AIINEWS

AIINEWS

Báo cáo chuyên sâu về Trí tuệ nhân tạo và Công nghệ toàn cầu

NVIDIA công bố kết quả huấn luyện của Vera Rubin, điểm số tác vụ AI còn chờ xác minh

Ban biên tập AIINEWS•hardware
16 tháng 11, 2026•3 phút đọc
NVIDIA công bố kết quả huấn luyện của Vera Rubin, điểm số tác vụ AI còn chờ xác minh

Tóm lược nhanh

“NVIDIA công bố kết quả thử nghiệm đầu tiên của nền tảng Vera Rubin trên MLPerf Training và...”

Các điểm cốt lõi

  • 1.Theo NVIDIA, nền tảng của hãng là hệ thống duy nhất có kết quả ở mọi bài thử MLPerf Training v6.1 trong đợt này. Các bài thử bao gồm mô hình ngôn ngữ lớn, tạo ảnh, hệ thống gợi ý và huấn luyện bổ sung bằng học tăng cường.
  • 2.Trong kết quả đầu tiên, NVIDIA cho biết Vera Rubin NVL72 đạt hiệu năng trên mỗi GPU cao hơn tối đa hai lần so với hệ thống GB300 NVL72 đã được tối ưu hóa.
  • 3.NVIDIA báo cáo rằng trên bài thử DeepSeek-V3, khi tăng số GPU Vera Rubin NVL72 từ 256 lên 1.024, thời gian huấn luyện giảm từ 16 phút xuống khoảng bốn phút, với hiệu suất mở rộng khoảng 97%.
  • 4.Với bài thử tác vụ AI dùng mô hình Kimi K3, NVIDIA báo cáo Vera Rubin NVL72 đạt thông lượng trên mỗi watt cao hơn hơn 10 lần GB300 NVL72 khi so sánh tại mức tương tác tối thiểu chung là 50 token mỗi giây cho mỗi người dùng. Kết quả Vera Rubin mới ở dạng tạm thời, chưa được MLCommons xác minh và có thể thay đổi sau bình duyệt.

NVIDIA công bố kết quả thử nghiệm đầu tiên của nền tảng Vera Rubin trên MLPerf Training và MLPerf Endpoints. Hãng báo cáo mức tăng hiệu năng huấn luyện so với hệ thống GB300, nhưng kết quả về hiệu suất điện năng khi chạy tác vụ AI vẫn đang chờ MLCommons xác minh.

Bối cảnh và chi tiết công nghệ

Theo NVIDIA, nền tảng của hãng là hệ thống duy nhất có kết quả ở mọi bài thử MLPerf Training v6.1 trong đợt này. Các bài thử bao gồm mô hình ngôn ngữ lớn, tạo ảnh, hệ thống gợi ý và huấn luyện bổ sung bằng học tăng cường.

Trong kết quả đầu tiên, NVIDIA cho biết Vera Rubin NVL72 đạt hiệu năng trên mỗi GPU cao hơn tối đa hai lần so với hệ thống GB300 NVL72 đã được tối ưu hóa.

NVIDIA báo cáo rằng trên bài thử DeepSeek-V3, khi tăng số GPU Vera Rubin NVL72 từ 256 lên 1.024, thời gian huấn luyện giảm từ 16 phút xuống khoảng bốn phút, với hiệu suất mở rộng khoảng 97%.

Với bài thử tác vụ AI dùng mô hình Kimi K3, NVIDIA báo cáo Vera Rubin NVL72 đạt thông lượng trên mỗi watt cao hơn hơn 10 lần GB300 NVL72 khi so sánh tại mức tương tác tối thiểu chung là 50 token mỗi giây cho mỗi người dùng. Kết quả Vera Rubin mới ở dạng tạm thời, chưa được MLCommons xác minh và có thể thay đổi sau bình duyệt.

Đánh giá tác động và góc nhìn chuyên môn

Mức tăng thông lượng trên mỗi watt ở bài thử Kimi K3 gắn với một ngưỡng tốc độ phản hồi cụ thể. Vì vậy, chưa thể suy ra cùng mức lợi thế cho mọi mô hình hoặc mọi cách triển khai tác vụ AI.

Kết quả mở rộng trên DeepSeek-V3 cho thấy việc tăng số GPU có thể rút ngắn đáng kể thời gian của bài thử này. Nó chưa cho biết chi phí vận hành của một đợt huấn luyện trong thực tế.

Xu hướng tiếp theo và điều cần theo dõi

Kết quả Vera Rubin trên MLPerf Endpoints sẽ thay đổi thế nào sau quá trình xác minh và bình duyệt của MLCommons?

Các kết quả thử nghiệm này sẽ chuyển thành hiệu năng, điện năng tiêu thụ và chi phí ra sao trong hệ thống khách hàng?

Bản quyền nội dung và biên tập thuộc về Ban biên tập AIINEWS
Chia sẻ bài phân tích này:
Góc nhìn mở rộng & Đột phá công nghệ

Các phân tích & Tiêu điểm liên quan

Hiển thị 8 bài phân tích tuyển chọn
Sam Altman làm rõ phát biểu về dung lượng RAM và chuỗi cung ứng trí tuệ nhân tạo
Lãnh đạo & Nhân vật AIkhoảng 9 giờ trước

Sam Altman làm rõ phát biểu về dung lượng RAM và chuỗi cung ứng trí tuệ nhân tạo

Giám đốc điều hành OpenAI Sam Altman vừa giải thích lại những phát ngôn gây tranh cãi về bộ nhớ máy tính trong bối cảnh các nhà sản xuất trí tuệ nhân tạo đẩy giá linh kiện tăng vọt. Ông cho biết mình hoàn toàn ủng hộ người dùng cá nhân sở hữu nhiều RAM để tự mày mò công nghệ.

2 phút đọc2,766
Hiệu suất cao hơn từ mỗi byte: Cách thiết kế mã đầy đủ giải quyết thách thức về bộ nhớ của AI
Bán dẫn & Siêu chip12 ngày trước

Hiệu suất cao hơn từ mỗi byte: Cách thiết kế mã đầy đủ giải quyết thách thức về bộ nhớ của AI

Các mô hình lớn hơn, bối cảnh dài hơn và các ứng dụng tác nhân đang làm tăng áp lực bộ nhớ GPU trong khi nguồn cung thắt chặt và giá tăng - một xu hướng dự kiến ​​sẽ tiếp tục trong thời gian tới. NVIDIA hợp tác chặt chẽ với các đối tác bộ nhớ để nhanh chóng áp dụng các công nghệ bộ nhớ mới nhất. NVIDIA là công ty đầu tiên áp dụng công nghệ HBM3e và HBM4 vào hệ thống tính toán tăng tốc.

10 phút đọc8,565
Startup chip bán dẫn Bharat Semi huy động 24 triệu USD nhằm phát triển cảm biến AI

Startup chip bán dẫn Bharat Semi huy động 24 triệu USD nhằm phát triển cảm biến AI

Công ty thiết kế vi mạch Bharat Semi vừa huy động thành công khoản vốn hạt giống 24 triệu USD để chế tạo dòng cảm biến hình ảnh tích hợp trí tuệ nhân tạo. Doanh nghiệp này đang nhắm tới các thị trường quốc tế như Mỹ với mục tiêu thương mại hóa sản phẩm vào năm 2027.

2 phút đọc5,721
Meituan ra mắt mô hình trí tuệ nhân tạo LongCat-2,5 chạy trên chip nội địa Trung Quốc
Trí tuệ nhân tạokhoảng 1 giờ trước

Meituan ra mắt mô hình trí tuệ nhân tạo LongCat-2,5 chạy trên chip nội địa Trung Quốc

Meituan đã công bố mô hình ngôn ngữ lớn LongCat-2,5 với 1,6 nghìn tỷ tham số được thiết kế để vận hành hoàn toàn trên phần cứng nội địa Trung Quốc mà không cần dùng chip Nvidia. Hệ thống này mở trọng số theo giấy phép MIT và hỗ trợ xử lý cả văn bản, hình ảnh lẫn video.

2 phút đọc434