再次霸榜“AI界奥运会”MLPerf™，浪潮的AI硬实力如何？(3)

第二， 覆盖主流AI实际应用场景。

MLPerf™不是象牙塔里的学术竞赛，其赛道任务都是实际应用中最主流的AI场景。本次推理评测任务涵盖了 自然语言处理（BERT）、智能推荐（DLRM）、图像分类（ResNet）、医学影像分割（3D U-Net）、轻量级目标物体检测（RetinaNet）及语音识别（RNN-T） 6类任务。

单看这张榜单，很难对浪潮的AI实力有具象直观的印象，不妨看几个典型场景。

自然语言处理被誉为人工智能皇冠上的明珠，是AI理解人类语言的关键。BERT是一个无监督的NLP与训练模型，也是AI发展史上一个里程碑意义的重要模型。在自然语言处理任务中， 浪潮AI服务器在全球首次实现单机搭载24颗国际通用GPU ，通过深入优化GPU轮询调度策略，充分发挥每块GPU性能，大幅提升了BERT推理性能，最终实现 每秒钟回答7.5万个问答任务， 相当于每秒完成7.5万道阅读理解题。

目标检测是计算机视觉许多实际应用的基础，例如自动驾驶、故障报修、工业检测等。自动驾驶汽车的视觉系统对道路、车辆以及行人的检测，对交通标志物以及路旁物体的识别都是目标检测的应用。浪潮在目标检测场景中表现突出，可以做到 每秒钟完成1.3万张图片的目标提取任务。

医学影像分割通过对医学影像中器官或病变进行分割，实现对疾病的精准识别。3D生物医学影像由多个切片构成一整张图，人类医生靠肉眼查看非常费时费力。而浪潮AI服务器可以 每秒钟完成75张3D医疗影像的分割。

千人千面的智能推荐系统则是智能推荐任务的典型应用。浪潮AI服务器创下每秒288.4万次点击预测的最佳性能纪录，相当于一秒钟定制化推荐288.4万条用户感兴趣的资讯。

超半数冠军的成绩背后，是浪潮在AI服务器的整机系统优化、软硬件协同优化等多方面持续创新。例如，在算法优化层面，浪潮首先在MLPerf™训练中应用超参优化方案，大幅提高训练性能。在架构优化方面，浪潮率先采用JBOG方案，极大提升了AI服务器搭载超多数量GPU设备的能力。单机搭载24颗GPU的突破就是该架构优化的成功实践。