上周，RiseML 博客对谷歌 TPUv2 与英伟达 V100 进行了比较。如今，英特尔公司发布了另一篇博文，其中提到在利用 RNN 进行机器翻译数据处理时，“英特尔 Xeon Scalable 处理器的 AWS Sockeye（https://github.com/awslabs/sockeye ）神经机器翻译模型性能可达英伟达 V100 的 4 倍。”
很长一段时间以来，业界对 AI 基准测试需求的现实意义展开了激烈的探讨与争论。支持者们认为，基准测试工具的缺失严重限制了 AI 技术的实际应用。
根据 AI 技术先驱吴恩达在 MLPerf 声明中的说法，“AI 正在给各个行业带来改变，但为了充分这项技术的真正潜力，我们仍然需要更快的硬件与软件。”我们当然希望获得更强大的资源平台，而基准测试方案的标准化进程将帮助 AI 技术开发人员创造出此类产品，从而帮助采用者更明智地选择适合需求的 AI 选项。
不止吴恩达，连谷歌机器学习大佬 Jeff Dean 也在推特上强烈推荐这款工具：
大意：谷歌很高兴和斯坦福、伯克利、哈佛、百度、英特尔、AMD 等等企业一起，成为致力于将 MLPerf 作为衡量机器学习性能的通用标准的组织之一。