谷歌云对外公布第七代Ironwood TPU的MLPerf v6.1训练基准结果,新增行业首个智能体强化学习(RL)赛道测试:640块Ironwood TPU集群,在18.02分钟达成编码类智能体目标精度,芯片等待(空闲)占比低于3%,集群硬件利用率超过97%。整套负载同时并行运行代码生成、环境交互与奖励回传,是典型的Agent闭环训练任务。
这个指标的核心意义:解决强化学习最头疼的“等数据”普通大模型预训练,数据可以提前缓存、打包;但智能体强化学习是循环依赖链路: Agent输出动作 → 在仿真/代码环境执行 → 拿到奖励信号 → 回传梯度更新模型。 瓶颈往往不在算力本身,而是环境交互、数据采样、奖励计算拖慢节奏,GPU/TPU大量时间空等,硬件利用率经常掉到50%甚至更低。 本次Ironwood的亮点,是软硬件协同把调度、ICI互联、采样流水线深度对齐:
ICI高速片间互联降低集群同步开销;环境采样、奖励计算、模型梯度三条流水线并行;把芯片空闲压到3%以内,意味着算力几乎持续被喂满。 测试基准是编码智能体任务,模型一边写代码、一边根据执行反馈自我迭代,非常贴近当下热门的代码Agent范式。和算力主线对照串联近期Agent算力基础设施:
英伟达Vera CPU机架:专门承接Agent沙盒、仿真、代码执行、环境调度,解决强化学习里的CPU侧瓶颈;Ironwood TPU集群:负责Agent模型梯度训练,靠高互联带宽、流水线调度拉高训练侧硬件利用率;安纳智芯AX100:矩阵求解协处理器,加速模型内线性代数算子;openPangu-2.1-Pro:Agent大模型底座。两条路线形成对照:英伟达方案是GPU + Vera CPU混合架构,把环境仿真放在独立CPU集群;谷歌Ironwood这套Agent RL方案,走TPU集群内一体化流水线,依托自研芯片+ICI互联+Google内部仿真栈,压缩跨架构通信延迟。 Agent训练现在分成两种工程思路:异构分离(算力卡+独立仿真CPU池)、同集群一体化流水线。
客观约束这是MLPerf标准化基准测试,不是通用所有Agent任务;不同机器人、具身智能、多智能体场景,利用率不一定能维持97%;高度依赖谷歌整套栈:JAX、AgentSpace、ICI互联调度,迁移到外部框架、第三方仿真环境会出现损耗;测试是640卡中等规模集群,扩到上万卡超大集群时,同步开销、尾延迟会重新抬升;只代表训练侧性能,不代表推理、在线Agent服务能力。赛道信号Agent算力竞争的新标尺,已经从“单卡算力多少TOPS”变成强化学习闭环利用率。 普通大模型预训练的成熟度已经很高,而智能体训练的最大痛点就是算力空转。Ironwood这个基准证明:定制芯片+专属互联+深度耦合的软件栈,能显著改善Agent循环的效率。 谷歌在为Gemini Agent、代码智能体打造一套原生适配的算力底座,和英伟达从GPU延伸Vera CPU的Agent算力路线形成直接对标。
写在最后后续重点跟踪两点:一是这个高利用率方案能不能迁移到机器人、具身仿真这类更复杂的RL场景;二是MLPerf后续会不会出现更多厂商提交Agent强化学习赛道成绩,形成横向对比。 智能体训练的成本,很大程度上由芯片空转的时间决定。