MLPerf 3.0最新发榜，戴尔AI和边缘服务器拿下历史最好成绩

北美时间4月5日，全球权威 AI 基准测试 MLPerf 3.0 最新结果正式公布，戴尔新一代AI与边缘计算服务器取得有史以来最好成绩：

数据中心赛道，戴尔新一代GPU服务器PowerEdge XE9680斩获3项第一、9项第二；

边缘计算赛道，戴尔PowerEdge XR系列边缘计算服务器拿下10项第一。

恭喜戴尔！

MLPerf由ML Commons联盟组织，是全球最知名、参与度最高的AI计算基准测试，包含Training（训练）和Inference（推理）两大领域。MLPerf选择AI各个热门领域的经典模型，在满足技术规范前提下（如训练精度、延迟等），对各大厂商的硬件、软件和服务的训练和推理性能提供公平的评估。

最新公布的AI推理基准测试MLPerf Inference v3.0，包含图像分类ResNet-50、目标检测RetinaNet、医疗图像3D U-Net、语音识别RNN-T、自然语言处理BERT-Large、推荐系统DLRM等6个模型赛道，汇集了来自全球25个厂商超过6700条性能数据，以及2400条性能功耗数据。

MLPerf Inference v3.0的AI业务场景

在此次MLPerf Inference v3.0测试中，戴尔提交了27种不同的服务器配置，共计255项测试数据。产品涵盖PowerEdge XE9680、R750xa、XR7620、XR5610等型号，参测的GPU型号包括NVIDIA H100、A100、A30、L4、T4、A2以及高通AI加速卡等，具有广泛的选型参考性。

数据中心赛道表现

在MLPerf Inference最受关注的数据中心基准测试（Datacenter closed）中，戴尔16G PowerEdge服务器XE9680首次亮相便斩获优异成绩。

8卡H100配置的PowerEdge XE9680参加了12项测试，所有测试成绩均位居前2，其中在RetinaNet Server(目标检测)、RetinaNet Offine(目标检测)和RNN-T Server（语音识别）三个项目赛道皆拿下第1名的最优成绩。

Datacenter RetinaNet Server测试数据

Datacenter RetinaNet Offline测试数据

Datacenter R-NNT Server测试数据

同上一期的MLPerf Inference v2.1相比，PowerEdge XE9680将Dell在各个项目的最好成绩分别提升了3倍-8.4倍。

戴尔的MLPerf Inference v3.0

与Inference v2.1成绩对比

MLPerf Inference v3.0 Datacenter

全部Dell机型测试数据

边缘计算赛道表现

边缘计算是MLPerf关注的另一类AI推理的应用场景，有别于数据中心对极致算力的最求，边缘计算场景对于计算设备部署的环境要求更加多元化，也更加看重计算设备的功耗与成本。因此，在满足AI计算吞吐和延迟性能要求的前提下，提供更高性价比以及性能功耗比的AI计算解决方案，是戴尔在边缘AI计算重点关注的内容。

在此次MLPerf Inference v3.0 Edge closed power测试中（主要衡量边缘AI计算的性能功耗比），戴尔XR系列边缘计算优化服务器在全部14项测试中取得了10个项目的最佳成绩。其中， PowerEdge XR5610边缘计算优化服务器搭配NVIDIA最新发布的L4 GPU，取得9个项目第一，PowerEdge XR4000搭配NVIDIA A2 GPU，在BERT 99 Offline项目中取得了最佳成绩。

* Dell XR5610参加的9个项目分别是ResNet Single Stream、Resnet Multi Stream、RetinaNet Single Stream,、RetinaNet Offline、3D-UNet 99 Single Stream、3D-UNet 99 Offline、3D-UNet 99.9 Offline、RNN-T Single Stream、BERT-99 Single Stream。

PowerEdge XR5610

PowerEdge XR4000

NVIDIA L4是一款单宽GPU加速卡，专为AI视频和生成式AI用例而设计，较上一代GPU实现了2.7倍的生成式AI性能提升。Dell PowerEdge服务器在今年一季度开始提供对L4的选型支持。

以此次AI Inference v3.0 Edge的测试项目中的图像分类ResNet-50与自然语言处理BERT-99为例，L4的推理计算性能分别达到T4的2.1倍和2.13倍。而同A10相比，L4绝大多数的规格指标与A10非常接近，功耗却不到其一半，同时实现了大量成本节约。L4的发布，将成为未来AI推理计算具备高竞争力的GPU选型。

L4与T4 AI推理性能对比

当下，ChatGPT带动了全球对AI大模型以及基于AI大模型的AIGC(人工智能内容生成)的关注与投资热潮。与之前的AI小模型相比，以ChatGPT为代表的大规模预训练模型，参数规模增加了100倍-1000倍。训练如此庞大的AI大模型需要更大的AI计算集群，以及更多的训练数据集。

以OpenAI的GPT为例，GPT-3拥有1750亿参数，2020年GPT-3发布时训练该模型使用了超过10000张NVIDIA GPU卡。而根据第三方测算，如果使用1024张A100/A800 GPU训练GPT-3，仍然需要超过一个月的时间。

随着AIGC时代的带来，人工智能产业化对于AI算力的需求将被带到一个新的高度。在本次MLPerf Inference v3.0测试中取得优异成绩的PowerEdge XE9680戴尔专为复杂计算和 AI/ML/DL 以及 HPC 密集型工作负载而构建，可以快速开发、训练及部署像ChatGPT这样的大型机器学习模型，助推更多AIGC场景快速落地。

PowerEdge XE9680

此外，AI与边缘的融合是未来AI计算的趋势之一，越来越多的AI计算负载特别是AI推理计算将会出现在边缘侧。边缘端IT设备的部署环境千差万别，有的时候很难像核心数据中心拥有同样完备的机房环境，可能会面临更加复杂、恶劣的设备运行环境。

戴尔XR系列服务器对于高温、低温、海拔、防尘、抗震的运行环境有更强的适应能力，通过了电信和海事行业标准。机箱深度通常只有通用机架服务器的一半左右，机器外形更加精巧紧凑。

此次参加AI Inference v3.0 Edge项目测试的XR系列服务器，是戴尔科技专为面向边缘计算场景设计与优化的服务器，此前已发布了XE2420、XR12、XR11、XR4000等产品，今年陆续会有更多新品发布，请大家拭目以待！

服务器戴尔边缘基准测试

免责声明：本网信息来自于互联网，目的在于传递更多信息，并不代表本网赞同其观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，并请自行核实相关内容。本站不承担此类作品侵权行为的直接责任及连带责任。如若本网有任何内容侵犯您的权益，请及时联系我们，本站将会在24小时内处理完毕。