الإجاباتمنشور16 المصادر
MLPerf Inference 6.1: المقارنة لم تعد بين معالجات الرسوميات وحدها
حققت منظومة AMD Instinct MI355X المؤلفة من 512 وحدة معالجة رسومية أكبر إنتاجية إجمالية للرموز في الجولة، فيما عرضت NVIDIA أول نتائج Vera Rubin بوصفها معاينة تصل إلى 3.7 مرات إنتاجية GB300 NVL72 في اختبار Qwen3 VL. سجّلت الجولة رقماً قياسياً بمشاركة 30 جهة و486 نتيجة لمراكز البيانات والحافة، وأضافت اختبارات للاسترجاع...
نشر بواسطةتم التحرير باستخدام GPT-5.6 Terraتم إنشاء الصور باستخدام GPT Image 2
إجابة البحث
الوجبات السريعة الرئيسية
- حققت منظومة AMD Instinct MI355X المؤلفة من 512 وحدة معالجة رسومية أكبر إنتاجية إجمالية للرموز في الجولة، فيما عرضت NVIDIA أول نتائج Vera Rubin بوصفها معاينة تصل إلى 3.7 مرات إنتاجية GB300 NVL72 في اختبار Qwen3 VL.
- سجّلت الجولة رقماً قياسياً بمشاركة 30 جهة و486 نتيجة لمراكز البيانات والحافة، وأضافت اختبارات للاسترجاع المعزّز بالتوليد RAG والاستدلال الوكيلي على الحافة.
- بالنسبة إلى المشترين، تتساوى تحسينات البرمجيات على العتاد القائم وقابلية التشغيل الفعلي مع مواصفات المسرّع عند تقييم كلفة كل مخرج مفيد.
موجّه الذكاء الاصطناعي
openai.comCreate a landscape editorial hero image for this Studio Global article: What were the key results and broader implications of MLCommons’ MLPerf Inference v6.1 benchmarks, including AMD’s record-setting MI355X per. Article summary: MLPerf Inference v6.1 showed a more competitive and more deployment-oriented inference market: AMD set aggregate-scale records, NVIDIA demonstrated its next platform while retaining strong Blackwell results, Intel broade. Topic tags: general, documentation, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks,
لا تمثل نتائج MLPerf Inference 6.1 جدول ترتيب لشريحة واحدة بقدر ما تمثل صورة لتحول خدمات الذكاء الاصطناعي. فأبرز ما حملته الجولة هو تشغيل AMD واسع النطاق باستخدام MI355X، وأولى بيانات المعاينة لمنصة Vera Rubin من NVIDIA، واتساع حضور حلول الاستدلال الميسّرة من Intel، إلى جانب اختبارات جديدة للاسترجاع المعزّز بالتوليد (RAG) والوكلاء.
والخلاصة: لم تعد وحدة المقارنة المفيدة هي معالج الرسوميات وحده، بل نظام خدمة متاح فعلياً يشغّل عبء العمل المناسب ضمن متطلبات زمن الاستجابة المطلوبة.
AMD: نتيجة MI355X تضع حجم النشر في الواجهة
جاءت النتيجة الأبرز لـAMD عبر إعداد Crusoe المكوّن من 512 وحدة معالجة رسومية من طراز Instinct MI355X، والذي سجّل أكبر أرقام إنتاجية إجمالية للرموز المعلنة في جولة v6.1. 5 وهذه إشارة مهمة إلى الأداء عند التوسع الشديد، لأنها تختبر أكثر من قدرة المسرّعات نفسها: الاستدلال الموزّع، والشبكات، وتكامل النظام عبر نشر ضخم جداً.
لكنها ليست إعلاناً مطلقاً عن تفوق منصة ما في كل الحالات. فلا يصح وضع نتيجة إجمالية لـ512 وحدة معالجة رسومية في مقارنة مباشرة مع رف خوادم واحد أو عنقود أصغر، من دون توحيد عدد الوحدات، والنموذج، وسيناريو الاختبار، ومتطلبات مستوى الخدمة. قد تكون الإنتاجية الإجمالية هي المقياس المناسب لأسطول استدلال ضخم، بينما تكتسب الإنتاجية لكل مسرّع، وكثافة الرفوف، واستهلاك الطاقة، والتوافر، وتعقيد التشغيل وزناً أكبر في قرار نشر محدد.
لماذا يحمل تقدم ROCm قيمة استراتيجية؟
قصة AMD هنا برمجية أيضاً. إذ أشارت الشركة إلى تحسن الأداء على عتاد MI355X نفسه مقارنة بجولة MLPerf السابقة، وعزت ذلك إلى تحسينات ROCm. والمعنى العملي واضح: يمكن للمترجمات والنوى البرمجية وأوقات تشغيل النماذج وبرمجيات خدمة الاستدلال الموزع أن ترفع السعة القابلة للاستخدام في الأسطول القائم من دون تحديث العتاد.
كما التزمت AMD بدورة إصدار لـROCm كل ستة أسابيع. وإذا أفضت هذه الوتيرة إلى تحسينات ثابتة وقابلة للنشر، فقد تصبح سرعة تطوير البرمجيات عنصراً مؤثراً في حسابات تكلفة الرمز الواحد. لكن ينبغي اختبار مكاسب MLPerf على مزيج النماذج الفعلي، وخيارات التكميم، وإطار العمل، ونمط حركة الطلبات، وأهداف زمن الاستجابة لدى كل مشترٍ؛ فنتيجة معيارية لا تنتقل تلقائياً إلى بيئة الإنتاج بالمعدل نفسه.
NVIDIA تستخدم Vera Rubin لعرض إمكانات الجيل التالي
ظهرت منظومة Vera Rubin NVL72 من NVIDIA للمرة الأولى في MLPerf Inference كطلب معاينة. وأعلنت NVIDIA إنتاجية تصل إلى 3.7 مرات مقارنة بـGB300 NVL72 في Qwen3-VL، كما قالت إن تقديماً يستخدم 288 وحدة معالجة رسومية ضمن أربعة رفوف GB300 NVL72 حقق كفاءة توسع بنسبة 99%. 2
والتحفظ الأساسي هنا هو التوافر. فنتائج المعاينة تقدم دليلاً مفيداً على اتجاه البنية ونضج البرمجيات، لكنها ليست بالضرورة مقارنة شرائية مكافئة للأنظمة المتاحة تجارياً. كذلك اختلفت أحجام العناقيد في تقديمات المعاينة، ما يجعل المقارنة لكل وحدة معالجة رسومية، أو أي مقارنة مطبّعة مماثلة، أكثر دلالة من إجمالي إنتاجية النظام وحده. 8
في المدى القريب، تظل Blackwell وBlackwell Ultra محور عمليات النشر. فعلى سبيل المثال، أعلنت CoreWeave نتائج متقدمة بين مزودي السحابة لعدة إعدادات من Blackwell وBlackwell Ultra عبر أحمال Qwen3-VL وDeepSeek-R1 وGPT-OSS-120B. 4 والاستنتاج العملي ليس وجود فائز وحيد، بل وجود شرائح استخدام مختلفة: فسعة العناقيد الضخمة، وخدمة الاستدلال على مستوى الرف، والاستدلال متعدد الوسائط، وزمن الاستجابة التفاعلي قد ترجّح إعدادات مختلفة.
Intel توسّع نطاق الأنظمة الممثلة في اختبارات الاستدلال
وسّعت تقديمات Intel حضور الاستدلال باستخدام المعالجات المركزية ووحدات معالجة الرسوميات الموجهة لمحطات العمل. فضمن عقدة تضم أربع وحدات Arc Pro B70 وبذاكرة فيديو إجمالية تبلغ 128 غيغابايت، قدمت Intel نتائج لنماذج Llama وGPT-OSS-120B وWhisper واختبار RAG المتكامل الجديد. كما أعلنت مكاسب برمجية على إعداد Arc Pro B70 نفسه مقارنة بالجولة السابقة. 3
لا يجعل ذلك Arc Pro بديلاً مباشراً لعناقيد المسرّعات العملاقة في مراكز البيانات، لكنه يجعل المعيار أكثر تمثيلاً للمؤسسات التي تقيّم عمليات نشر أصغر أو أقل كلفة أو أكثر مرونة، ولا سيما عندما تشكل سعة الذاكرة أو الاستدلال المحلي أو البنية الخادمة المتاحة بالفعل جزءاً من القرار.
اختبارات RAG والوكلاء تجعل MLPerf أقرب إلى واقع النشر
أعلنت MLCommons مشاركة قياسية من 30 جهة مقدّمة للنتائج، مع 486 نتيجة لمراكز البيانات والحافة في v6.1. وأضافت المجموعة اختبار RAG متكاملاً لمراكز البيانات، واختبار Edge Agentic Inference، في انعكاس للانتقال من مطالبة واحدة للنموذج إلى تطبيقات ذكاء اصطناعي متعددة المراحل. 9
وهذا التوسع مهم لأن الأحمال الوكيلة تكشف اختناقات قد لا يظهرها اختبار تقليدي لإنتاجية الرموز في وضع غير متصل: تفاعلات متعددة الأدوار، واستدعاء الأدوات، وأعباء التنسيق، وسرعة الاستجابة بين الخطوات. وتصف MLCommons اختبار الحافة بأنه يعكس مهاماً معقدة ومتعددة الأدوار، مثل البرمجة المعتمدة على الوكلاء. 9
تبقى هذه اختبارات مضبوطة وليست تمثيلاً كاملاً لخدمات الإنتاج الحية، لكنها تقرّب التقييم من أنماط العمل التي تحاول فرق كثيرة نشرها اليوم.
ما الذي قد يعنيه التوجه نحو MLPerf Endpoints؟
استعرضت MLCommons أيضاً MLPerf Endpoints بوصفه اتجاهاً محتملاً تالياً. والفارق المهم هو بين تقديمات معيارية دورية وبين أداء قابل للرصد لنقاط خدمة تعمل فعلياً. وقد يركز برنامج ناضج قائم على نقاط النهاية بدرجة أكبر على السلوك تحت الضغط، وثبات زمن الاستجابة، والتوافر، وقابلية تكرار التشغيل، لا على أعلى نتيجة ضمن تشغيل معياري ثابت فقط.
في الوقت الحالي، ينبغي للمشترين التعامل مع ذلك كاتجاه قياس ناشئ، لا كبديل نهائي مكتمل لعملية التقديم الحالية. ونتائج v6.1 نفسها توضح سبب جدواه المحتملة: فجودة النشر الفعلي تعتمد على أكثر بكثير من أقصى عدد من الرموز في الثانية.
الدرس للمشترين: قارن المنظومة، لا الرقم العريض
تقدم MLPerf v6.1 دليلاً قوياً على أن المنافسة في الاستدلال تتشكل من ثلاثة عوامل مترابطة: قدرة المسرّعات، وتحسن البرمجيات، وتكامل الأنظمة. يبرهن تقديم AMD الضخم باستخدام MI355X على أهمية الحجم؛ وتشير معاينة Vera Rubin من NVIDIA إلى خطوة الأداء التالية فيما تخدم Blackwell عمليات النشر الراهنة؛ وتوسّع نتائج Arc Pro B70 من Intel نطاق العتاد الممثل؛ بينما تعترف اختبارات MLCommons الجديدة بأن RAG والوكلاء يفرضان متطلبات أداء مختلفة.
عند تقييم أي منصة، ابدأ بعبء العمل والهدف التشغيلي: النموذج، وطول السياق، ومستوى التزامن، وهدف زمن الاستجابة، وحدود الطاقة، وحجم النشر، وكلفة كل مخرج مفيد. ثم قارن الأنظمة عند مستوى مكافئ من الحجم والتوافر. هذه المقاربة أكثر فائدة بكثير من التعامل مع أي عنوان في MLPerf باعتباره إجابة شاملة.
Studio Global AI
مواصلة البحث الخاص بك
تتضمن هذه الصفحة إجابة مدعومة بالمصدر يمكنك المتابعة داخل Studio Global.
يسأل الناس أيضا
ما هي الإجابة المختصرة على "MLPerf Inference 6.1: المقارنة لم تعد بين معالجات الرسوميات وحدها"؟
حققت منظومة AMD Instinct MI355X المؤلفة من 512 وحدة معالجة رسومية أكبر إنتاجية إجمالية للرموز في الجولة، فيما عرضت NVIDIA أول نتائج Vera Rubin بوصفها معاينة تصل إلى 3.7 مرات إنتاجية GB300 NVL72 في اختبار Qwen3 VL.
ما هي النقاط الأساسية التي يجب التحقق منها أولاً؟
حققت منظومة AMD Instinct MI355X المؤلفة من 512 وحدة معالجة رسومية أكبر إنتاجية إجمالية للرموز في الجولة، فيما عرضت NVIDIA أول نتائج Vera Rubin بوصفها معاينة تصل إلى 3.7 مرات إنتاجية GB300 NVL72 في اختبار Qwen3 VL. سجّلت الجولة رقماً قياسياً بمشاركة 30 جهة و486 نتيجة لمراكز البيانات والحافة، وأضافت اختبارات للاسترجاع المعزّز بالتوليد RAG والاستدلال الوكيلي على الحافة.
ماذا يجب أن أفعل بعد ذلك في الممارسة العملية؟
بالنسبة إلى المشترين، تتساوى تحسينات البرمجيات على العتاد القائم وقابلية التشغيل الفعلي مع مواصفات المسرّع عند تقييم كلفة كل مخرج مفيد.