首页 >> 车资讯 >

谷歌第七代 Ironwood TPU 跑出 MLPerf 成绩,8192 芯片集群跑 DeepSeek-V3 预训练达标仅 102 秒

2026-11-18 06:31:21 来源:网易 用户:林坚春 

谷歌云在最新 MLPerf Training v6.1 闭集基准测试里放出 Ironwood TPU 的测试结果,使用 8192 颗第七代 Ironwood TPU 集群,完成 DeepSeek-V3(671B)预训练收敛达标用时 1.7 分钟也就是 102 秒,这个成绩是从参考检查点训练到基准规定精度目标,不是从零完整跑完整个大模型全流程预训练,同时谷歌还提交了 2048 颗、4096 颗芯片两组配置的数据,用来验证集群横向扩展能力。Ironwood 是谷歌 TPU v7,主打推理兼顾大模型训练,单芯片搭载 192GB HBM3e 高带宽内存,依托谷歌 AI Hypercomputer 架构、ICI 高速互联网络和 MaxText 混合精度框架跑测试,4096 芯片规模下扩展效率高达 96%,说明芯片之间通信开销控制很好,堆规模之后性能不容易掉。这次同轮测试里英伟达 GB300 集群也参与 DeepSeek-V3 项目比拼,用时比 Ironwood 这套更短,两家属于不同硬件路线,在 MLPerf 统一标准下同台对照,也能看出当前超大规模 MoE 大模型训练赛道的硬件竞争节奏。

一、DeepSeek-V3 在 Ironwood TPU 上三组测试数据清单

  • 2048 颗 Ironwood TPU:5.03 分钟(约 302 秒)
  • 4096 颗 Ironwood TPU:2.62 分钟(约 157 秒),扩展效率 96%
  • 8192 颗 Ironwood TPU:1.70 分钟(约 102 秒)

二、Ironwood TPU 核心硬件参数

项目参数详情
芯片代号Ironwood(TPU v7,第七代 TPU)
单卡 HBM3e192GB
单芯片 FP8 峰值算力4614 TFLOPs
HBM 带宽7.37 TB/s
芯片间 ICI 双向带宽1.2 Tbps
集群上限单 Pod 最高 9216 颗液冷芯片

三、本次测试关键说明

  1. 基准:MLPerf Training v6.1 闭集赛道,MLCommons 官方统一评测标准
  2. 模型:DeepSeek-V3,671B 参数 MoE 混合专家大模型
  3. 软件栈:MaxText,FP8 专家矩阵计算、BF16 注意力计算混合精度方案
  4. 计时口径:从指定检查点开始训练,达到预设精度目标停止计时,不是完整从头预训练

四、本次成绩的行业意义

  1. Ironwood 原本定位推理芯片,本次证明它同样可以胜任超大规模大模型预训练任务
  2. 高扩展效率,代表谷歌自研芯片 + 自研互联架构在 MoE 模型上并行优化到位
  3. MLPerf 标准化跑分,方便行业横向对比 TPU、GB 系列 GPU 的大模型训练能力
  4. 国产 DeepSeek-V3 登上国际主流硬件基准榜单,验证模型适配多类 AI 加速芯片

【相关 FAQ】

问题 1:谷歌 Ironwood TPU 跑 DeepSeek-V3 预训练仅需 102 秒,102 秒是从零开始完整训练模型吗?

回答 1:谷歌 Ironwood TPU 跑 DeepSeek-V3 预训练仅需 102 秒,不是从零完整训练,是从官方参考检查点开始训练,达到 MLPerf 规定精度目标就停止计时。

问题 2:谷歌 Ironwood TPU 跑 DeepSeek-V3 预训练仅需 102 秒,102 秒这个成绩是多少颗 TPU 跑出来的?

回答 2:谷歌 Ironwood TPU 跑 DeepSeek-V3 预训练仅需 102 秒,该成绩由 8192 颗 Ironwood 第七代 TPU 组成集群完成测试。

问题 3:谷歌 Ironwood TPU 跑 DeepSeek-V3 预训练仅需 102 秒,Ironwood TPU 是什么定位的芯片?

回答 3:谷歌 Ironwood TPU 跑 DeepSeek-V3 预训练仅需 102 秒,Ironwood 是谷歌第七代 TPU,最初主打大模型推理场景,同时支持大规模预训练任务。

问题 4:谷歌 Ironwood TPU 跑 DeepSeek-V3 预训练仅需 102 秒,4096 颗 Ironwood 跑这个模型扩展效率是多少?

回答 4:谷歌 Ironwood TPU 跑 DeepSeek-V3 预训练仅需 102 秒,4096 颗 Ironwood 集群跑 DeepSeek-V3 预训练,系统扩展效率达到 96%。

【参考资料】

[2026-11-17](谷歌 Ironwood TPU 跑 DeepSeek-V3 预训练仅需 102 秒)网通社

[2026-11-17](谷歌 Ironwood 交卷:DeepSeek-V3 预训练测试仅用 102 秒)IT 之家

[2026-11-16](Google Cloud MLPerf Training v6.1 benchmark results)谷歌云官方博客

[2026-11-16](MLPerf Training v6.1 Supplemental Results)MLCommons

[2026-11-17](Ironwood 约 102 秒完成 DeepSeek-V3 预训练)腾讯新闻

【免责声明】

本文仅整理 MLPerf v6.1 公开基准测试信息,跑分是特定集群规模、固定软件栈下的测试结果,不代表所有场景性能;不同硬件、不同并行策略、训练数据集都会改变耗时,本文不构成算力采购、芯片选型投资建议。

 
最新文章