谷歌第七代 Ironwood TPU 交出 MLPerf 成绩,8192 芯片集群约 102 秒达标 DeepSeek-V3 预训练

谷歌在 MLPerf Training v6.1 测试里放出了第七代 Ironwood TPU 的正式跑分结果,8192 颗 Ironwood TPU 组成的集群跑 DeepSeek-V3 671B 预训练项目,只用 102 秒(1.7 分钟)就达到基准要求的模型质量门槛,这个成绩也是 Ironwood 目前提交的最大规模集群测试,同时这套集群依托谷歌 AI 超算架构,搭配自研 ICI 高速互联,在大模型 MoE 训练场景下拿到不错的扩展效率,不过大家要分清,这个 102 秒是 MLPerf 达标时间,不是完整跑完整个大模型全部预训练的总时长。

为什么这次 Ironwood TPU 能跑出这个成绩

  1. 芯片定位和架构:Ironwood 是谷歌第七代 TPU,原本主打推理,但是硬件底子强,HBM3E 显存、高速 ICI 片间互联,支持大规模多芯片组网,专门适配 DeepSeek-V3 这类 MoE 混合专家大模型。
  2. 软件栈优化:谷歌用 MaxText 框架,搭配 FP8、BF16 混合精度方案,做了专家通信和计算重叠调度,减少芯片之间等数据的等待时间。
  3. 集群扩展特性:2048 颗、4096 颗、8192 颗三组配置都提交了数据,2048 颗用时约 302 秒,4096 颗约 157 秒,4096 颗以内扩展效率 96%;从 4096 升到 8192 颗之后扩展效率降到 77%,大规模组网之后通信开销会明显抬升。

核心测试数据清单

芯片数量达标耗时扩展效率
2048 颗 Ironwood TPU约 302 秒基准
4096 颗 Ironwood TPU约 157 秒96%
8192 颗 Ironwood TPU约 102 秒77%
  • 测试模型:DeepSeek-V3 671B(MoE 混合专家模型)
  • 测试标准:MLPerf Training v6.1 封闭赛道
  • 互联方案:Google ICI 高速片间互联
  • 计算方案:MaxText 混合精度,FP8 专家矩阵、BF16 注意力计算

当前现状结论

这份是 MLCommons 官方认证的基准跑分,只代表在固定任务、固定数据集下达到指定精度的时间,不是真实业务里从零训练完 DeepSeek-V3 的全部时间;同轮测试里英伟达 GB300 集群也有提交成绩,二者硬件路线、集群规模不一样,只能作为参考对比,不能直接等同于谁的芯片全面更强;Ironwood 现在已经在谷歌云上线,客户可以用来跑大模型训练和推理任务。

【相关 FAQ】

问题 1:谷歌第七代 Ironwood TPU 8192 集群 102 秒完成 DeepSeek-V3 预训练,是完整训练完模型吗?

回答 1:不是,谷歌第七代 Ironwood TPU 这个 102 秒是 MLPerf 基准里达到预设质量门槛的达标时间,并不是把 DeepSeek-V3 完整预训练跑完的总时长,是标准化跑分指标。

问题 2:谷歌第七代 Ironwood TPU 跑 DeepSeek-V3 预训练,芯片越多速度提升一定线性变快吗?

回答 2:不会,谷歌第七代 Ironwood TPU 在 4096 颗以内扩展效率 96%,加到 8192 颗之后扩展效率降到 77%,芯片数量拉满之后,芯片之间通信开销会拖累整体加速效果。

问题 3:谷歌第七代 Ironwood TPU 本来是推理芯片,为什么能跑 DeepSeek-V3 预训练?

回答 3:谷歌第七代 Ironwood TPU 原生定位面向推理,但硬件搭载 HBM3E 显存、高速 ICI 互联,搭配 MaxText 软件栈优化,硬件能力可以支撑 DeepSeek-V3 这类 MoE 大模型的预训练基准测试。

问题 4:MLPerf 里谷歌第七代 Ironwood TPU 的 DeepSeek-V3 成绩,可以直接拿来和英伟达 GPU 跑分一比高下吗?

回答 4:可以做参考,但不能简单判定强弱,谷歌第七代 Ironwood TPU 和英伟达 GPU 的集群规模、互联、软件栈都不同,这个 DeepSeek-V3 预训练成绩只代表这个特定测试场景下的表现。

【参考资料】

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

[2026-11-17](谷歌第七代 Ironwood TPU MLPerf v6.1 成绩出炉,8192 芯片集群跑 DeepSeek-V3)腾讯新闻

[2026-11-16](Google Cloud MLPerf Training v6.1 results for Ironwood TPU)Google Cloud Official Blog

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

【免责声明】

本内容仅为 AI 硬件基准测试资讯科普,谷歌第七代 Ironwood TPU 的 DeepSeek-V3 预训练跑分是 MLPerf 标准化封闭赛道结果,跑分表现受集群规模、互联架构、软件栈影响;该成绩不代表实际业务训练、推理的真实性能,不构成采购云算力、AI 加速芯片的投资或者采购建议。

本文来自作者[雾境分发]投稿,不代表新新网立场,如若转载,请注明出处:https://www.xxcmw.com/kjyw/202611/3867.html

赞 (0)
反馈

发表回复

本站作者后才能评论

评论列表(4条)

  • 雾境分发
    雾境分发 2026年11月17日

    我是新新网的签约作者“雾境分发”!

  • 雾境分发
    雾境分发 2026年11月17日

    希望本篇文章《谷歌第七代 Ironwood TPU 交出 MLPerf 成绩,8192 芯片集群约 102 秒达标 DeepSeek-V3 预训练》能对你有所帮助!

  • 雾境分发
    雾境分发 2026年11月17日

    本站[新新网]内容主要涵盖:互联网行业的追踪与探索

  • 雾境分发
    雾境分发 2026年11月17日

    本文概览:谷歌在 MLPerf Training v6 1 测试里放出了第七代 Ironwood TPU 的正式跑分结果,8192 颗 Ironwood TPU 组成的集群跑 DeepSeek

联系我们

联系:143 0457 151

工作时间:周一至周五,9:30-18:30,节假日休息

关注我们