Google Cloud presenterar avancerade AI-träningsbenchmarkar med sjunde generationens Ironwood TPUs

Bild: Google · Källa
Google Cloud visar nya MLPerf Training v6.1-resultat med sjunde generationens Ironwood TPUs och NVIDIA Grace Blackwell GPUs, vilket demonstrerar ledande AI-träningshastigheter och effektivitet på banbrytande förtränings- och agentförstärkningsinlärningsbenchmarkar.
Google Cloud har publicerat nya prestandabenchmarkar för AI-träning som en del av MLPerf Training v6.1, och lyfter fram betydande framsteg med sin sjunde generationens Ironwood Tensor Processing Units (TPUs) och NVIDIA Grace Blackwell GPUs. Dessa resultat visar Googles fortsatta satsning på samdesignad kiselteknologi, nätverk och öppna mjukvaruinfrastrukturer inom sin AI Hypercomputer-arkitektur.
Bland de viktigaste prestationerna fullbordade 8 192 Ironwood TPUs förträningen av en stor maskininlärningsmodell på endast 1,70 minuter, med effektiv skalning upp till 4 096 chip och en bibehållen effektivitet på 96 %. Denna snabba träningstid markerar en betydelsefull milstolpe i att minska AI-utvecklingscykler för storskaliga modeller.
Dessutom demonstrerade Ironwood-arkitekturen sina kapaciteter på en ny agentbaserad förstärkningslärningsbenchmark – den första MLPerf-tävlingen av sitt slag. Med hjälp av 640 Ironwood TPUs nådde systemet målkodningsnoggrannheten för denna agentbaserade RL på 18,02 minuter, och överträffade benchmarkens målpoäng på 0,69 med ett resultat på 0,765. Träningsuppsättningen optimerade också chipanvändningen och säkerställde att hårdvaran stod stilla mindre än 3 % av tiden under samtidigt kodgenererings- och inlärningsarbete.
Samtidigt med TPUs skickade Google Cloud även in resultat med NVIDIA Grace Blackwell GPUs på sina A4X Max-instanser. En kluster av 256 NVIDIA GB300 GPUs slutförde förträningsbenchmarken på 31,96 minuter, med ytterligare inskickade resultat för den agentbaserade RL-benchmarken.
Dessa benchmarkar speglar synergierna mellan Googles anpassade hårdvaru- och mjukvarustack, och driver gränserna för AI-träningshastighet och effektivitet. De detaljerade resultaten understryker fördelarna med tätt integrerad moln-AI-infrastruktur skräddarsydd för stora och komplexa modellarbetsbelastningar.
För fullständiga tekniska detaljer och ytterligare resultat från MLPerf Training v6.1-rundan erbjuder Google Clouds officiella blogg en omfattande täckning.
Källor och ursprunglig rapportering
Läs den ursprungliga källan ↗

Kommentarer (0)
Inga kommentarer ännu. Börja diskussionen.
Skriv en kommentar
Kommentarer publiceras efter granskning. Ditt namn och kommentar syns offentligt. Konto