谷歌第七代Ironwood TPU首次亮相MLPerf:8192颗集群102秒完成DeepSeek-V3预训练

在DeepSeek-V3预训练测试中,8192颗Ironwood TPU用时1.70分钟(约102秒),让目标模型达到基准规定的质量要求。

谷歌云于11月16日发布博文,公布其在MLPerf Training v6.1基准测试第一轮中的提交结果。本轮测试中,谷歌共提交10项成绩,覆盖第七代Ironwood TPU与英伟达Grace Blackwell GPU两类平台,涉及模型预训练以及MLPerf首次纳入的智能体强化学习测试。其中4项成绩来自谷歌自研Ironwood芯片,另外6项采用英伟达GPU。

在大模型预训练这一核心项目中,谷歌披露了Ironwood集群运行DeepSeek-V3 671B的成绩。8192颗Ironwood TPU用时1.70分钟(约102秒),使目标模型达到基准规定的质量要求。作为对照,2048颗配置的达标用时为5.03分钟(约302秒),4096颗配置为2.62分钟(约157秒)。按此换算,4096颗配置相对2048颗配置提速约1.92倍,8192颗配置提速约2.96倍。谷歌同时披露,在扩展至4096颗芯片的测试中,系统扩展效率达到96%。

同轮DeepSeek-V3 671B测试中,各提交方的公开成绩可作为横向参照。英伟达GB300 NVL72集群以10240颗GB300 GPU用时1.38分钟(约82.8秒),被英伟达列为本轮该项目最短用时;谷歌Ironwood集群以8192颗TPU用时1.70分钟;英伟达Vera Rubin NVL72集群以1024颗Rubin GPU用时4.14分钟;1024颗GB300 GPU配置用时8.03分钟;谷歌云A4X Max实例以256颗GB300 GPU用时31.96分钟。Ironwood及谷歌云GB300成绩来自谷歌披露,其余成绩来自英伟达本轮技术说明。

本轮MLPerf Training首次引入智能体强化学习测试,成为观察芯片在训练与推理交织场景下表现的新维度。在该项目中,640颗Ironwood芯片运行Qwen3.5-397B,用时18.02分钟达到编程任务要求,准确率为76.5%,高于69%的目标值。谷歌方面表示,代码生成与学习同步进行,使训练芯片的等待时间占比低于3%。此外,谷歌云A4X Max实例中256块NVIDIA GB300 GPU在31.96分钟内达到预训练基准的目标质量,谷歌另以5个A4X和A4X Max实例提交了智能体强化学习基准成绩。

Ironwood是谷歌第七代自研TPU,主要面向大规模AI训练与推理负载。此次是該芯片在MLPerf Training基准中的首次集中亮相,谷歌选择同时提交自研TPU与英伟达GPU成绩,也使外界得以在同一测试框架下对比两类平台的规模效率。从数据看,Ironwood在8192颗规模上仍保持较高扩展效率,但与英伟达GB300 NVL72集群的10240颗配置相比,达标时间仍有约20秒差距,双方在超大规模集群的工程优化上仍处于持续竞争状态。

MLPerf由MLCommons组织维护,是当前AI硬件性能评测中参与方较多、规则相对统一的基准之一。随着智能体强化学习被纳入测试范围,基准覆盖的负载类型从单一模型训练扩展至训练与交互式任务并行的场景,对芯片间通信、调度效率与集群稳定性提出了更高要求。谷歌此次公布的扩展效率与等待时间占比数据,反映出其在集群互联与任务调度层面的优化进展,也为企业用户在评估TPU与GPU训练方案时提供了新的参考维度。

该文观点仅代表作者本人,企服科学平台仅提供信息存储空间服务。

赞 (0)
SK海力士未来五年投入1.4万亿韩元扶持本土半导体供应商
上一篇 18小时前
美光公布3DS内存路线图:2028年推出垂直堆叠vHBM与边缘推理vEIM
下一篇 2026年10月22日 上午9:45

相关推荐

发表回复

登录后才能评论
分享本页
返回顶部