فينتورو، الرئيس التنفيذي للتكنولوجيا في CoreWeave، على الأداء الرائع الذي يتمتع به عملاؤهم، بفضل آلاف وحدات H100 GPU على شبكات InfiniBand السريعة ذات زمن الوصول المنخفض.

استغلت Inflection AI الأداء الاستثنائي لوحدات H100 GPU لبناء نموذج اللغة الكبيرة (LLM) المتقدم الخاص بها، والذي يقود أول ذكاء اصطناعي شخصي لها يُدعى Pi (الذكاء الشخصي). تخطط الشركة لإنشاء ذكاء اصطناعي شخصي يمكن للمستخدمين التفاعل معه بطرق بسيطة وطبيعية. سلط مصطفى سليمان، الرئيس التنفيذي لشركة Inflection AI، الضوء على أن أي شخص يمكنه تجربة قوة الذكاء الاصطناعي الشخصي اليوم بناءً على نموذج اللغة الكبيرة المتطور الخاص بهم، المدرب على شبكة CoreWeave القوية من وحدات H100 GPU.

أعاد معيار MLPerf تأكيد الأداء الاستثنائي لوحدات H100 GPU. حققت أعلى أداء عبر جميع المعايير، بما في ذلك نماذج اللغات الكبيرة، وأنظمة التوصية، ورؤية الكمبيوتر، والتصوير الطبي، والتعرف على الكلام. كانت وحدات H100 GPU هي الرقائق الوحيدة التي شغلت جميع الاختبارات الثمانية، مما يوضح تنوع منصة NVIDIA AI.

أظهرت المعايير أيضاً تميز وحدات H100 GPU عند التشغيل على نطاق واسع. في كل اختبار من اختبارات MLPerf، حددت وحدات H100 GPU أرقاماً قياسية جديدة لأداء تدريب الذكاء الاصطناعي. مكّنت التحسينات عبر طبقة التكنولوجيا من تحقيق توسع خطي شبه كامل للأداء، حتى مع توسع المشاركات من مئات إلى آلاف وحدات H100 GPU. عكس الأداء المستند إلى السحابة في CoreWeave الأداء الذي حققته الحاسوب فائق الذكاء من NVIDIA في مركز بيانات محلي، مما يبرز قدرات شبكات زمن الوصول المنخفض لشبكة NVIDIA Quantum-2 InfiniBand.

نظام بيئي واسع والاعتراف الصناعي

حدّث MLPerf معياره لأنظمة التوصية، وكانت NVIDIA الشركة الوحيدة التي قدمت نتائج على المعيار المحسّن. تم عرض النظام البيئي الواسع لـ NVIDIA AI في هذه الجولة، مع مشاركات من ما يقرب من اثني عشر شركة، بما في ذلك صانعو الأنظمة الكبار مثل ASUS و Dell Technologies و GIGABYTE و Lenovo و QCT. يطمئن هذا المستوى من المشاركة المستخدمين على أنهم يمكن أن يتوقعوا أداءً ممتازاً من NVIDIA AI، سواء في السحابة أو في مراكز البيانات الخاصة بهم.

يتجلى التزام NVIDIA بالأداء عبر جميع أعباء العمل من خلال مشاركتها في MLPerf. تغطي المعايير أعباء عمل متنوعة، بما في ذلك رؤية الكمبيوتر، والترجمة والتعلم المعزز، والذكاء الاصطناعي التوليدي، وأنظمة التوصية. يمكن للمستخدمين الاعتماد على نتائج MLPerف لاتخاذ قرارات شراء مستنيرة، حيث أن الاختبارات شفافة وموضوعية، مدعومة بمجموعة واسعة من قادة الصناعة.

دفع كفاءة الطاقة وإتاحة البرمجيات

تم أيضاً التأكيد على أهمية كفاءة الطاقة لأداء الذكاء الاصطناعي. تتيح وحدات معالجة الرسومات من NVIDIA في مراكز البيانات المسرعة زيادة الكفاءة من خلال استخدام عدد أقل من عقد الخوادم، مما يقلل من مساحة الرفوف واستهلاك الطاقة. تعزز الشبكات المسرعة الكفاءة والأداء أكثر، بينما تجلب التحسينات البرمجية المستمرة مكاسب إضافية على نفس الأجهزة. لا تفيد كفاءة الطاقة البيئة فحسب، بل تساعد أيضاً المنظمات على تسريع وقت الوصول إلى السوق وتطوير تطبيقات متقدمة.

يوفر NVIDIA AI Enterprise، طبقة البرمجيات لمنصة NVIDIA AI، أداءً محسّناً على بنية الحوسبة المتسارعة الرائدة. إنه يوفر دعماً على مستوى المؤسسات، وأماناً، وموثوقية لتشغيل الذكاء الاصطناعي في مراكز البيانات المؤسسية. يمكن لأي شخص مهتم باستخدام قوة تكنولوجيا الذكاء الاصطناعي من NVIDIA الوصول إلى هذه النتائج المتميزة لأن البرمجيات المستخدمة في معايير MLPerf متاحة عبر مستودع MLPerf.