NVIDIA Blackwell在MLPerf Training 6.0中表现卓越，成为最快、最大、最强的AI训练平台，支持高达8192个GPU，展现出卓越的性能和可靠性。其创新技术如NVFP4和高带宽NVLink提升了训练效率，确保了生产环境的稳定性和快速恢复能力。

在AI推理时代，训练更智能的模型至关重要。NVIDIA在MLPerf Training v5.1中表现卓越，所有七项测试均获胜，展示了其Blackwell Ultra架构的强大性能。通过使用NVFP4精度，NVIDIA显著提升了计算性能，Llama 3.1 405B的训练时间创下10分钟新纪录，推动AI智能快速发展。

NVIDIA GB300 NVL72系统在推理基准测试中表现优异，提升了AI工厂的吞吐量并降低了总拥有成本。新架构Blackwell Ultra提供更强的计算能力和内存，优化大型语言模型推理，显著提升性能。

NVIDIA与全球企业合作建设AI工厂，提升下一代AI应用的训练和部署效率。其Blackwell架构在MLPerf训练中表现优异，支持多种AI工作负载。通过Tyche和Nyx超级计算机，Blackwell在Llama 3.1基准测试中实现2.2倍性能提升，推动AI经济发展。

NVIDIA的GB200 NVL72系统在AI工厂中显著提升了盈利能力，尤其在复杂模型处理方面表现优异。最新的MLPerf Inference V5.0基准测试显示，NVIDIA Blackwell平台在AI推理中创下新纪录。AI工厂通过实时数据转化提供快速、低成本的准确答案，随着模型参数增加，计算需求上升，推动技术创新。

NVIDIA Blackwell在MLPerf测试中表现优异，AI应用训练性能提升，尤其在大语言模型基准上，GPU性能提高2.2倍。新架构优化了Tensor Cores的使用，实现了更少GPU下的更高性能。Hopper平台持续保持记录，显示出NVIDIA在加速计算平台上的优化及合作伙伴支持。

NVIDIA的Blackwell GPU在Llama 2 70B上提供了高达4倍的性能，Hopper架构在AI基准测试中取得了进展。Blackwell平台使用了第二代Transformer引擎和FP4张量核心，以提高性能。多GPU计算对于满足大型语言模型（LLMs）的实时延迟要求是必要的。NVIDIA合作伙伴也提交了可靠的MLPerf推理结果。NVIDIA平台，包括Hopper架构、Jetson平台和Triton推理服务器，在性能上取得了显著的提升。Jetson AGX Orin在GPT-J LLM工作负载上实现了吞吐量和延迟的改进。NVIDIA平台在数据中心和边缘展示了多样性和领先的性能。

NVIDIA在MLPerf Training v4.0基准测试中取得了出色的性能，与去年相比，在大型语言模型（LLM）基准测试中性能提高了三倍。AI超级计算机配备了11,616个NVIDIA H100 Tensor Core GPU和NVIDIA Quantum-2 InfiniBand网络，为此做出了贡献。NVIDIA H200 Tensor GPU的性能也提高了最多47%。软件优化和增强进一步提升了性能。NVIDIA在LLM微调和加速稳定扩散v2训练方面表现出色。NVIDIA平台得到了10个合作伙伴的广泛生态系统支持。MLCommons的基准测试对于AI计算至关重要。NVIDIA的Blackwell平台承诺提供下一级别的AI性能。

NVIDIA使用TensorRT-LLM软件将Hopper GPU在GPT-J LLM上的性能提升了近3倍。H200 GPU在MLPerf的最大生成AI测试中提供了最快的推理性能。NVIDIA还推出了具有更多内存的H200 GPU和GH200 Superchips。NVIDIA的Hopper GPU在MLPerf的每个AI推理测试中表现出色。NVIDIA展示了结构稀疏性、修剪和DeepCache等创新技术。MLPerf基准测试是透明客观的。

英伟达的AI平台通过NVIDIA Eos AI超级计算机在MLPerf基准测试中取得了显著进展，训练了基于GPT-3模型的1750亿个参数，仅用了3.9分钟。Eos现在可以在8天内训练完整个GPT-3数据集，比之前最先进的系统快了73倍。这种训练时间的加速降低了成本，节省了能源，并加快了上市时间。

NVIDIA的AI平台在最新的MLPerf行业基准测试中提高了AI训练和高性能计算的标准。NVIDIA Eos超级计算机使用10,752个NVIDIA H100 Tensor Core GPU，在3.9分钟内完成了基于GPT-3模型的训练基准测试。这比六个月前的记录快了近3倍。此外，NVIDIA在其他AI工作负载中也创下了新记录，包括使用H100 GPU在推荐模型训练和RetinaNet计算视觉模型中的性能提升。NVIDIA的全栈平台创新在硬件加速器、系统和软件方面均有贡献。

NVIDIA在最新的MLPerf基准测试中表现出色，GH200 Grace Hopper超级芯片在所有数据中心推理测试中表现出色，而HGX H100系统在每个MLPerf推理测试中提供了最高的吞吐量。NVIDIA还宣布了TensorRT-LLM，这是一个优化生成AI软件推理的开源库，以及L4 GPU，可在各方面提供出色的性能。NVIDIA的Jetson Orin系统模块在物体检测方面表现出84％的性能提升。MLPerf基准测试透明客观，有70多个组织支持。NVIDIA基准测试中使用的所有软件都可以从MLPerf存储库中获取。

NVIDIA的H100 Tensor Core GPU在AI性能方面表现出色，特别在生成式AI的大型语言模型上。H100 GPU在最新的MLPerf训练基准测试中刷新了所有八个测试的记录，特别在生成式AI的新MLPerf测试中表现出色。Inflection AI利用H100 GPU构建了其首个个人AI“Pi”，该AI是基于先进的LLM开发的。CoreWeave计划与Inflection AI合作，利用NVIDIA GPU构建全球最大的计算集群之一。H100 GPU在MLPerf基准测试中表现出的性能得到了用户体验的验证，包括大型语言模型、推荐系统、计算机视觉、医学成像和语音识别等方面。CoreWeave使用的低延迟网络使其从云端提供的性能与NVIDIA在本地数据中心运行的AI超级计算机相当。NVIDIA是唯一提交了增强基准测试结果的公司，展示了其在机器学习领域的广泛生态系统支持。