Звіт MLPerf Training Benchmark показує, що Nvidia, Intel і Google змагаються за домінування генеративного штучного інтелекту
Коротко
Нещодавній звіт про порівняльний тест MLPerf Training 3.1 надав короткий огляд інтенсивної конкуренції AI між Nvidia, Intel і Google.
У галузі штучного інтелекту (ШІ) відбуваються сейсмічні зміни, і такі великі гравці, як Nvidia, Intel і Google, змагаються за те, щоб бути в авангарді цієї революції.
Недавня Тести MLPerf Training 3.1 надали короткий огляд гострої конкуренції між цими технологічними гігантами, продемонструвавши безпрецедентні успіхи в навчанні з великої мовної моделі (LLM).
У першому кварталі 2023 року Nvidia, Intel і Google оприлюднили свої системи нейронних мереж ШІ для завдань глибокого навчання. До кінця року звіт показує, що компанії провели тести, щоб продемонструвати рівень своїх досягнень.
Тести MLPerf нещодавно стали полем битви для демонстрації прогресу в підготовці LLM. Раніше домінували Передбачення закону Мурагалузь штучного інтелекту зараз масштабує апаратне та програмне забезпечення темпами, які випереджають традиційні прогнози.
Ряд експертів стверджує, що закон Мура поступово сходить нанівець, тому нові відкриття Nvidia, Intel і Google, ймовірно, стануть у нагоді.
Домінування суперкомп’ютера Nvidia EOS
Компанія Nvidia, лідер у галузі ШІ, нещодавно представила свій суперкомп’ютер EOS, технологічне диво з 10,752 XNUMX графічним процесором, підключеним через Nvidia Quantum-2 InfiniBand. У тестах MLPerf Training 3.1 Nvidia досягла приголомшливого підвищення швидкості навчання LLM у 2.8 рази для свого GPT-3 модель з червня.
Завдання включали узагальнення, переклад, класифікацію та генерацію нового контенту, такого як комп’ютерний код, маркетингова копія, поезія тощо.
Приголомшливі характеристики системи EOS, включаючи понад 40 екзафлопсів обчислень штучного інтелекту, підкреслюють прагнення Nvidia розширювати межі штучного інтелекту.
Прорив Gaudi 2 Accelerator від Intel
Intel досягла значних успіхів у цьому Прискорювач Habana Gaudi 2, використовуючи комбінацію методів, у тому числі використання типів даних із 8-бітовою плаваючою комою (FP8).
Результати говорять самі за себе: приголомшливе підвищення швидкості тренувань на 103% порівняно з червневими тестами MLPerf. Стратегічне зосередження Intel на показниках ціни та ефективності позиціонує її як серйозного конкурента в середовищі навчання ШІ.
«Ми прогнозували 90-відсотковий приріст від переходу на FP8», — сказав Ейтан Медіна, операційний директор Intel Habana Labs. «Ми забезпечили більше, ніж обіцяли, — скоротили час навчання на 103 відсотки для кластера з 384 прискорювачами».
Google Cloud TPU v5e і можливості масштабування
Так само Google зі своїм Cloud TPU v5e, брав участь у конкурсі, демонструючи свої можливості масштабування. Використовуючи FP8 для оптимальної продуктивності навчання, Google підкреслив свою технологію багатозрізкового масштабування, що забезпечує вражаюче масштабування до 1,024 вузлів за допомогою 4,096 мікросхем TPU v5e.
Прагнення Google до ефективного масштабування зараз позиціонує її як ключового гравця в гонці за домінування ШІ, оскільки компанія ніколи не припиняє оптимізувати своє програмне забезпечення.
Жорстка конкуренція між Nvidia, Intel і Google на арені навчання ШІ змінює майбутнє штучного інтелекту. Розсуваючи межі підготовки LLM, ці технологічні гіганти не тільки перевершують прогнози закону Мура, але й просувають галузь на незвідані території.
Результати цього змагання, безсумнівно, вплинуть на траєкторію розвитку штучного інтелекту та прокладуть шлях до трансформаційних досягнень у цій галузі.
відмова
Відповідно до Правила проекту Trust, будь ласка, зверніть увагу, що інформація, надана на цій сторінці, не призначена і не повинна тлумачитися як юридична, податкова, інвестиційна, фінансова або будь-яка інша форма консультації. Важливо інвестувати лише те, що ви можете дозволити собі втратити, і звернутися за незалежною фінансовою порадою, якщо у вас виникнуть сумніви. Щоб отримати додаткову інформацію, ми пропонуємо звернутися до положень та умов, а також до сторінок довідки та підтримки, наданих емітентом або рекламодавцем. MetaversePost прагне до точного, неупередженого звітування, але ринкові умови можуть змінюватися без попередження.
про автора
Аня — досвідчений ІТ-письменник із пристрастю досліджувати передові теми в індустрії технологій, зокрема генеративний ШІ, Web3 гейміфікація та великі мовні моделі (LLM). Маючи ступінь усного перекладу, вона володіє унікальним поєднанням лінгвістичного досвіду та технічної кмітливості. Її допитливий розум і великий досвід дозволяють їй орієнтуватися в технологічних інноваціях, що постійно розвиваються. Аня присвятила себе розкриттю ідей і тенденцій у різних мовних сегментах Інтернету, вносячи у свою роботу далекоглядну перспективу. Завдяки своїм статтям вона прагне подолати прірву між складними ІТ-концепціями та глобальною аудиторією, роблячи технології доступними та привабливими для читачів у всьому світі.
інші статті
Аня — досвідчений ІТ-письменник із пристрастю досліджувати передові теми в індустрії технологій, зокрема генеративний ШІ, Web3 гейміфікація та великі мовні моделі (LLM). Маючи ступінь усного перекладу, вона володіє унікальним поєднанням лінгвістичного досвіду та технічної кмітливості. Її допитливий розум і великий досвід дозволяють їй орієнтуватися в технологічних інноваціях, що постійно розвиваються. Аня присвятила себе розкриттю ідей і тенденцій у різних мовних сегментах Інтернету, вносячи у свою роботу далекоглядну перспективу. Завдяки своїм статтям вона прагне подолати прірву між складними ІТ-концепціями та глобальною аудиторією, роблячи технології доступними та привабливими для читачів у всьому світі.
