实时 AI 消息
英伟达Vera Rubin首秀MLPerf:训练基准全数拿下,智能体推理能效提升逾10倍
英伟达公布Vera Rubin平台在MLPerf上的首次成绩,覆盖训练、后训练与智能体推理三个方向,并称已横扫MLPerf Training v6.1全部基准。在首次提交的MLPerf Endpoints中,该平台报告智能体AI每瓦吞吐量实现超过10倍的代际提升。

11月16日,英伟达在官方博客公布了Vera Rubin平台在MLPerf上的首次成绩,覆盖训练、后训练与智能体推理三个方向。
在MLPerf Training v6.1这一轮评测中,英伟达称其提交的系统拿下了全部基准项目的第一,涵盖从预训练到后训练微调的完整链路。对一家把评测当作产品说明书使用的公司来说,这种表态本身就是发布节奏的一部分。
更受关注的是MLPerf Endpoints的首次提交。该项目衡量的不是单次推理有多快,而是智能体类任务中每瓦功耗能产出多少有效吞吐,英伟达给出的代际提升超过10倍。
这类指标之所以重要,是因为智能体负载与单次问答完全不同:它可能先规划、再调用工具、读取结果,然后循环数轮才给出答复,于是关键问题变成“一个机架能持续完成多少任务”,而不是“一个token来得多快”。
把训练、后训练与智能体推理三条线放进同一份成绩单,英伟达要证明的是平台级能力,而不是单颗芯片的峰值数字。这个叙事对正在规划大规模推理集群的买家尤其有分量,因为他们的成本结构正在从训练转向长期服务。
需要保留的怀疑同样明确。MLPerf允许针对基准做工程调优,厂商提交的数字描述的是理想化运行,而不是客户的生产集群;独立复现和真实部署数据往往要晚得多才出现。
接下来值得观察的是落地节奏——Vera Rubin的产能何时进入云厂商与大型AI实验室,以及下一轮MLPerf中各家的提交会呈现怎样的对比。评测榜单只说明上限,采购决策最终仍取决于交付时间、功耗预算和软件栈成熟度。
为什么重要
这份成绩单把竞争焦点从单芯片峰值推向每瓦智能体吞吐,直接影响大规模推理集群的采购与经济性测算。
附近消息
全部11/17 00:00
英伟达扩充CUDA-X库:cuPhoton、cuPotential、cuSpa把科学计算交给AI智能体
英伟达宣布扩充CUDA-X库,新增cuPhoton、cuPotential与cuSpa等组件,面向天体物理、材料科学与单细胞生物学等科研场景。官方称这些加速能力让研究人员得以处理更大规模的数据集并建模更复杂的系统,同时为AI智能体提供可直接调用的科学计算工具。
11/17 00:00
NVIDIA 扩展 Slurm 支持,把量子处理器接入超算调度体系
NVIDIA 宣布扩展 Slurm 对量子处理器的支持,让超算中心可以把量子硬件与既有科学计算负载放在同一套调度体系里运行。这一动作的背景是,全球近 30 个超算中心正准备部署 50 多台量子处理器,五年间相关部署量增长近七倍。
11/17 00:00
英伟达发布 Rubin HPC:单卡逾 5 万 CUDA 核心,为科研智能体加速仿真
在 SC26 大会上,英伟达发布 Vera Rubin 平台下的新 GPU「Rubin HPC」,面向科学、工程与数据分析工作负载,单卡 CUDA 核心数超过 5 万个。英伟达称其让数据搬运与计算同步扩展,配合稀疏数据加速和第七代 NVLink,缩短智能体从调用仿真到得出结论的循环。
11/17 00:00
Lambda 采用 NVIDIA 光电共封装交换机,为万卡 AI 工厂加固网络
Lambda 正在其 AI 工厂中部署 NVIDIA Photonics 共封装光学(CPO)交换机,用来连接搭载超过 1 万块 GPU 的 NVIDIA GB300 NVL72 机架。这家云服务商希望借此让大规模训练所依赖的 GPU 集群网络更快、更高效、也更有韧性。