近日，國際權威AI基準評測組織MLPerf?公布最新AI訓練（Training）榜單，紫光股份旗下新華三集團多款服務器在封閉模型分區的BERT-large（自然語言處理）、3D U-Net（醫學圖像分割）、Mask R-CNN（目標檢測）等8個模型測試中一騎絕塵，奪得25項配置第一，展現了新華三在人工智能領域深厚的技術積淀。

MLPerf?基準測試由圖靈獎得主David Patterson聯合頂尖學術機構發起，在全球AI領域極具影響力，其評測指標和AI領域的前沿應用緊密結合，測試成績具有極大的應用參考價值，能夠為用戶衡量設備性能提供權威有效的數據指導。本輪評測吸引來自全球的21家主流芯片、系統廠商參與，共產生264項性能成績，競爭異常激烈。

H3C UniServer R5500 G5

10項同配置第一

從容應對超大模型AI訓練場景

搭載NVIDIA HGX A100 8-GPU的R5500 G5，AI算力較上一代提升20倍，可應對超大模型AI訓練場景的算力挑戰。本次競賽中，在單機和集群的同配置下，R5500 G5服務器一舉奪得BERT-large（自然語言處理）、DLRM（推薦）、Mask R-CNN（目標檢測）、MiniGo（強化學習）、3D U-Net（醫學圖像分割）模型測試10項第一。

R5500 G5在BERT-large、3D U-Net、Mask R-CNN模型對應的自然語言處理、臨床診療、自動駕駛等應用場景中均取得了不俗表現。3D U-Net（醫學圖像分割）基于KiTS 19數據集進行訓練，查找和分割腎臟中的癌細胞，模型可識別CT掃描到的每個體積元素是屬于健康組織還是腫瘤。R5500 G5服務器僅用時21.28分鐘，就在KiTS 19數據集上完成3D U-Net 模型的訓練, 相當于每秒可訓練288幅CT圖像，大大提升醫療診斷效率。該成績在3D U-Net模型的8個同配置參測性能結果中表現最優。

Mask R-CNN模型則是應用于自動駕駛、工業等領域的目標檢測和圖像分割場景。R5500 G5服務器僅用時41.05分鐘，就在包含11.8萬張圖片的COCO數據集上完成Mask R-CNN模型的訓練，相當于每秒可完成680多張圖片的目標檢測任務訓練，大大縮短了AI模型的訓練時間，進一步加快AI應用程序的開發。

H3C UniServer R5300 G5

13項同配置第一

全能適配AI推理/訓練場景

本次競賽中，新華三集團R5300 G5服務器搭載NVIDIA A100 PCIe 80GB、HGX A100 4-GPU等多種AI加速卡，在相同配置下拿下BERT-large（自然語言處理）、3D U-Net（醫學圖像分割）、Mask RCNN（目標檢測）、ResNet（圖像分類）等模型測試13項第一

R5300 G5服務器可以在4U空間支持8顆NVIDIA A30或A10 GPU，適用大規模推理場景。同時，R5300 G5也可搭配4顆NVIDIA NVLink互聯的A100 GPU或8顆PCIe版NVIDIA A100 GPU，應用于AI訓練場景，敏捷的架構充分滿足多元算力的需求。

H3C UniServer R4900 G5

收獲2項同配置第一

低功耗、高可靠

作為一款兩路通用機架服務器，本次競賽中，R4900 G5服務器在BERT-large（自然語言處理）、ResNet（圖像分類）兩項AI訓練任務中收獲同配置第一。

R4900 G5服務器可在2U空間內容納4顆NVIDIA A30或NVIDIA A10 GPU，具有低功耗、高可靠、靈活擴展、易管理等優點，適用于小規模AI訓練和AI推理場景，能夠為用戶提供更高的能效回報，加速智能化轉型。

此次奪魁，再次彰顯了新華三集團在AI計算領域的強勁實力。面向AI時代，新華三將繼續圍繞真實應用場景需求，在“云智原生”戰略的指引下，以內生智能的全面創新為不斷提升AI應用效率與能力，以不斷進化的數字大腦，引領百行百業邁向智能化新征程。