近日,国际权威AI性能基准评测平台MLPerf发布最新推理(Inference v2.0)测试成绩,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。其中,宁畅X640 G40、X660 G45 、X620 G40人工智能服务器,在Closed(封闭)赛段的3D-UNet99(图像分割)、SSD-large(目标检测重量级)与Bert-99(自然语言处理)等模型测试中性能表现出色,共获得59项第一成绩。

MLPerf基准测试在国际AI领域有极高影响力,其基准联盟已有谷歌、Intel、NVIDIA、微软、Facebook等超50家成员。MLPerf Inference v2.0 AI基准测试包括Datacenter(数据中心)和Edge(边缘)两大场景,参与测试的各计算系统基于同一套参数运行。
X640 G40获得Datacenter组全场第一
搭载NVIDIA A100 Tensor Core 80GB GPU,宁畅X640 G40 在Closed(封闭)赛段所有已发布的产品中,获得10项Datacenter组总体性能第一成绩,也是本次测试中的全场第一。

最新的MLPerfInference v2.0设置了不同领域的Benchmark子项,贴近前沿AI应用场景。X640 G40在3D-UNet99(图像分割)、SSD-large(目标检测重量级)、Rnnt(语音辨识)和Bert-99(自然语言处理)等多个经典模型测试中均取得高光表现。
拥有强劲性能的宁畅X640 G40可针对不同AI场景和训练模型进行互联优化,满足不同类型客户需求。其中,SSD-large模型在线分数8994.9、离线分数9279.37,这一成绩代表了宁畅X640 G40每秒可完成9200多张图片中信息的分类、定位与精准检测,且可应答近9000次实时目标检测的推理任务;Rnnt模型离线分数为127213,代表宁畅X640 G40每秒可完成12万次语音的识别请求。
X660G45拿下Edge组单项性能冠军,Datacenter组同配置7项第一
所有产品中,宁畅X660 G45搭载NVIDIA A100 Tensor Core80GB GPU,在SSD-Mobilenet(目标检测移动端)模型测试的Multi-Stream(多数据流)场景中,以0.44成绩击败所有参赛产品,获第一成绩。同时,X660 G45还取得Datacenter组同配置的7项第一,在SSD-large、ResNet、Bert-99、Dlrm -99(智能推荐)四项任务中都实现了极佳的性能结果。其ResNet得分在线为286,030、离线为316,636,代表宁畅X660 G45能够每秒完成超过30万张图片中各个事物类别的海量识别。
X660 G45是专为深度学习训练开发的高性能计算平台,采用600GB/s的NVLink总线高速互联,每个GPU还可搭配HDR 200Gb/s InfiniBand网络和NVMe SSD高速缓存,帮助用户搭建GPU高速集群,同时结合近500TB的本地存储容量,可极大缩短AI模型训练时间。

X620 G40赢取Datacenter组同配置15项第一
本次测评中,搭载4颗NVIDIA A2 Tensor Core的宁畅X620 G40获得Datacenter组同配置15项第一的成绩。X620 G40在SSD-large、ResNet、3D-UNet99、Bert-99、Rnnt和Dlrm-99等几乎所有模型测试中都取得优异成绩,充分证明产品在推理性能上出类拔萃,能够应对各种复杂的AI 挑战。
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。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。

此次MLPerf Inference v2.0榜单的发布,进一步彰显了宁畅在AI服务器领域的实力地位。以此为依托,宁畅将持续推动技术创新,不断深入各种AI应用场景,以智能定制算力赋能用户更好发展。
好文章,需要你的鼓励
微软正式确认配置管理器将转为年度发布模式,并将Intune作为主要创新重点。该变化将于2026年秋季生效,在此之前还有几个版本发布。微软表示此举是为了与Windows客户端安全和稳定性节奏保持一致,优先确保安全可靠的用户体验。配置管理器将专注于安全性、稳定性和长期支持,而所有新功能创新都将在云端的Intune中进行。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
人工智能初创公司aiOla推出基于流匹配训练技术的语音AI模型Drax,挑战OpenAI和阿里巴巴等巨头。该模型重新定义语音算法训练方式,能在嘈杂环境中准确识别语音,兼顾速度与准确性。相比OpenAI的Whisper和阿里巴巴Qwen2,Drax采用并行流处理技术,速度提升32倍,词错误率仅7.4%。该模型已在GitHub开源,提供三种规模版本。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。