在TensorFlow上测得的MLPerf TTT结果与我们早期客户现在看到的训练吞吐量相似。

16nm和HBM2的Gaudi封装的晶体管数量不如基于7nm和HBM2e的A100 GPU那么多，但Gaudi的架构以效率为宗旨进行了全新设计，相较于GPU架构，Gaudi架构的资源利用率更高，包含的系统组件更少。结果，系统成本下降，从而为最终用户提供更低价格。

在语言模型中，Gaudi与GPU的性价比提升幅度不如视觉模型，相比p4d，成本节省了10%，相比p3dn，成本节省了54%。

在进一步开发软件和模型覆盖范围方面还有很多工作要做，我们将依靠数据研究人员和开发人员来探索Gaudi，并向我们提供相应的反馈和请求。我们期待通过开发人员站点和GitHub，对于云端（通过 Amazon EC2 DL1 实例）和本地使用Gaudi的问题与DL社区进行互动。

在软件方面还有很多工作要做，与此同时 — Habana 正在开发下一代Gaudi2 AI处理器，新一代处理器将Gaudi架构从16nm提升到7nm，进一步提高了性价比，造福于终端客户，同时保持相同的架构，并充分利用我们利用Gaudi构建的相同SynapseAI软件和生态系统。

AES-GCM 在 TLS 1.3 中也是必备的，这也是 TLS/SSL 中较旧算法的更安全有效的替代方案，这个基本协议可以护浏览器 （https）、IP 语音、移动设备和物联网应用等大多数互联网通信的安全。

Habana团队对通过基于Gaudi的Amazon EC2 DL1实例，为AI提供AWS云中最具成本效益的训练感到满意。我们对AI倾注的关注和努力甚于以往任何时候，我们持续全情投入AI发展。

(素材来源：ttic和eccn.如涉版权请联系删除。特别感谢）