搜尋
首頁科技週邊人工智慧Google超強AI超算碾壓英偉達A100! TPU v4效能提升10倍,細節首次公開

雖然Google早在2020年,就在自家的資料中心上部署了當時最強的AI晶片—TPU v4。

但直到今年的4月4日,Google才首次公佈了這台AI超算的技術細節。

Google超強AI超算碾壓英偉達A100! TPU v4效能提升10倍,細節首次公開

#論文網址:https://arxiv.org/abs/2304.01433

比起TPU v3,TPU v4的效能高出2.1倍,而整合4096個晶片之後,超算的效能更是提升了10倍。

Google超強AI超算碾壓英偉達A100! TPU v4效能提升10倍,細節首次公開

另外,Google也聲稱,自家晶片要比英偉達A100更快、更節能。

Google超強AI超算碾壓英偉達A100! TPU v4效能提升10倍,細節首次公開

與A100對打,速度快1.7倍

論文中,Google表示,對於規模相當的系統,TPU v4可以提供比英偉達A100強1.7倍的性能,同時在能源效率上也能提升1.9倍。

另外,Google超算速度還要比Graphcore IPU Bow快約4.3倍至4.5倍。

Google展示了TPU v4的封裝,以及4個安裝在電路板上的封裝。

與TPU v3一樣,每個TPU v4包含兩個TensorCore(TC)。每個TC包含四個128x128矩陣乘法單元(MXU),一個具有128個通道(每個通道16個ALU),以及16 MiB向量記憶體(VMEM)的向量處理單元(VPU)。

兩個TC共用一個128 MiB的公共記憶體(CMEM)。

Google超強AI超算碾壓英偉達A100! TPU v4效能提升10倍,細節首次公開

值得注意的是,A100晶片與Google第四代TPU同時上市,那麼其具體效能比較如何?

Google分別展示了在5個MLPerf基準測試中每個DSA的最快效能。其中包括BERT、ResNET、DLRM、RetinaNet、MaskRCNN。

其中,Graphcore IPU在BERT和ResNET提交了結果。

Google超強AI超算碾壓英偉達A100! TPU v4效能提升10倍,細節首次公開

如下顯示了兩個系統在ResNet和BERT的結果,點之間的虛線是基於晶片數的插值。

TPU v4和A100的MLPerf結果都擴展到比IPU更大的系統(4096個晶片對比256個晶片)。

對於相似規模的系統,TPU v4在BERT上比A100快1.15倍,比IPU快約4.3倍。對於ResNet,TPU v4分別快速1.67倍和約4.5倍。

Google超強AI超算碾壓英偉達A100! TPU v4效能提升10倍,細節首次公開

對於在MLPerf基準測試上的功耗使用情況,A100平均上使用了1.3倍至1.9倍的功率。

Google超強AI超算碾壓英偉達A100! TPU v4效能提升10倍,細節首次公開

峰值每秒浮點運算次數是否能預測實際效能?許多機器學習領域的人認為峰值每秒浮點運算次數是一個很好的效能代理指標,但實際上並非如此。

例如,儘管在峰值每秒浮點運算次數上僅具有1.10倍的優勢,TPU v4在兩個MLPerf基準測試上比IPU Bow在相同規模的系統上快4.3倍至4.5倍。

另一個例子是,A100的峰值每秒浮點運算次數是TPU v4的1.13倍,但對於相同數量的晶片,TPU v4卻快1.15倍至1.67倍。

如下圖所示使用Roofline模型展示了峰值FLOPS/秒與記憶體頻寬之間的關係。

Google超強AI超算碾壓英偉達A100! TPU v4效能提升10倍,細節首次公開

那麼,問題來了,為什麼谷歌不跟英偉達最新的H100比較呢?

Google表示,由於H100是在Google晶片推出後使用更新技術製造的,所以沒有將其第四代產品與英偉達目前的旗艦H100晶片進行比較。

不過Google暗示,它正在研發一款與Nvidia H100競爭的新TPU,但沒有提供詳細資訊。谷歌研究員Jouppi接受路透社採訪時表示,Google擁有「未來晶片的生產線」。

TPU vs GPU

在ChatGPT和Bard「決一死戰」的同時,兩個龐然大物也在幕後努力運行,以保持它們的運作-英偉達CUDA支持的GPU(圖形處理單元)和Google定制的TPU(張量處理單元)。

換句話說,這已經不再是關於ChatGPT與Bard的對抗,而是TPU與GPU之間的對決,以及它們如何有效地進行矩陣乘法。

Google超強AI超算碾壓英偉達A100! TPU v4效能提升10倍,細節首次公開

由於硬體架構方面的出色設計,英偉達的GPU非常適合矩陣乘法任務-能有效地在多個CUDA核心之間實作並行處理。

因此從2012年開始,在GPU上訓練模型便成為了深度學習領域的共識,至今都未曾改變。

而隨著NVIDIA DGX的推出,英偉達能夠為幾乎所有的AI任務提供一站式硬體和軟體解決方案,這是競爭對手由於缺乏知識產權而無法提供的。

相比之下,Google則在2016年推出了第一代張量處理單元(TPU),其中不僅包含了專門為張量計算優化的客製化ASIC(專用積體電路),也針對自家的TensorFlow框架進行了最佳化。而這也讓TPU在矩陣乘法之外的其他AI運算任務中具有優勢,甚至還可以加速微調和推理任務。

此外,GoogleDeepMind的研究人員也找到了一種能夠創造出更好矩陣乘法演算法的方法-AlphaTensor。

然而,即便Google透過自研的技術和新興的AI運算優化方法取得了良好的成果,但微軟與英偉達長久以來的深度合作,則透過利用各自在產業上的積累,同時擴大了雙方的競爭優勢。

第四代TPU

#時間回到21年的GoogleI/O大會上,劈柴首次公佈了Google最新一代AI晶片TPU v4。

「這是我們在Google上部署的最快的系統,對我們來說是一個具有歷史意義的里程碑。」

Google超強AI超算碾壓英偉達A100! TPU v4效能提升10倍,細節首次公開

########################### ##########這次的改進已經成為建立AI超算的公司之間競爭的關鍵點,因為像Google的Bard、或OpenAI的ChatGPT類似的大型語言模型已經在參數規模上實現爆炸性增長。 ############這意味著它們遠大於單一晶片所能儲存的容量,對算力需求是一個巨大的「黑洞」。 ######

因此這些大模型必須分佈在數千個晶片上,然後這些晶片必須協同工作數週,甚至更長時間來訓練模型。

目前,Google迄今公開揭露的最大的語言模型PaLM,有5400億參數,便是在50天內將其分割到兩台4000晶片的超級電腦上進行訓練的。

Google表示,自家的超級電腦能夠輕鬆地重新配置晶片之間的連接,能夠避免問題,並進行效能調優。

Google研究員Norm Jouppi和Google傑出工程師David Patterson在關於該系統的部落格文章中寫道,

「電路交換使得繞過度失效組件變得容易。這種靈活性甚至允許我們改變超算互連的拓撲結構,以加速機器學習模型的性能。」

##儘管谷歌現在才發布有關其超級電腦的詳細信息,但自2020年以來,該超級電腦已在位於俄克拉荷馬州梅斯縣的數據中心內上線。

Google表示,Midjourney使用該系統訓練了其模型,最新版的V5讓所有人見識到圖像生成的驚艷。

Google超強AI超算碾壓英偉達A100! TPU v4效能提升10倍,細節首次公開

最近,劈柴在接受《紐約時報》採訪稱,Bard將從LaMDA轉到PaLM上。

現在有了TPU v4超算的加持,Bard只會變得更強。

以上是Google超強AI超算碾壓英偉達A100! TPU v4效能提升10倍,細節首次公開的詳細內容。更多資訊請關注PHP中文網其他相關文章!

陳述
本文轉載於:51CTO.COM。如有侵權,請聯絡admin@php.cn刪除
讓我們跳舞:結構化運動以微調我們的人類神經網讓我們跳舞:結構化運動以微調我們的人類神經網Apr 27, 2025 am 11:09 AM

科學家已經廣泛研究了人類和更簡單的神經網絡(如秀麗隱桿線蟲中的神經網絡),以了解其功能。 但是,出現了一個關鍵問題:我們如何使自己的神經網絡與新穎的AI一起有效地工作

新的Google洩漏揭示了雙子AI的訂閱更改新的Google洩漏揭示了雙子AI的訂閱更改Apr 27, 2025 am 11:08 AM

Google的雙子座高級:新的訂閱層即將到來 目前,訪問Gemini Advanced需要$ 19.99/月Google One AI高級計劃。 但是,Android Authority報告暗示了即將發生的變化。 最新的Google P中的代碼

數據分析加速度如何求解AI的隱藏瓶頸數據分析加速度如何求解AI的隱藏瓶頸Apr 27, 2025 am 11:07 AM

儘管圍繞高級AI功能炒作,但企業AI部署中潛伏的巨大挑戰:數據處理瓶頸。首席執行官慶祝AI的進步時,工程師努力應對緩慢的查詢時間,管道超載,一個

Markitdown MCP可以將任何文檔轉換為Markdowns!Markitdown MCP可以將任何文檔轉換為Markdowns!Apr 27, 2025 am 09:47 AM

處理文檔不再只是在您的AI項目中打開文件,而是將混亂變成清晰度。諸如PDF,PowerPoints和Word之類的文檔以各種形狀和大小淹沒了我們的工作流程。檢索結構化

如何使用Google ADK進行建築代理? - 分析Vidhya如何使用Google ADK進行建築代理? - 分析VidhyaApr 27, 2025 am 09:42 AM

利用Google的代理開發套件(ADK)的力量創建具有現實世界功能的智能代理!該教程通過使用ADK來構建對話代理,並支持Gemini和GPT等各種語言模型。 w

在LLM上使用SLM進行有效解決問題-Analytics Vidhya在LLM上使用SLM進行有效解決問題-Analytics VidhyaApr 27, 2025 am 09:27 AM

摘要: 小型語言模型 (SLM) 專為效率而設計。在資源匱乏、實時性和隱私敏感的環境中,它們比大型語言模型 (LLM) 更勝一籌。 最適合專注型任務,尤其是在領域特異性、控制性和可解釋性比通用知識或創造力更重要的情況下。 SLM 並非 LLMs 的替代品,但在精度、速度和成本效益至關重要時,它們是理想之選。 技術幫助我們用更少的資源取得更多成就。它一直是推動者,而非驅動者。從蒸汽機時代到互聯網泡沫時期,技術的威力在於它幫助我們解決問題的程度。人工智能 (AI) 以及最近的生成式 AI 也不例

如何將Google Gemini模型用於計算機視覺任務? - 分析Vidhya如何將Google Gemini模型用於計算機視覺任務? - 分析VidhyaApr 27, 2025 am 09:26 AM

利用Google雙子座的力量用於計算機視覺:綜合指南 領先的AI聊天機器人Google Gemini擴展了其功能,超越了對話,以涵蓋強大的計算機視覺功能。 本指南詳細說明瞭如何利用

Gemini 2.0 Flash vs O4-Mini:Google可以比OpenAI更好嗎?Gemini 2.0 Flash vs O4-Mini:Google可以比OpenAI更好嗎?Apr 27, 2025 am 09:20 AM

2025年的AI景觀正在充滿活力,而Google的Gemini 2.0 Flash和Openai的O4-Mini的到來。 這些尖端的車型分開了幾週,具有可比的高級功能和令人印象深刻的基準分數。這個深入的比較

See all articles

熱AI工具

Undresser.AI Undress

Undresser.AI Undress

人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover

AI Clothes Remover

用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool

Undress AI Tool

免費脫衣圖片

Clothoff.io

Clothoff.io

AI脫衣器

Video Face Swap

Video Face Swap

使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱工具

Atom編輯器mac版下載

Atom編輯器mac版下載

最受歡迎的的開源編輯器

SecLists

SecLists

SecLists是最終安全測試人員的伙伴。它是一個包含各種類型清單的集合,這些清單在安全評估過程中經常使用,而且都在一個地方。 SecLists透過方便地提供安全測試人員可能需要的所有列表,幫助提高安全測試的效率和生產力。清單類型包括使用者名稱、密碼、URL、模糊測試有效載荷、敏感資料模式、Web shell等等。測試人員只需將此儲存庫拉到新的測試機上,他就可以存取所需的每種類型的清單。

Dreamweaver CS6

Dreamweaver CS6

視覺化網頁開發工具

SublimeText3漢化版

SublimeText3漢化版

中文版,非常好用

DVWA

DVWA

Damn Vulnerable Web App (DVWA) 是一個PHP/MySQL的Web應用程序,非常容易受到攻擊。它的主要目標是成為安全專業人員在合法環境中測試自己的技能和工具的輔助工具,幫助Web開發人員更好地理解保護網路應用程式的過程,並幫助教師/學生在課堂環境中教授/學習Web應用程式安全性。 DVWA的目標是透過簡單直接的介面練習一些最常見的Web漏洞,難度各不相同。請注意,該軟體中