04 Jun 2025, 18:09
AMD демонструє прогрес у тренувальних AI-бенчмарках та наближається до лідерства Nvidia
- MLPerf Training 2025 вперше містить результати тренування від AMD, що вказує на розширення конкуренції на ринку AI-апаратного забезпечення.
- Nvidia зберігає лідерство завдяки архітектурі Blackwell, системам GB200 NVL72 та масштабованим рішенням для найбільших моделей.
- AMD демонструє покращення продуктивності та програмного забезпечення, але ще не має масштабованих мережевих рішень для великих кластерів.
Про це повідомляють Forbes, VentureBeat.
У червні 2025 року організація MLCommons опублікувала результати чергового раунду бенчмарків MLPerf Training, у якому вперше взяли участь графічні процесори AMD для навчання моделей штучного інтелекту. Nvidia ж продемонструвала лідерство завдяки своїй новітній архітектурі Blackwell та системам GB200 NVL72, які забезпечили найкращі показники у всіх тестах, зокрема при навчанні великих мовних моделей, таких як Llama 3.1 405B.
AMD зосередилася на перевагах своєї платформи MI325, зокрема на великому обсязі HBM-пам’яті, що дозволяє ефективно тренувати моделі середнього розміру, наприклад Llama 2-70B LORA. У цьому тесті AMD показала результат на 8% кращий за Nvidia H200, однак її рішення поки не можуть конкурувати із масштабованістю та продуктивністю Nvidia Blackwell у великих кластерах.
Nvidia представила результати на всіх бенчмарках MLPerf Training v5.0. Її системи, оснащені процесорами Blackwell та NVLink, забезпечили до 2,2 разу вищу продуктивність на новому тесті Llama 3.1 405B порівняно з попереднім поколінням, а також у 2,5 раза швидше виконали навчання Llama 2 70B LoRA, ніж у минулому раунді. Особливості архітектури — п’яте покоління NVLink, високопродуктивне рідинне охолодження та вдосконалене програмне забезпечення — сприяють підвищенню ефективності для різних AI-навантажень.
Результати MLPerf підтверджують, що платформи Nvidia наразі залишаються найбільш універсальними та масштабованими для тренування моделей AI, але AMD поступово скорочує відставання, особливо для завдань середнього масштабу.
Теги: Технології/ШІ