近日,国际权威AI性能基准评测平台MLPerf发布最新推理(Inference v1.1)测试成绩。宁畅X620 G40、X640 G40人工智能服务器,在closed(封闭)赛段的3D-UNet99、ResNet-50与SSD-large等模型测试中,共取得21项第一成绩。

MLPerf基准测试在国际AI领域有极高知名度,其基准联盟已有Intel、NVIDIA、微软等超50家成员。
AI服务器2U推理“冠军”诞生
美国太平洋时间9月22日10点,采用最新InferenceV1.1标准的MLPerf 推理测试成绩发布,总计超过10家国际知名服务器厂商的数十种产品参与了本次测试。
搭载8颗NVIDIA® A10 Tensor Core GPU宁畅X620 G40分别以3D-UNet99模型高低精度 179;ResNet-50离线模型97016;SSD-large在线、离线模型2500、2051的测试分数,取得2U人工智能服务器的五项第一成绩,成为本次测试中获得第一成绩最多的2U高度AI服务器。

第一成绩背后是宁畅X620 G40每秒可完成170余次三维医学图像分割推理,且精度高达99.9%;以及每秒完成近10万张各类事物图像的海量识别推理;SSD-large得分代表了离线场景下每秒可完成2500张图片中信息的分类、定位与精准检测,在线场景下每秒可应答2000余次实时目标检测的推理任务。
X620 G40作为一款2U高度人工智能服务器,支持PCIe4.0高速总线技术,适配NVIDIA® A10 / NVIDIA A30等各类GPU加速卡,是理想AI推理计算平台,同时还可胜任桌面虚拟化、云游戏和视频流转码等多IT行业用途需求,在边缘计算等应用场景X620 G40可充分支持客户多元计算需求,提供强大算力支撑。
此外,X620 G40还具备关键部件健康状态监控和上报功能,可以为数据中心运维保驾护航,其绿色节能设计、高效节能智能调速,尤其针对GPU的不同运行特性和环境提供优化超频、功耗平衡、绿色节能等多种工作模式,以达到服务器的智能管理、绿色节能。
多卡性能强劲,获16项第一成绩
除X620 G40外,搭载10颗NVIDIA® A30 Tensor Core GPU的宁畅X640 G40人工智能服务器,相比较其他搭载8颗NVIDIA® A30 GPU的产品,不仅整体AI性能取得全部16个推理模型第一成绩,平均单卡性能也取得12个模型的最好成绩。

宁畅X640 G40人工智能服务器兼备训练与推理功能,搭载高速互联芯片加速AI开发,支持多种不同的GPU拓扑结构,针对不同的应用场景和训练模型进行GPU互联优化,释放全部潜在算力。
值得一提的,自2020年以来至今,宁畅AI服务器在参加的三次MLPerf推理与训练测试中,已取得了53项第一成绩,并曾打破AI服务器世界性能纪录。
目前,宁畅X620 G40、X640 G40人工智能服务器已通过“NVIDIA-Certified Servers”认证,在满足常规AI推理、在线推荐系统需求的同时,还能针对如对话式人工智能等要求更高的工作负载,搭建GPU高速集群。
作为智能算力定制专家,宁畅核心团队成员专注服务器研发、生产已有15年之久,拥近百万台服务器生产部署经验,可为用户提供全栈服务器定制化服务。在公司创立的2020年便已有近千家企业、用户采购宁畅服务器产品,收到定制咨询350余次,累计落地服务器定制方案170项。
如今,宁畅用户已覆盖互联网、金融、电信等数十个行业,出货量数以万计,国内互联网行业头部企业均已与宁畅达成采购协议,借助定制化的人工智能服务器产品,深耕云计算、无人驾驶、搜索引擎、社交媒体等领域。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。