英伟达A100 GPU推理性能最高达CPU的237倍！临界点到来？

最新的AI推理测试结果意味着英伟达未来可能在推理市场也占据领导地位。

 作者 | 包永刚 

雷锋网消息，MLPerf组织今天发布最新的推理基准测试（Benchmark）MLPerf Inference v0.7结果，总共有23个组织提交了结果，相比上一个版本（MLPerf Inference v0.5）的12个提交者增加了近一倍。

结果显示，今年5月英伟达（Nvidia）发布的安培（Ampere）架构A100 Tensor Core GPU在云端推理的基准测试性能是最先进英特尔CPU的237倍。

MLPerf Inference V0.7部分结果截图 

最新的AI推理测试结果意味着英伟达未来可能在AI推理和训练市场都占据领导地位，给云端AI推理市场拥有优势的英特尔带来更大压力的同时，也将让其他追赶者面临更大挑战。

MLPerf推理基准测试进一步完善的价值

—

与2019年的MLPerf Inference v0.5版本相比，最新的0.7版本将测试从AI研究的核心视觉和语言的5项测试，扩展了到了包括推荐系统、自然语言理解、语音识别和医疗影像应用的6项测试，并且有分别针对云端和终端推理的测试，还加入了手机和笔记本电脑的结果。扩展的测试项从MLPerf和业界两个角度都有积极意义。

MLPerf Inference v0.5测试项

MLPerf Inference v0.7数据中心测试项

MLPerf Inference v0.7边缘端测试项

任何一个基准测试都需要给业界具有参考价值的指标。MLPerf基准测试是在业界缺乏对AI芯片公认的评价标准的2018年诞生，因此，MLPerf组织既需要给出各方都认可的成绩，还需要根据AI行业的发展完善评价标准。

不过，AI行业发展迅速，AI模型的参数越来越多，应用的场景也越来越广泛。评价AI芯片和系统的推理性能需要涵盖可编程性、延迟、准确性、模型大小、吞吐量、能效等指标，也需要选择更具指导价值的模型和应用。

此次增加的推荐系统测试对于互联网公司意义重大。在王喆的《深度学习推荐系统》一书中提到，2019年天猫“双11”的成交额是2684亿元，假设推荐系统进行了优化，整体的转化率提高1%，那么增加的成交额大约为26.84亿元。

另外，MLPerf Inference v0.7中增加医疗影像3D U-Net模型测试与新冠大流行以及AI在医疗行业的重要性与日俱增密切相关，比如一家初创公司使用AI简化了超声心电图的采集工作，在新冠大流行初期发挥了作用。

基准测试从v0.5到v0.7，能够为要选用AI芯片和系统的公司提供更直观和有价值的参考是MLPerf基准测试的价值所在，比如，帮助金融结构的会话式AI更快速回答客户问题，帮助零售商使用AI保证货架库存充足。

与此同时，这也将促进MLPerf组织在业界的受认可程度，从接近翻倍的提交成绩的组织就能看出来。

GPU云端推理性能最高是CPU的237倍

—

过去几年，云端AI训练市场英伟达拥有绝对优势，云端AI推理市场被英特尔赚取了大部分利润是事实。这让不少人都产生了GPU更适合训练而CPU更适合推理的认知，但MLPerf最新的推理测试结果可能会改变这一观点。

MLPerf Inference V0.7的测试结果显示，在数据中心OFFLINE（离线）测试模式下，赛灵思U250和英特尔Cooper Lake在各个测试模型下与英伟达T4的差距不大，但A100对比CPU、FPGA和自家的T4就有明显的性能差距。

在SERVER模式下的推荐系统DLRM模型下，A100 GPU对比英特尔Cooper Lake有最高237倍的性能差距，在其他模型下也有比较显著的差距。值得注意的是，英特尔的Cooper Lake系统的状态还是预览，其余三款芯片的系统都已经可用。

A100 GPU的优势也在边缘推理中也十分明显。在单数据流（Singel-Stream）测试中，A100对比英伟达T4和面向边缘终端的英伟达Jetson AGX Xavier有几倍到十几倍的性能优势。在多数据流（Multi-Stream）测试中，A100对比另外两款自家产品在不同AI模型中有几倍到二十多倍的性能优势。

在边缘OFFLINE模式下，A100对比T4和Jetson AGX Xavier也有几倍到二十多倍的性能优势。

这很好地说明A100的安培架构以及其第三代Tensor Core优势的同时，也表明了英伟达能够覆盖整个AI推理市场。在此次提交结果的23家公司中，除了英伟达外还有11家其合作伙伴提交了基于英伟达GPU的1029个测试结果，占数据中心和边缘类别中参评测试结果总数的85％以上。

从提交结果的合作伙伴的系统中可以看到，英伟达T4仍然是企业的边缘服务器推理平台的主要选择。A100提升到新高度的性能意味着未来企业边缘服务器在选择AI推理平台的时候，可以从T4升级到A100，对于功耗受限的设备，可以选择Jeston系列产品。

特别值得注意的是，英伟达GPU首次在公有云中实现了超越CPU的AI推理能力。

临界点到来？

AI推理芯片市场竞争门槛更高

—

五年前，只有少数领先的高科技公司使用GPU进行推理。如今，英伟达GPU首次在公有云市场实现超越CPU的AI推理能力，或许意味着AI推理市场临界点的到来。英伟达还预测，基于其GPU的总体云端AI推理计算能力每两年增长约10倍，增长速度高于CPU。

另外，英伟达还强调基于A100高性能系统的成本效益。英伟达表示，一套DGX A100系统可以提供相当于近1000台双插槽CPU服务器的性能，能为客户AI推荐系统模型从研发走向生产的过程，具有极高的成本效益。

同时，英伟达也在不断优化推理软件堆栈，进一步提升在推理市场的竞争力。

最先感受到影响的会是英特尔，但在云端AI推理市场体现出显著变化至少需要几年时间，因为企业在更换平台的时候会更加谨慎，生态的护城河此时也更能体现出价值。

但无论如何，我们都看到英伟达在AI市场的强势地位。雷锋网七月底报道，在MLPerf发布的MLPerf Training v0.7基准测试中，A100 Tensor Core GPU，和HDR InfiniBand实现多个DGX A100 系统互联的庞大集群DGX SuperPOD系统在性能上开创了八个全新里程碑，共打破16项纪录。

安培架构A100在MLPerf最新的训练和推理成绩表明英伟达不仅给云端AI训练的竞争者更大的压力，也可能改变AI推理市场的格局。

英伟达将其在云端训练市场的优势进一步拓展到云端和边缘推理市场符合AI未来的发展趋势。有预测指出，随着AI模型的成熟，市场对云端AI训练需求的增速将会降低，云端AI推理的市场规模将会迅速增加，并有望在2022年超过训练市场。

另据市场咨询公司ABI Research的数据，预计到2025年，边缘AI芯片市场收入将达到122亿美元，云端AI芯片市场收入将达到119亿美元，边缘AI芯片市场将超过云端AI芯片市场。

凭借强大的软硬件生态系统，英伟达和英特尔依旧会是AI市场的重要玩家，只是随着他们竞争力的不断提升，其他参与AI市场竞争的AI芯片公司们面临的压力也随之增加。

查看MLPerf Inference V0.7完整结果：https://mlperf.org/inference-results-0-7/

▎往期推荐