Dziedzina sztucznej inteligencji (AI) przechodzi obecnie przez ogromne zmiany, a tacy główni gracze jak Nvidia, Intel i Google ścigają się, aby stanąć na czele tej rewolucji.

Ostatnie testy porównawcze MLPerf Training 3.1 dostarczyły krótkiego wglądu w intensywną konkurencję między tymi gigantami technologicznymi, prezentując bezprecedensowe zyski w zakresie szkolenia dużych modeli językowych (LLM). W pierwszym kwartale 2023 r. Nvidia, Intel i Google zaprezentowały swoje systemy sieci neuronowych AI do zadań głębokiego uczenia się. Raport pokazuje, że do końca roku firmy przeprowadziły testy w celu zademonstrowania swoich poziomów osiągnięć.

Testy porównawcze MLPerf stały się ostatnio polem bitwy, na którym można było wykazać postęp w szkoleniu LLM. Wcześniej zdominowany przez przewidywania prawa Moore’a, przemysł AI obecnie skaluje sprzęt i oprogramowanie w tempie przewyższającym tradycyjne prognozy.

Wielu ekspertów twierdzi, że prawo Moore’a powoli przestaje obowiązywać, dlatego można się spodziewać, że nowe odkrycia firm Nvidia, Intel i Google okażą się bardzo przydatne.

Dominacja superkomputera EOS firmy Nvidia

Nvidia, potentat w dziedzinie sztucznej inteligencji, niedawno zaprezentowała swój superkomputer EOS, cud technologii z 10 752 procesorami graficznymi połączonymi za pomocą Nvidia Quantum-2 InfiniBand. W testach porównawczych MLPerf Training 3.1, Nvidia osiągnęła oszałamiającą, 2,8-krotną poprawę szybkości treningu LLM dla swojego modelu GPT-3 od czerwca.

Zadania obejmowały podsumowanie, tłumaczenie, klasyfikację i generowanie nowych treści, takich jak kod komputerowy, teksty marketingowe, poezja i inne.

Oszałamiające parametry systemu EOS, obejmujące ponad 40 eksaflopów mocy obliczeniowej AI, podkreślają zaangażowanie firmy Nvidia w poszerzanie granic sztucznej inteligencji.

Przełom w akceleratorze Gaudi 2 firmy Intel

Firma Intel poczyniła znaczne postępy w zakresie akceleratora Habana Gaudi 2, wykorzystującego kombinację technik, w tym użycie 8-bitowych typów danych zmiennoprzecinkowych (FP8).

Wyniki mówią same za siebie, z niezwykłym 103% wzrostem wydajności szybkości treningu w porównaniu z testami MLPerf z czerwca. Strategiczne skupienie się Intela na wskaźnikach ceny i wydajności pozycjonuje go jako groźnego konkurenta w krajobrazie szkoleń AI.

„Przewidywaliśmy 90-procentowy zysk z przejścia na FP8”, powiedział Eitan Medina, dyrektor operacyjny w Habana Labs firmy Intel. „Dostarczyliśmy więcej, niż obiecano — 103-procentową redukcję czasu szkolenia dla klastra 384 akceleratorów”.

Cloud TPU v5e firmy Google i możliwości skalowania

Podobnie, Google ze swoim Cloud TPU v5e przystąpiło do konkursu, prezentując swoje możliwości skalowania. Wykorzystując FP8 do optymalnej wydajności szkolenia, Google podkreśliło swoją technologię skalowania wielowarstwowego, umożliwiając imponujące skalowanie do 1024 węzłów z 4096 chipami TPU v5e.

Zaangażowanie Google w efektywne skalowanie obecnie pozycjonuje go jako kluczowego gracza w wyścigu o dominację w dziedzinie AI, ponieważ firma nigdy nie przestaje optymalizować swojego oprogramowania. Intensywna konkurencja między firmami Nvidia, Intel i Google na arenie szkoleń AI zmienia przyszłość sztucznej inteligencji. Przesuwając granice szkoleń LLM, ci giganci technologiczni nie tylko przekraczają przewidywania prawa Moore'a, ale także napędzają branżę na nieznane terytoria. Wyniki tej rywalizacji niewątpliwie wpłyną na trajektorię rozwoju AI i utorują drogę do transformacyjnych postępów w tej dziedzinie.

Artykuł Raport MLPerf Training Benchmark ujawnia, że ​​Nvidia, Intel i Google rywalizują o dominację w dziedzinie generatywnej sztucznej inteligencji pojawił się po raz pierwszy w serwisie Metaverse Post.