明敏 发自 凹非寺 量子位 | 公众号 QbitAI
11分钟内训练一遍GPT-3，8秒训完BERT。
这就是英伟达给AI圈的一点“小小震撼”。
在最新MLPerf训练基准测试中，英伟达H100集群，横扫八项测试，全部创下新纪录，并且在大语言模型任务中表现尤为突出！
在大语言模型任务中，H100集群的加速性能逼近线性增长。
即随着集群处理器数量增加，加速效果也几乎同比增加。
这意味着在集群内GPU之间的通信效率非常高。
除此之外，H100还完成了推荐算法、CV、医学图像识别以及语音识别等任务，是唯一一个参加8项测试的集群。
而在算力就是生产力的时代下，这波成绩意味着什么，懂得都懂。
据悉，本次测试系统由英伟达和Inflection AI联合开发，在云厂商CoreWeave上托管。
单节点性能增长明显
这次MLPerf Training v3.0中增加了两项新任务：
- 大语言模型（基于GPT-3）
- 推荐算法
这意味着测试任务包含了更大的数据集和更先进的模型。
如上刷新各项记录的，是由3584块H100组成的超大集群。
它的具体成绩如下：
这是本轮测试中，英伟达拿出的最大集群。
实际上他们还提交了一个包含768块H100的集群进行测试，并分别在云上和本地部署。
结果显示二者性能几乎完全相同。
更进一步还论证了随着集群中显卡数量的增加，其性能提升可以接近线性增长。
（NVIDIA Pre-Eos为本地部署，NVIDIA+CoreWeave为云上部署）
除此之外，这轮测试中英伟达还刷新了单节点加速记录。
和6个月前MLPef Training v2.1的数据比较，单个DGX H100系统（8块H100组成）在各项任务中平均提速17%。
和A100 Tensor Core GPU相比，最高能提速3.1倍（BERT任务）。
这些加速效果的实现，主要得益于两个方面。
一方面是H100本身就足够强悍。
H100基于最新Hopper架构，采用台积电4nm工艺，集成800亿个晶体管，较A100增加了260亿个。
内核数量达到前所未有的16896个，是A100的2.5倍。
由于面向AI计算，H100中专门搭载了Transformer Engine，让大模型训练速度可直接×6。
另一方面则是依赖集群内的加速网络。
这里使用的是英伟达Quantum-2 InfiniBand网络，是该网络架构的第七代。
官网介绍，加速网络能够提供软件定义网络、网络内计算、性能隔离、优越加速引擎、RDMA和最快达400Gb/s的安全加速。
据悉，共有90个系统参与最新一轮测试，其中82个使用了英伟达的GPU，英特尔方面有7个系统参与。
英特尔的加速系统使用了64-96 Intel Xeon Platinum 8380处理器和256-389 Intel Habana Gaudi2加速器。
其高配系统完成LLM的训练时间为311分钟。
基于这次报告的测试结果，有分析师表示他感受到的最大震撼不是H100本身的性能，而是在云上训练AI实现的卓越效果。
那么这次和英伟达合作的云厂商CoreWeave是谁？联合开发系统Inflection AI又来者何人？
计算集群还会进一步扩大
首先来看CoreWeave。
它成立于2017年，是一家大型云厂商，号称提供业内最快、最灵活的大规模GPU计算资源，提供渲染、机器学习等云上方案，速度比大型公共云快35倍，成本低80%。
而这家云厂商很受科技巨头青睐，英伟达在此之前没少cue过它。
5月，CoreWeave拿下2亿美元融资，主要来自对冲基金Magnetar Capital，B轮总融资额达到4.21亿美元。
6月，有消息称微软与CoreWeave签署AI算力协议，用于计算基础设施，未来数年内的投资金额可能数十亿美元。
英伟达也向CoreWeave投资了1亿美元，4月时它的估值为20亿美元。
另一家AI初创公司Inflection AI由DeepMind创始成员穆斯塔法·苏莱曼（Mustafa Suleyman）等人创立。
这家公司成立于22年3月，已拿下2.25亿美元融资，估值超12亿美元。
公司已经开发出了一个大语言模型Pi，正是在H100集群上训练出来的。
据了解，Pi的定位是帮助人类更好和计算机交互，它能通过聊天内容来逐渐了解用户，然后提供更加个性化的回答，类似于个人智能管家的感觉。
Inflection AI的最新Blog里表示，基于目前的合作，他们计划在未来几个月内进一步扩大底层计算基础设施的规模。
