英伟达GH200、特斯拉Dojo超级算力集群，性能爆棚！算力之争加剧！

电子发烧友网报道（文/李弯弯）今年8月，在计算机图形学顶会SIGGRAPH 2023现场，英伟达发布了新一代GH200 Grace Hopper平台，该平台专为处理大语言模型、推荐系统、矢量数据库等全球最复杂的生成式 AI 工作负载而构建。

日前，这款GH200 Grace Hopper超级芯片首次亮相MLPerf行业基准测试，在此次测试中，具有更高的内存带宽和更大的内存容量的GH200与H100 GPU相比，性能高出17%。要知道，英伟达的H100 GPU产品性能在业界已经是处于遥遥领先的水平。

相比于H100 GPU，英伟达新一代GH200性能高出17%

英伟达在去年3月推出了第一代Grace Hopper超级芯片平台，首次将CPU和GPU融合在一个平台上。相比较之下，其今年8月推出的新一代产品配备了HBM3e，内存容量和带宽都有显著提高。HBM3e内存是一种新型的高带宽内存技术，可以在更小的空间内提供更高的数据传输速率。

具体来看，HBM3e比当前的HBM3快50%，可提供总计10TB/s的带宽。这使得新平台能够运行比上一版本大3.5倍的模型，同时凭借快3倍的内存带宽提升性能。

黄仁勋此前表示，为了满足对生成式AI不断激增的需求，数据中心需要能够满足特定需求的加速计算平台。全新GH200 Grace Hopper超级芯片平台以出色的内存技术和带宽，提高了吞吐量，在不影响性能的情况下可连接多GPU 以整合性能，并且具有可以轻松部署到整个数据中心的服务器设计。

此外，新平台可以通过 NVIDIA NVLink与其他超级芯片连接，使它们能够协同工作，从而部署当下大型生成式AI模型。

新平台和芯片的加持，能让大模型训练的成本得到有效降低。据黄仁勋介绍，一台服务器可以同时装载两个GH200超级芯片。而投资800万美元Grace Hopper，相当于8800个价值1亿美元的x86 GPU，意味着成本降低12倍，能耗降低20倍。

在此次MLPerf行业基准测试，英伟达这款GH200 Grace Hopper超级芯片将其性能之高展示无余。MLPerf是影响力广泛的国际AI性能基准评测，其推理性能评测涵盖使用广泛的六大AI场景，比如计算机视觉、自然语言处理、推荐系统、语音识别等，每个场景采用最主流的AI模型作为测试任务，每一任务又分为数据中心和边缘两类场景。

其由MLCommons由来自学术界、研究实验室和行业的人工智能领导者组成的联盟开发，旨在对硬件、软件和服务的训练和推理性能“构建公平和有用的基准测试”。

据介绍，此次MLPerf Inference v3.1基准测试是继4月发布3.0版本之后的又一次更新，值得注意的是，这次更新包含了两个第一次：引入基于60亿参数大语言模型GPT-J的推理基准测试和改进的推荐模型。

GPT-J是来自EleutherAI的OpenAI GPT-3的开源替代品，现已在MLPerf套件中用作衡量推理性能的基准。与一些更先进的人工智能模型（如1750亿参数的GPT-3）相比，60亿参数的GPT-J属于相当轻量的模型，但它非常适合推理基准的角色。该模型总结了文本块，并可在延迟敏感的在线模式和吞吐量密集型的离线模式下运行。

GH200 Grace Hopper超级芯片在GPT-J工作负载方面取得了优异的成绩，在离线和服务器场景中的每加速器性能都达到了最高水平。

包括特斯拉，众多企业积极构建算力芯片和集群

随着人工智能技术的发展，尤其是近年来生成式AI及大模型应用的快速拓展，市场对算力的需求快速增加。我们知道，无论是AI训练还是推理，都需要大量的算力作为支撑。而目前在大模型的训练和推理方面，英伟达的GPU占据重要位置。

今年以来，英伟达的A100和H100两款芯片订单不断增加，价格也在一直上涨。根据其最新的第二财季报告，其净利润达到61.88亿美元，与去年同期相比增长422%，较上一财季增长203%。据业内人士推测，英伟达H100芯片明年出货量还要至少增加两倍。

在AI迅猛发展的当下，除了英伟达，国内外企业都在积极研发AI芯片，构建自己的算力集群，比如英特尔、AMD此前都针对AI大模型推出了相应的大算力芯片产品。国内的不少GPGPU企业及云服务厂商也都在积极布局。

此外，作为全球知名的自动驾驶企业，特斯拉也早已开始研发自己的算力芯片，打造自己的超级计算机。最近，特斯拉的股票大涨，摩根士丹利分析师认为，特斯拉超级计算机Dojo释放人工智能提升业绩的巨大潜力，成为其股价走强的主因之一。

在产品形态上，特斯拉的Dojo最终落地单位是一个名为ExaPOD的超级计算集群。它集成了3000颗基于7nm制程工艺的D1芯片，包含120个训练模块，最终能够实现高达 1.1 EFlops（百亿亿次浮点运算）的BF16/CFP8峰值算力；1.3TB高速 SRAM；13TB高带宽 DRAM。

在2021年的特斯拉AI Day上，Dojo超算项目负责人Ganesh Venkataramana展示了集成了25个D1芯片的训练模块，他表示特斯拉找到的一个关键答案是用台积电的InFO_SoW整合扇出技术。这是一种芯片先进封装技术，相比于传统的打线封装，InFO技术的基本优势是可以实现多个芯片集成封装，加速信号传递。

特斯拉打算利用Dojo对海量视频数据进行无监督学习，加速Autopilot和完全自动驾驶（FSD）系统的迭代，同时为其人形机器人Optimus提供算力支持。

在2022年9月的AI Day上，特斯拉公布Dojo已建立完整的散热盘上系统。同时也宣布了未来路线图，表示AI团队正在研发新版本的Dojo超算组件。

据今年7月20日的报道，特斯拉Dojo超算已在今年7月开始量产，而总算力达100ExaFLOPs的超算系统将于2024年底量产。

特斯拉之前已经构建基于英伟达GPU的大型超级计算机，而如今其自主研发并推出D1芯片，有助于其减少对英伟达GPU的依赖。

小结

从目前的情况来看，英伟达在AI训练和推理中占据极大的市场份额，在大模型领域更是占据绝对优势，国内外大部分企业都依赖英伟达A100、H100等产品，而如今其GH200在性能上更强，在大模型训练方面又能够帮助企业降低成本，必然会受到一众企业追捧。

当然除了英伟达，国外内还有众多企业也在通过自己的方式，研究并发布适合AI训练和部署芯片，为AI行业的发展构建算力集群。可以看到，在生成式AI、大模型的发展下，作为基础支撑的算力尤为重要。