MLPerf推理基准测试设有五个基准，每个对应四种场景，重点面向图像分类、对象检测和机器翻译等常见机器学习任务。测试者可以选择提交任何基准及相应场景的结果。
含光800参加了适用于图像分类任务的Resnet50 v1.5基准测试，在离线模式（Offline mode）、服务模式（Server mode）、多路模式（Multi stream mode）和单路模式（Single stream mode）四个场景都取得了单芯片第一的成绩。
离线模式测试的是芯片推理的最大吞吐量，最能考验芯片的计算、存储、通信等基本功。含光800的成绩为69306.60 IPS，单芯片性能是谷歌TPU v3 的8.5倍、Nvidia T4的12倍。
MLPerf是业内首套衡量机器学习软硬件性能的通用基准，由图灵奖得主David?Patterson联合谷歌和几所著名高校于2018年发起。MLPerf基准联盟现有50多家成员，包括谷歌、微软、Facebook、阿里巴巴等企业和斯坦福、哈佛、多伦多大学等高校。
继AI训练基准v0.5、v0.6之后，MLPerf在今年6月推出AI推理基准v0.5。参加本轮推理基准测试并提交结果的公司共14家，谷歌（TPUv3）、英伟达（T4、RTX、Xavier）、英特尔（CLX 9282、NNPI-1000）、Habana（Goya）等呈现了当前AI推理系统最高水平的竞逐。
今年9月问世的含光800是阿里巴巴第一款正式流片的AI芯片，基于台积电12nm工艺生产，其性能突破得益于软硬件的协同设计：采用平头哥自研架构，有效降低内存访问延时；集成达摩院的创新算法，深度优化CNN及视觉类算法，大幅提升视觉计算效率。
含光800主要用于云端视觉场景，现已大规模应用于阿里巴巴集团内多个场景，如视频图像识别/分类/搜索、城市大脑等，未来还可应用于医疗影像、自动驾驶等领域。今后，含光800的算力将通过阿里云对外输出。
免责声明：本文由作者原创。文章内容系作者个人观点，转载目的在于传递更多信息，并不代表EETOP赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题，请及时联系我们，我们将在第一时间删除！
