NVIDIA stabilisce nuovi record: Llama 405B addestrato in 10 minuti grazie all'architettura Blackwell Ultra nei benchmark MLPerf Training v5.1

NVIDIA stabilisce nuovi record: Llama 405B addestrato in 10 minuti grazie all'architettura Blackwell Ultra nei benchmark MLPerf Training v5.1

Indice dei Contenuti

• Introduzione
• Cos'è MLPerf Training v5.1 e la sua importanza
• Architettura Blackwell Ultra: l’innovazione alla base del successo
• Il debutto del sistema GB300 NVL72
• L’addestramento di Llama 3.1 405B: velocità senza precedenti
• Il formato numerico NVFP4: efficienza al servizio dell’AI
• Prestazioni superiori: il confronto con l’architettura Hopper
• Impatto nel settore dell’intelligenza artificiale
• Analisi dei dati e valore delle innovazioni NVIDIA
• Prospettive future: cosa aspettarsi dal 2025 in avanti
• Conclusione

Introduzione

Nell’autunno del 2025 NVIDIA ha nuovamente ridefinito gli standard globali per il calcolo ad alte prestazioni legato all’intelligenza artificiale (AI). Con l’annuncio dei risultati nei test MLPerf Training v5.1, NVIDIA non solo ha conquistato tutti i benchmark rilevanti, ma ha anche stabilito record di velocità senza precedenti, confermando il suo dominio nel settore delle GPU e dell’addestramento AI.

L’elemento di maggior impatto? L’addestramento del modello Llama 3.1 da 405 miliardi di parametri è stato completato in soli 10 minuti utilizzando 5.120 GPU Blackwell Ultra: un’impresa che testimonia il salto generazionale offerto dall’architettura Blackwell rispetto alle precedenti tecnologie, come l’architettura Hopper. Questo avanzamento ha suscitato enorme interesse tra gli addetti ai lavori, i ricercatori e gli investitori, sollevando il velo su un’era di accelerazione tecnologica senza paragoni.

Cos'è MLPerf Training v5.1 e la sua importanza

Per comprendere la portata dei nuovi risultati, è essenziale spiegare cosa rappresenti MLPerf Training v5.1. MLPerf è una suite di benchmark standardizzati, internazionalmente riconosciuta, nata per valutare le performance dei sistemi hardware e software dedicati all’addestramento di modelli AI di diverse scale e complessità.

I benchmark MLPerf Training v5.1 sono strumenti imprescindibili per valutare l’efficienza, la velocità e la scalabilità dell’addestramento di reti neurali profonde. Questi test considerano vari fattori, tra cui:

• Velocità di convergenza dei modelli di intelligenza artificiale;
• Efficienza energetica nell’impiego delle risorse hardware;
• Scalabilità della soluzione in cluster di GPU;
• Affidabilità delle prestazioni con diversi carichi di lavoro AI.

Trionfare in tutti i benchmark MLPerf, come fatto da NVIDIA, significa proporsi come punto di riferimento globale per tutti coloro che desiderano sviluppare e utilizzare modelli AI con la massima rapidità, efficienza ed efficacia.

Architettura Blackwell Ultra: l’innovazione alla base del successo

Il cuore pulsante delle performance NVIDIA nei test MLPerf Training v5.1 si chiama architettura Blackwell Ultra. Questa nuova generazione di GPU, evoluzione naturale della già performante linea Hopper, introduce una serie di miglioramenti chiave nel calcolo parallelo, nell’efficienza energetica e nell’ottimizzazione delle risorse per il machine learning.

Le GPU Blackwell Ultra si basano su una microarchitettura studiata per ospitare:

• Un numero elevatissimo di core di elaborazione;
• Una rinnovata gestione della memoria ad alta banda;
• Ottimizzazione nelle pipeline dedicate alle operazioni matematiche tipiche dell’AI (matrici, convoluzioni, inferenza);
• Supporto a formati numerici innovativi, come l’NVFP4;
• Interconnessione ancora più efficiente tra GPU, grazie a bus ad altissima larghezza di banda.

Queste novità permettono una scalabilità mai vista prima: il tutto mantenendo bassi i consumi energetici e offrendo velocità di addestramento impensabili fino a pochi mesi fa.

Il debutto del sistema GB300 NVL72

Un capitolo fondamentale di questa rivoluzione è rappresentato dal debutto del sistema GB300 NVL72 nei benchmark MLPerf Training v5.1. Il GB300 NVL72 è l’ultimo ritrovato nella gamma di sistemi multi-GPU NVIDIA progettati per i data center e i laboratori di ricerca che puntano al massimo delle prestazioni.

Le sue caratteristiche includono:

• Fino a 72 GPU Blackwell Ultra perfettamente sincronizzate;
• Una piattaforma modulare, facilmente scalabile secondo le necessità;
• Un’infrastruttura di networking ad altissima capacità, in grado di minimizzare la latenza nelle comunicazioni tra GPU;
• Compatibilità con i principali framework di machine learning e intelligenza artificiale.

L’esordio nei test MLPerf Training ha confermato l’efficacia di questo sistema, permettendo a NVIDIA di addestrare modelli di dimensioni colossali – come Llama 3.1 405B – in appena una frazione del tempo richiesto dalle architetture precedenti.

L’addestramento di Llama 3.1 405B: velocità senza precedenti

La vera pietra miliare dei risultati annunciati da NVIDIA riguarda l’addestramento di Llama 3.1 405B, un modello linguistico di dimensioni impressionanti (405 miliardi di parametri, tra i modelli più sofisticati mai realizzati). Questo processo, tradizionalmente lungo e dispendioso, è stato completato in soli 10 minuti grazie all’impiego di 5.120 GPU Blackwell Ultra.

Perché questa performance è rivoluzionaria?

• La velocità di addestramento determina la rapidità con cui nuovi modelli possono essere portati sul mercato e perfezionati;
• Una simile efficienza riduce enormemente i costi di calcolo, l’impatto ambientale e lo sforzo di gestione per i team di ricerca;
• Lo scaling lineare su migliaia di GPU apre la strada a modelli ancor più grandi e potenti, senza limiti apparenti di dimensionamento.

Questo risultato non è solo un primato tecnico, ma un segnale chiaro della maturità raggiunta dall’hardware NVIDIA e della visione strategica dell’azienda nello sviluppo di soluzioni per l’intelligenza artificiale.

Il formato numerico NVFP4: efficienza al servizio dell’AI

Un dettaglio tecnico chiave, spesso trascurato ma fondamentale per il salto prestazionale, è rappresentato dall’adozione del formato numerico NVFP4 durante il training.

Cos’è NVFP4?

NVFP4 è un formato numerico a precisione ridotta ideato da NVIDIA per ridurre la quantità di dati necessari per rappresentare ciascun parametro dei modelli AI senza compromettere la qualità dell’addestramento. Offrendo una codifica efficace per le operazioni tipiche del deep learning, NVFP4 garantisce:

• Un notevole abbassamento del carico computazionale e dell’uso di memoria;
• Maggiore velocità nei processi di training, grazie a un flusso dati più snello;
• Impatto positivo sui consumi energetici, riducendo i costi di alimentazione e raffreddamento dei data center.

Questa ottimizzazione si traduce in un netto vantaggio competitivo per l’intera filiera dell’intelligenza artificiale, permettendo agli sviluppatori di spingere sempre più in là l’ambiziosa sfida dell’AI generativa.

Prestazioni superiori: il confronto con l’architettura Hopper

Uno degli aspetti più rimarchevoli emersi dai test MLPerf Training v5.1 riguarda il salto prestazionale registrato rispetto alle GPU Hopper. In particolare, le nuove GPU Blackwell Ultra hanno garantito:

• Un miglioramento di oltre 4 volte delle prestazioni;
• Incrementi visibili tanto nella velocità di addestramento quanto nell’efficienza energetica.

Questo progresso è stato possibile grazie a una combinazione di:

• Nuove tecnologie di parallelizzazione dei processi;
• Miglioramenti nella distribuzione dei dati tra le GPU;
• Evoluzione del software di orchestrazione dell’addestramento, che sfrutta meglio le risorse di calcolo.

Il risultato finale è una piattaforma hardware/software capace di esprimere il massimo potenziale delle moderne architetture AI, definendo nuovi standard di riferimento.

Impatto nel settore dell’intelligenza artificiale

I dati relativi al MLPerf Training v5.1 hanno un impatto diretto sul mondo della ricerca, dell’industria e dei servizi basati su AI. Il successo di NVIDIA può essere letto come:

• Un segnale di accelerazione nell’adozione di modelli linguistici sempre più complessi;
• Una spinta allo sviluppo di nuove applicazioni, dalla traduzione automatica alle soluzioni di machine vision, dall’analisi di big data al supporto decisionale automatizzato;
• Un rafforzamento della leadership tecnologica di NVIDIA, con impatti sulle strategie di investimento e sulle politiche di settore nell’ambito dell’intelligenza artificiale.

NVIDIA si pone così come partner imprescindibile per università, centri di ricerca e aziende tech che intendano sviluppare soluzioni d’avanguardia nel prossimo decennio.

Analisi dei dati e valore delle innovazioni NVIDIA

Entrando nel dettaglio delle innovazioni introdotte, emerge come il successo di NVIDIA sia il frutto di una strategia di lungo termine imperniata su:

1. Investimenti massicci nella progettazione di GPU dedicate all’AI;
2. Costante collaborazione con il mondo accademico e industriale per definire i nuovi standard di benchmark, come MLPerf;
3. Focalizzazione sulle tecnologie di networking e storage, indispensabili per la scalabilità dei sistemi di addestramento multi-GPU;
4. Ricerca continua in ambito software per l’ottimizzazione delle pipeline di training.

Questa filosofia ha permesso il consolidamento di un team multidisciplinare, capace non solo di innovare ma di anticipare le esigenze di un mercato in continua evoluzione.

Prospettive future: cosa aspettarsi dal 2025 in avanti

Alla luce dei risultati MLPerf Training v5.1, il 2025 e gli anni successivi si prospettano come un periodo di ulteriore espansione e innovazione per il settore AI. Tra gli scenari prevedibili troviamo:

• L’arrivo di modelli ancora più articolati, grazie alla possibilità di addestrare reti neurali con centinaia o migliaia di miliardi di parametri in tempi ridottissimi;
• Un continuo abbassamento delle barriere all’ingresso per la sperimentazione AI, anche da parte di enti pubblici e imprese di medie dimensioni;
• L’accelerazione delle ricerche su algoritmi di compressione, ottimizzazione e automiglioramento dei modelli AI;
• Una spinta verso la sostenibilità, con hardware sempre più efficiente e prassi che minimizzano l’impatto ambientale dei grandi data center.

NVIDIA, con le sue GPU Blackwell e Blackwell Ultra, sembra aver consolidato per almeno il prossimo quinquennio una posizione di netto vantaggio competitivo.

Conclusione

La conquista di tutti i benchmark MLPerf Training v5.1 da parte di NVIDIA – unita a record come l’addestramento di Llama 3.1 405B in 10 minuti, l’esordio del sistema GB300 NVL72 e la maturità dell’architettura Blackwell Ultra – rappresenta una pietra miliare nello sviluppo dell’intelligenza artificiale globale.

Le innovazioni in termini di efficienza, velocità e scalabilità offrono benefici tangibili non solo ai grandi centri di calcolo, ma a tutta la filiera AI, preparando il terreno a modelli sempre più potenti, sostenibili e accessibili. Il settore, già in fermento, attende ora le prossime evoluzioni di NVIDIA e degli altri attori del mercato, consapevole che la frontiera dell’intelligenza artificiale è ancora tutta da esplorare.