ทำความรู้จัก NVIDIA Vera Rubin NVL72 ก้าวกระโดดครั้งใหญ่ในวงการ AI กับผลทดสอบ MLPerf v6.1 🚀

โลกของปัญญาประดิษฐ์หรือ AI กำลังพัฒนาไปอย่างรวดเร็ว โดยเฉพาะเมื่อโมเดลและเอเจนต์มีความซับซ้อนมากขึ้น การลดเวลาในการฝึกฝนโมเดล (Time-to-Train) จึงกลายเป็นหัวใจสำคัญที่ช่วยให้นักพัฒนาสามารถทดลองและปรับปรุงระบบได้อย่างรวดเร็ว ล่าสุดการทดสอบมาตรฐาน MLPerf Training v6.1 ได้เผยให้เห็นการเปิดตัวครั้งสำคัญของสถาปัตยกรรมใหม่อย่าง NVIDIA Vera Rubin NVL72 ที่สร้างสถิติและประสิทธิภาพอันน่าทึ่ง 💡

จุดเด่นและผลงานระดับเรคคอร์ดของ Vera Rubin NVL72 📌

การปรากฏตัวครั้งแรกในการทดสอบ MLPerf Training v6.1 สถาปัตยกรรม Vera Rubin NVL72 สามารถทำเวลาในการฝึกฝนโมเดลได้เร็วที่สุดถึง 6 จาก 7 เบนช์มาร์ก โดยให้ประสิทธิภาพต่อ GPU สูงกว่ารุ่นเดิมอย่างเห็นได้ชัด

  • ⚡ ประสิทธิภาพเหนือกว่า: ทำความเร็วได้สูงกว่าสถาปัตยกรรมรุ่นก่อนหน้าอย่างสม่ำเสมอ และก้าวกระโดดอย่างเด่นชัดในงานประมวลผลที่มีความซับซ้อนสูง
  • 📈 ความเร็วในโมเดล DeepSeek-V3: สำหรับโมเดล Mixture-of-Experts ขนาดใหญ่ Vera Rubin NVL72 สามารถฝึกฝนโมเดล DeepSeek-V3 671B สำเร็จภายในเวลาเพียง 4.14 นาที เมื่อใช้ 1,024 GPUs ซึ่งช่วยลดเวลาลงครึ่งหนึ่งเมื่อเทียบกับรุ่นก่อนหน้าในสเกลเดียวกัน
  • 🔄 รองรับงาน Reinforcement Learning ยุคใหม่: โดดเด่นในเบนช์มาร์ก Qwen 3.5 397B GRPO ซึ่งเป็นการฝึกอบรมเชิงเสริมแรงสำหรับ Agentic AI รองรับการทำงานร่วมกับอินฟิเรนซ์แบ็กเอนด์ที่หลากหลาย เช่น TensorRT-LLM และ vLLM

สถาปัตยกรรมเครือข่ายและระบบระบายความร้อนที่ออกแบบมาเพื่อ AI 🛠️

เบื้องหลังประสิทธิภาพอันทรงพลังนี้มาจากการออกแบบฮาร์ดแวร์และระบบเครือข่ายที่เชื่อมต่อถึงกันอย่างลงตัว

  • การเชื่อมต่อภายในชั้นเยี่ยม: ภายในชั้นวาง (Rack) เชื่อมต่อ GPU 72 ตัวและ CPU 36 ตัวเข้าด้วยกันผ่าน NVLink 6 แบบสไปน์ทองแดง มอบแบนด์วิดท์สูงถึง 3.6 TB/s ต่อ GPU ช่วยให้การรับส่งข้อมูลระหว่างผู้เชี่ยวชาญในโมเดล MoE ทำได้อย่างราบรื่น
  • ความสามารถในการขยายขนาด: รองรับการขยายสเกลได้อย่างมีประสิทธิภาพ โดยรักษาความเสถียรและประสิทธิภาพการขยายตัว (Scaling Efficiency) ไว้ได้สูงกว่า 97% เมื่อขยายจาก 256 สู่ 1,024 GPUs
  • การทำงานร่วมกันระหว่าง GPU และ Vera CPU: สำหรับงานจำลองสภาพแวดล้อมเพื่อฝึกฝน AI เอเจนต์ Vera CPU มีส่วนสำคัญในการรันสภาพแวดล้อมพร้อมกันนับหมื่นรายการ เพื่อป้อนข้อมูลป้อนกลับให้กับตัวเร่งความเร็วได้อย่างต่อเนื่อง

ซอฟต์แวร์ที่เติบโตและปรับปรุงอย่างต่อเนื่อง 🔍

ความสำเร็จของ Vera Rubin ไม่ได้มาจากฮาร์ดแวร์เพียงอย่างเดียว แต่ยังขับเคลื่อนด้วยชุดซอฟต์แวร์จาก NVIDIA เช่น NeMo Framework และ PyTorch ที่ช่วยให้ระบบมีความพร้อมใช้งานในระดับสากล นอกจากนี้ การปรับปรุงซอฟต์แวร์อย่างต่อเนื่องยังช่วยเพิ่มศักยภาพรีดเร้นประสิทธิภาพของฮาร์ดแวร์ให้สูงขึ้นได้เรื่อย ๆ แม้จะติดตั้งใช้งานไปแล้วก็ตาม ⭐

สรุปภาพรวมความพร้อมใช้งานจริง 📌

การเปิดตัวครั้งนี้สะท้อนให้เห็นว่าเทคโนโลยีโครงสร้างพื้นฐานสำหรับ AI ในปัจจุบัน ไม่เพียงแต่เน้นเรื่องความเร็วในการประมวลผลเท่านั้น แต่ยังมุ่งเน้นไปที่ความพร้อมของระบบนิเวศซอฟต์แวร์ ความเสถียรในการขยายสเกลระดับใหญ่ และความคุ้มค่าระยะยาวในการพัฒนาโมเดลปัญญาประดิษฐ์ยุคใหม่ให้ก้าวไปอีกขั้น

#NVIDIA #VeraRubin #AI #MLPerf #MachineLearning #TechNews

ขอบคุณ แหล่งข้อมูล
https://developer.nvidia.com/blog/nvidia-vera-rubin-nvl72-achieves-up-to-2x-blackwell-ultra-performance-in-mlperf-training-v6-1/

ทำความรู้จัก NVIDIA Vera Rubin NVL72 ก้าวกระโดดครั้งใหญ่ในวงการ AI กับผลทดสอบ MLPerf v6.1 🚀โลกของปัญญาประดิษฐ์หรือ AI กำลังพัฒนาไปอย่างรวดเร็ว โดยเฉพาะเมื่อโมเดลและเอเจนต์มีความซับซ้อนมากขึ้น การลดเวลาในการฝึกฝนโมเดล (Time-to-Train) จึงกลายเป็นหัวใจสำคัญที่ช่วยให้นักพัฒนาสามารถทดลองและปรับปรุงระบบได้อย่างรวดเร็ว ล่าสุดการทดสอบมาตรฐาน MLPerf Training v6.1 ได้เผยให้เห็นการเปิดตัวครั้งสำคัญของสถาปัตยกรรมใหม่อย่าง NVIDIA Vera Rubin NVL72 ที่สร้างสถิติและประสิทธิภาพอันน่าทึ่ง 💡จุดเด่นและผลงานระดับเรคคอร์ดของ Vera Rubin NVL72 📌การปรากฏตัวครั้งแรกในการทดสอบ MLPerf Training v6.1 สถาปัตยกรรม Vera Rubin NVL72 สามารถทำเวลาในการฝึกฝนโมเดลได้เร็วที่สุดถึง 6 จาก 7 เบนช์มาร์ก โดยให้ประสิทธิภาพต่อ GPU สูงกว่ารุ่นเดิมอย่างเห็นได้ชัด⚡ ประสิทธิภาพเหนือกว่า: ทำความเร็วได้สูงกว่าสถาปัตยกรรมรุ่นก่อนหน้าอย่างสม่ำเสมอ และก้าวกระโดดอย่างเด่นชัดในงานประมวลผลที่มีความซับซ้อนสูง📈 ความเร็วในโมเดล DeepSeek-V3: สำหรับโมเดล Mixture-of-Experts ขนาดใหญ่ Vera Rubin NVL72 สามารถฝึกฝนโมเดล DeepSeek-V3 671B สำเร็จภายในเวลาเพียง 4.14 นาที เมื่อใช้ 1,024 GPUs ซึ่งช่วยลดเวลาลงครึ่งหนึ่งเมื่อเทียบกับรุ่นก่อนหน้าในสเกลเดียวกัน🔄 รองรับงาน Reinforcement Learning ยุคใหม่: โดดเด่นในเบนช์มาร์ก Qwen 3.5 397B GRPO ซึ่งเป็นการฝึกอบรมเชิงเสริมแรงสำหรับ Agentic AI รองรับการทำงานร่วมกับอินฟิเรนซ์แบ็กเอนด์ที่หลากหลาย เช่น TensorRT-LLM และ vLLMสถาปัตยกรรมเครือข่ายและระบบระบายความร้อนที่ออกแบบมาเพื่อ AI 🛠️เบื้องหลังประสิทธิภาพอันทรงพลังนี้มาจากการออกแบบฮาร์ดแวร์และระบบเครือข่ายที่เชื่อมต่อถึงกันอย่างลงตัวการเชื่อมต่อภายในชั้นเยี่ยม: ภายในชั้นวาง (Rack) เชื่อมต่อ GPU 72 ตัวและ CPU 36 ตัวเข้าด้วยกันผ่าน NVLink 6 แบบสไปน์ทองแดง มอบแบนด์วิดท์สูงถึง 3.6 TB/s ต่อ GPU ช่วยให้การรับส่งข้อมูลระหว่างผู้เชี่ยวชาญในโมเดล MoE ทำได้อย่างราบรื่นความสามารถในการขยายขนาด: รองรับการขยายสเกลได้อย่างมีประสิทธิภาพ โดยรักษาความเสถียรและประสิทธิภาพการขยายตัว (Scaling Efficiency) ไว้ได้สูงกว่า 97% เมื่อขยายจาก 256 สู่ 1,024 GPUsการทำงานร่วมกันระหว่าง GPU และ Vera CPU: สำหรับงานจำลองสภาพแวดล้อมเพื่อฝึกฝน AI เอเจนต์ Vera CPU มีส่วนสำคัญในการรันสภาพแวดล้อมพร้อมกันนับหมื่นรายการ เพื่อป้อนข้อมูลป้อนกลับให้กับตัวเร่งความเร็วได้อย่างต่อเนื่องซอฟต์แวร์ที่เติบโตและปรับปรุงอย่างต่อเนื่อง 🔍ความสำเร็จของ Vera Rubin ไม่ได้มาจากฮาร์ดแวร์เพียงอย่างเดียว แต่ยังขับเคลื่อนด้วยชุดซอฟต์แวร์จาก NVIDIA เช่น NeMo Framework และ PyTorch ที่ช่วยให้ระบบมีความพร้อมใช้งานในระดับสากล นอกจากนี้ การปรับปรุงซอฟต์แวร์อย่างต่อเนื่องยังช่วยเพิ่มศักยภาพรีดเร้นประสิทธิภาพของฮาร์ดแวร์ให้สูงขึ้นได้เรื่อย ๆ แม้จะติดตั้งใช้งานไปแล้วก็ตาม ⭐สรุปภาพรวมความพร้อมใช้งานจริง 📌การเปิดตัวครั้งนี้สะท้อนให้เห็นว่าเทคโนโลยีโครงสร้างพื้นฐานสำหรับ AI ในปัจจุบัน ไม่เพียงแต่เน้นเรื่องความเร็วในการประมวลผลเท่านั้น แต่ยังมุ่งเน้นไปที่ความพร้อมของระบบนิเวศซอฟต์แวร์ ความเสถียรในการขยายสเกลระดับใหญ่ และความคุ้มค่าระยะยาวในการพัฒนาโมเดลปัญญาประดิษฐ์ยุคใหม่ให้ก้าวไปอีกขั้น#NVIDIA #VeraRubin #AI #MLPerf #MachineLearning #TechNewshttps://developer.nvidia.com/blog/nvidia-vera-rubin-nvl72-achieves-up-to-2x-blackwell-ultra-performance-in-mlperf-training-v6-1/
Shared content
DEVELOPER.NVIDIA.COM
NVIDIA Vera Rubin NVL72 Achieves up to 2x Blackwell Ultra Performance in MLPerf Training v6.1
As AI agents tackle increasingly complex workflows, reducing time-to-train is critical for rapidly iterating on both models and the agents they power. MLPerf Training v6.1 marks the debut of the…
2 Comentários 0 Compartilhamentos 772 Visualizações 0 Anterior