NVIDIA の次世代 Vera Rubin プラットフォームが、MLPerf Training の結果に初めて登場しました。 NVIDIA は、11 月 16 日に公開された社内投稿で、NVL72 システムは、選択されたトレーニング ワークロードにおいて、GB300 NVL72 システムの GPU あたり最大 2 倍のパフォーマンスを実現したと述べています。 MLPerf は MLCommons によって実行されるパブリック ベンチマーク スイートであり、ベンダー独自のデモンストレーションのみに依存するのではなく、システムの提出と構成を検査できるため、この結果は注目に値します。

ベンチマークが測定するもの

MLPerf トレーニングは、システムがモデルを指定された目標品質レベルまでトレーニングするのにかかる時間を測定します。そのワークロードは、大規模な言語モデルや画像生成など、複数のタイプのコンピューティング タスクに及びます。結果は、ワークロード、システム構成、および完了基準が付加されて初めて意味を持ちます。これは、チャットボットがユーザーに応答する速度を測定することと同じではありません。また、トレーニング結果によって、組織が構築するすべてのモデルのパフォーマンスを自動的に予測することもできません。

NVIDIA は、v6.1 トレーニング ラウンドのすべてのベンチマークにわたって結果を提出した唯一の企業であると述べています。この幅広さにより、読者は 1 つのプラットフォームからのエントリーの完全なセットを得ることができますが、すべてのエントリーが異なるサプライヤーの同一のシステム間で直接競合することを意味するわけではありません。 MLCommons の結果ページとベンチマークのルールは、どのシステムが各ワークロードを送信したか、およびテストされた構成がどのように異なるかを検査するのに適した場所です。

97%という数字の裏にあるスケールアップテスト

NVIDIA の投稿で最も明らかな数字の 1 つは、DeepSeek-V3 トレーニングに関するものです。同社は、約 97% の効率を維持しながら、Vera Rubin システムを 256 個の GPU から 1,024 個の GPU に拡張したと報告しています。その説明によると、GPU 数を 4 倍に増やすことで、トレーニング時間が約 16 分から約 4 分に短縮されました。 MLCommons の補足説明では、より具体的な時間が 16.12 分と 4.14 分とされており、これは 3.9 倍近くの高速化を表しています。

この種のスケーリング テストでは、通信やソフトウェアのボトルネックを待つのではなく、追加のアクセラレータが連携して有益な作業を行うかどうかが問われます。大規模なトレーニングの実行では、サーバー内部およびサーバー間の接続が、単一チップの速度と同じくらい重要になる可能性があります。ただし、1 つの名前付きワークロードに対する強力なスケーリングは、すべての顧客が異なるデータ パイプラインまたはモデルで同じ結果を再現できることを保証するものではありません。

パフォーマンスに関する主張をどう解釈するか

NVIDIA は GB300 システムを使用した 10,240 GPU での提出も報告しましたが、Microsoft Azure はその規模に GB200 ハードウェアを使用しました。この比較は、ベンチマーク実行のサイズが増大していることを示していますが、これら 2 つのデモでは異なる GPU 世代が使用されています。データセンターの予算を立てる企業にとって、トレーニングの経過時間は入力値の 1 つにすぎません。電力、冷却、ハードウェアの可用性、システム コスト、およびソフトウェア要件は、導入の効果がどれだけ早く現れるかに影響します。

Vera Rubin の新しいエントリは初期のベンチマーク スナップショットであり、日常的な生産負荷の下での出荷システムの完全なレビューではありません。 MLPerf は、ベンダーのスライド資料よりも構造化された比較を提供しますが、慎重な読者は各行を見て、どの構成が比較されているかに注目し、ワークロード固有のスコアを 1 つの GPU が常に 2 倍高速であるという一般的な主張に変えることを避ける必要があります。有益なストーリーは、最初に公開された結果と大規模な効率の実証を組み合わせたもので、詳細なエントリは技術的な精査のために残されています。

FILEZUNA の視点

注目する理由

MLPerf のデビューは、Vera Rubin の具体的な基準点を市場に提供します。スケーリング結果は、GPU 数の増加に伴って何が起こったかを示すため、不適格なピークパフォーマンスの数値よりも有益です。それでも、最も強力な見出しには 2 つの修飾子が必要です。選択されたベンチマーク ワークロードを比較し、その結果は NVIDIA 自身の提出内容の説明から得られます。 MLCommons は、正確な構成を確認するための基礎となるエントリを公開します。購入者は、ベンチマークの速度をインフラストラクチャの決定に反映する前に、これらのスコアをコスト、電力、生産の測定値と組み合わせる必要があります。

出典

情報源・関連情報

この記事は独自の文章で構成しています。以下のリンクは、事実確認に使用した報道や発表です。

確認日 2026/11/21.

FZ記事の終わり
テクノロジーの記事をもっと読む