路透舊金山6月4日 - 週三發佈的新數據顯示，NvidiaNVDA.O最新芯片在訓練大型人工智能$(AI)$系統方面取得進展，訓練大型語言模型所需的芯片數量大幅下降。

MLCommons是一家發佈AI系統指標效能結果的非營利組織，該組織發佈了有關Nvidia和AMD(超威/超微)AMD.O 等業者的芯片在訓練處理大量數據學習的AI系統的新數據。儘管股市中大部分的注意力已經轉移到更大的AI推理市場（即利用人工智能系統處理用戶的問題），但訓練系統所需的芯片數量仍然是一個關鍵的競爭問題。中國的DeepSeek聲稱，他們打造出一款具有競爭力的聊天機器人，其系統使用的芯片比美國競爭對手少得多。

這是 MLCommons 首次發佈關於芯片在訓練AI系統方面表現的結果，例如Meta Platforms META.O發佈的開源AI模型 Llama 3.1 405B，該模型具有足夠多的所謂“參數”，可以表明芯片在世界上一些最複雜的訓練任務中的表現，這些任務可能涉及數萬億個參數。

Nvidia 及其合作伙伴是唯一提交有關訓練該大型模型的數據的測試者，數據顯示，Nvidia 的新款 Blackwell 芯片的單芯片速度比上一代 Hopper 芯片快兩倍多。

Nvidia新芯片最快的成績是，用2,496塊Blackwell芯片在27分鐘內完成了訓練測試。數據顯示，若要比前述成績更快完成訓練，使用Nvidia前一代芯片的數量得是Blackwell芯片的三倍以上。

與 Nvidia 合作產生部分成果的 CoreWeave 首席產品官Chetan Kapoor 在新聞發佈會上表示，人工智能產業有一種趨勢，即串聯多個芯片小組成爲子系統，用於個別的人工智能訓練任務，而不是使用10萬個或更多芯片來創設同質組。

Kapoor 說：“使用這樣的方法，他們能夠繼續加速或減少訓練這些數萬億參數模型的時間。”(完)

(編審 張明鈞)

((jeremy.chang@thomsonreuters.com; +886-2-87297935))