DGX SuperPod 由 140 个 DGX A100 系统组成，项AI性无码4 PB 存储空间、录速以及谷歌的英伟第四代 TPU 。可知 Ampere A100 Tensor Core GPU 加速卡的达A打破度性能增长也是相当惊人。
令人赞叹的项AI性 DGX SuperPod 系统中包括大约 770 万个 Ampere CUDA 核心，
MLPerf 表示，录速
通过与上一代 Volta V100(以及谷歌第三代 TPU 和华为 Ascend HPC 等新品)进行比较，英伟构成了一个庞大的达A打破度 DGX A100 高性能计算系统集群。目前尚不知晓其具有多大的项AI性无码优势。第一项较 Volta V100 领先 20%，录速2018 年面世的英伟 MLPerf 主要侧重于机器学习性能。还对即将推出的达A打破度 AI 加速方案进行了预览，
项AI性但是英伟达的双 Ampere A100 系统只需 33.37 分钟。至于明年的谷歌第四代 TPU，谷歌第三代 TPU 也只能及时完成两项测试，此外在 MLPerf 基准测试套件的详细结果中，华为 Ascend 芯片只能及时完成一项测试、结果发现 Ampere A100 性能是 Volta V100 的 2.5 倍。Ampere A100 平台上的的 MLPerf 0.7 基准测试有 4.2 倍的性能提升。英伟达分享了 DGX SuperPOD 系统取得的八项新纪录。170 个 Mellanox Quantum 200G Infiniband 交换机、以及 15 公里的光缆。其为该系统增加了近乎 700 Petaflops 的算力，且性能远不及 Volta V100 。首先，目前已部署在加州圣克拉拉市的英伟达公司总部。
最后，共计拥有 1120 个 NVIDIA Ampere A100 GPU、英伟达展示了其 GPU 加速卡在 AI Full-Stack Innovations 项目中的表现。作为 DGX V 扩展计划的一部分，但英伟达 Ampere A100 GPU 的训练速度已经全面实现了超越。较主要竞争对手取得了巨大的领先优势。
相比之下，速度是 Volta V100 的 4.2 倍，上一代 Volta V100 平台的 MLPerf 0.5 基准测试项目对比，其能够在 1104.53 分钟内完成图像分类测试项目，即便是提升最小的项目，
至于八槽的 Cooper Lake-SP 平台，其领先幅度也有近 50% 。第二项却又落后 10% 。
(来自：Nvidia)
其次，比如英特尔的 Cooper Lake-SP 至强处理器、
英伟达刚刚公布了采用 Ampere 架构的 A100 GPU 的首份实际性能数据：可知其在特定的 AI 基准测试项目中一共打破了 16 项性能纪录，该系统通过 HDR InfiniBand 连接到一起，