CLOUD & INFRA

NVIDIA Blackwell ครองแชมป์ประสิทธิภาพบน AgentPerf เบนช์มาร์คใหม่สำหรับ Agentic AI

NVIDIA Blog12 Jun 2026
1 min read
Key Takeaways
  • NVIDIA Blackwell ก้าวข้ามขีดจำกัดเดิมด้วยการรองรับงานประเภท AI Agents ได้มากกว่ารุ่นก่อนถึง 20 เท่าในประสิทธิภาพต่อพลังงาน

ทำไมเรื่องนี้ถึงสำคัญ

เบนช์มาร์ค AgentPerf ช่วยให้องค์กรเห็นภาพชัดเจนว่าโครงสร้างพื้นฐานใดคุ้มค่าที่สุดสำหรับการใช้งาน AI ในชีวิตจริงที่ต้องทำงานต่อเนื่องและซับซ้อน มากกว่าแค่การวัดความเร็วในการตอบคำถามสั้นๆ

NVIDIA ประกาศความสำเร็จของแพลตฟอร์ม Blackwell Ultra NVL72 ในการทดสอบด้วย AgentPerf ซึ่งเป็นเบนช์มาร์คแรกของอุตสาหกรรมที่ออกแบบมาเพื่อวัดประสิทธิภาพของ Agentic AI โดยเฉพาะ ผลการทดสอบพบว่า Blackwell สามารถรองรับเวิร์กโหลดของ AI Agent ได้สูงกว่าระบบ NVIDIA Hopper เดิมถึง 20 เท่าต่อหนึ่งหน่วยพลังงาน (Megawatt)

ความแตกต่างสำคัญคือ Agentic AI ไม่ได้ทำงานเพียงการตอบโต้ครั้งเดียวเหมือนแชทบอททั่วไป แต่เป็นการทำงานแบบต่อเนื่องที่ต้องเรียกใช้ LLM ซ้ำๆ และใช้เครื่องมือภายนอก (Tool calls) เช่น การค้นหาเว็บหรือรันโค้ด ซึ่งทำให้เกิดความซับซ้อนในเชิงระบบมากขึ้น ระบบ Blackwell ได้รับการออกแบบให้รองรับโมเดลขนาดใหญ่แบบ Mixture-of-Experts (MoE) และใช้ซอฟต์แวร์ TensorRT-LLM ในการแยกส่วนประมวลผล Input และ Output เพื่อให้สามารถขยายสเกลการทำงานได้โดยไม่เสียประสิทธิภาพ

สรุปประเด็นหลัก

Blackwell Ultra NVL72 รัน AI Agent ได้มากกว่ารุ่น H200 ถึง 20 เท่าต่อเมกะวัตต์

AgentPerf เป็นมาตรฐานใหม่ที่วัดประสิทธิภาพจากการทำงานจริงของ AI Agent (Chained LLM calls)

เน้นการเพิ่มประสิทธิภาพสำหรับโมเดลประเภท Mixture-of-Experts (MoE)

นวัตกรรมและเทคโนโลยี

infrastructure

NVIDIA Blackwell Ultra NVL72

ระบบที่เชื่อมต่อ GPU 72 ตัวเข้าด้วยกันเป็นตู้แร็คเดียว เพื่อเพิ่มประสิทธิภาพในการรันโมเดล MoE ขนาดใหญ่

tools

AgentPerf Benchmark

เกณฑ์มาตรฐานใหม่ที่จำลองการทำงานจริงของ Coding Agents เช่น การอ่านไฟล์ แก้ไขโค้ด และรันคำสั่งซ้ำ

Developer Impact
นักพัฒนาและทีมวิศวกรรมโครงสร้างพื้นฐานสามารถใช้ข้อมูลนี้ในการตัดสินใจเลือกใช้ฮาร์ดแวร์เพื่อรัน Agentic AI ในสเกลใหญ่ให้มีความคุ้มค่าด้านพลังงานและต้นทุน
Keywords
#nvidia #blackwell #agentic ai #benchmark #ai infrastructure
Original Source

อ่านข้อมูลเพิ่มเติมจากแหล่งข่าวหลัก

NVIDIA Blog