国内AI不行 ，陷巨是大算大厂打破单芯因为芯片不行 ？

我们跟国外的差距，是力荒力效率提因为和英伟达芯片的差距过大 ？

最近，圈内有许多这样的国内论调 。

其实深挖下去，抢先就会发现事实完全不是破局片限澳门精准资料大全免费这样 。即使是制算英伟达最先进的芯片 ，依然无法满足当下人工智能在算力上的陷巨需求 。

随着模型参数量和数据量的大算大厂打破单芯增加，智慧不断涌现 ，力荒力效率提我们对更大集群的国内需求 ，也更加迫切。抢先无论是破局片限国外 ，还是制算在国内，大家离终点都很遥远。陷巨

算力≠芯片

如今，大规模神经网络的训练现状是这样的 。

新鲜出炉的8B和70B参数的Llama 3训练，需要24576块H100组成的集群 。

小扎曾透露截止今年底，Meta将建成由35万块H100搭建的基础设施

而据称有1.8万亿参数的GPT-4 ，是在10000-25000张A100上完成了训练。

爆火的Sora训练参数量可能仅有30亿，爆料称
，估计使用了4200-10500块H100训了1个月。

特斯拉FSD V12 ，则是在1000万个海量视频片段进行训练，需要用大概10000块H100，耗资3亿美元。

就连奥特曼最近在20VC的采访中 ，提及了OpenAI目前增长的「核心瓶颈」：

我们有世界上最优秀的研究人员和研究文化。如果计算资源不足，将会拖慢我们的步伐。

一句话概括就是 ：给我算力！

然而，由于摩尔定律限制，从14nm到7nm再到5nm的澳门六开彩天天彩免费资料大全制程进步，所带来的性能增益越来越有限。

我们需要有这样一个认知
，即AI对算力的需求无穷尽
，不能仅依靠AI芯片去满足算力需求。

那该怎么办
？

瓶颈何解 ？

其实 ，英伟达在GTC 24大会上推出的由DGX GB200系统构建的全新DGX SuperPOD
，早已给出了答案
。

通过在加速计算 、网络和软件方面同时发力 ，新集群为万亿参数模型的训练和推理，提供了稳定的支持。

而且与上一代产品相比，新一代DGX SuperPOD架构的网络计算能力提升了4倍
 。

也就是说，刚刚的问题就迎刃而解了——通过更大的集群来突破算力的瓶颈。

然而，随着集成的芯片越来越多 ，我们不得不应对算法效率不高 、计算资源不足 、互联带宽受限等众多技术挑战。

计算资源不足

一方面，AI系统的性能主要源于GPU等加速器 ，因此需要其具备强大的异构扩展能力 。

但是
，传统的计算机体系结构将加速计算模块作为CPU的配属，通过PCI-e总线接入系统，只支持有限数量的异构单元，限制了异构加速器的扩展性。

并且，同CPU的通信带宽也十分有限。

互联带宽受限

另一方面，互联成为了新的瓶颈。

AI集群早已从千卡 、增长到万卡 、十万卡 ，节点间并行所产生的香港二四六免费资料网站海量通信需求，严重挑战了现有的互联能力
。

比如 ，刚刚提到的GPT-4集群有2.5万块A100，而算力利用率（MFU）仅在32%到36%之间。

可见利用率非常之低，不过在当前技术条件下，几乎触顶了。

部分原因是故障数量过多，需要从checkpoint重新启动训练 。

如果OpenAI在云端使用A100的成本是1美元/h，那么仅这一次的训练，成本就会高达6300万美元。

算法效率不高

当然 ，系统不是全部，AI训练是一个超级复杂的计算系统。

如果模型算法结构与硬件结构匹配不合理、并行化处理不科学等都会导致整个计算平台的利用率偏低。

除此以外，机柜之间若想实现高速的互联，不仅耗电，且散热不够的挑战也需要面对。

总而言之 ，解决以上难题
，我们需要创新：用系统性开创思维去应对AI的挑战。

万卡集群

如今很多人都爱说，AI产业的发展「缺芯少魂」，仿佛AI发展不起来，都是芯片制造业的责任 。

但实际上呢
？

稍微一分析就会知道，如今AI的算力设计已经到了万卡级别 ，其中某一张卡的性能
，并没有决定性的作用 。

对于动辄千亿、万亿参数的大模型来说，单机、单卡的效率不再那么重要了。这时要看的 ，是算力平台的整体效率。

就拿GPT-3来说 ，它的训练算法效率MFU只有21.3%，近79%的算力，都被浪费掉了。

论文地址：https://arxiv.org/pdf/2204.02311.pdf

之所以有如此严重的浪费，就是因为在大规模计算中，单点效率很有限 。因此算力再强都没有用，接近80%的时间，都是在等 。

为什么？一是由于互联带宽的限制，二是由于算法没有考虑带宽的优化 ，导致效率奇低。

在这种情况下 ，系统的互联优化
、高效组织协调、算法优化，重要性也愈发凸显 
。

硬件

为此
，浪潮信息在去年发布了「融合架构3.0」。

这是一个全新的大规模计算架构，通过高速互联总线 ，对计算存储进行了解耦。

当GPU算力不足时
，需要构建一个GPU池，这样一台服务器可以对接不仅仅是8卡，可也以是16卡、32卡
。

同时，用相对比较低的算力堆积也存在瓶颈，因为CPU和GPU之间需要有个最佳的配比 
。

针对不同模型的类型、以及模型之间的交互量，有些GPU发挥的作用大一些，有些小一些
。

通过高速的系统总线将多个节点连接，CPU、GPU 、内存全部基于池化去做 ，实现了融合架构和算法模型之间的适配
。

这种全新的架构 ，不以芯片为核心的单机系统 ，而是以万卡集群为设计出发点 、以系统为核心的架构
。

在未来，AI计算领域重要的创新点
，就落在了如何发挥系统价值、提升系统效率上。

而这个系统里 ，接下来要解决的问题，就是如何互联 。

互联

显然
，从千卡走向万卡，系统集群之间的高速互联变得愈加重要
。

以往单一任务的AI工厂模式，早已不能满足需求  。

集群不仅仅是面向大模型训练 ，还需提供服务，正是AICloud模式所能解决的 。

但过去面向超级计算的专用网络，无法很好地支持多用户
、多任务、多租户的灵活需求。

提升GPU与GPU之间的高速互联，英伟达闭源NVLink网络成为最典型的代表 。

英伟达在DGX SuperPOD ，利用了第五代NVLink链接，同时采用了Quantum-X800 InfiniBand网络，可为系统中每个GPU提供高达每秒1800GB/s的带宽 。

可以看到，GPU点对点的通信效率已从2017年32GB/S，过渡到了如今最高的1800GB/S ，提升了56倍。

而在未来大模型训练中，浪潮信息笃定的以「超级AI以太网」来支撑——相比于传统RoCE可以实现1.6倍的效率提升。

为什么这么说？

因为
，它能够实现「端网协同」
，为模型训练带来极致的计算效率
。

端网协同 ，是指AI交换机和智能网卡之间，能够实现紧密配合，并结合开放技术为网络引入创新功能 
。

多路径负载均衡功能 ，便是其中的一个最佳应用 。

交换机（网侧）可以部署逐包喷洒技术
，最大地提升带宽利用率 ，但会导致数据包乱序 。

这个问题，是很难仅靠交换机本身去解决 。

而智能网卡（端侧）却拥有足够的算力和资源进行乱序重排
，将不可能变成可能 ，大大释放了网络潜力。

具体来说，通过报文保序（乱序重组）技术，可将乱序达到的报文，重新编排顺序上交到上层AI应用 ，将带宽效率从60%提升到95%以上。

正是超级AI以太网的出现，实现了交换机和网卡更加紧耦合的配合。

一边，交换机可以对网络数据包进行精细化的路由调度。另一边，智能网卡提供保序服务
，实现了网络流量的高效均衡。

与此同时 ，网卡可以针对交换机上标注出的多维遥测信息，进行动态可编程的拥塞控制
，实现全程无阻塞 、零丢包。

由交换机+智能网卡实现高效的网络 ，便是「超级AI以太网」很典型的特点 。

可见
，若要真正发挥网络的性能，不仅需要提供大带宽，更重要的是通过良好的调度，提高「有效带宽」 。

软件

有了如此复杂的系统 ，就要开发相应的调度软件
，包括业务感知 ，资源自动调度和弹性扩展。

此外
，在大模型开发过程中 ，故障隔离自愈变得越来越重要。

对于这一点，同样可以通过软件系统实现断点续算——一旦出现故障，就可以无缝退回到上一个checkpoint。

散热

与此同时 ，在万卡集群里面，要提升效率，就要使得每个节点的计算力越来越强。

所以，高密度AI计算是必然趋势，这样机柜供电就要从12-16千瓦走到120千瓦 ，散热将逐渐走向液冷。

无独有偶，英伟达也在最新的DGX SuperPOD中，采用的也是液冷散热
 。

算法

而且，算力是驱动不仅仅是源于芯片 ，也要靠算法。

从2017年 ，Transformer诞生之日至今，如果按照摩尔定律（18个月芯片性能翻一番）来算，芯片性能只提升了8倍。

然而实际上，AI计算的性能 ，已经提升了超过1000倍 。

这就绝不仅仅是由于芯片制程的优化
，而是源于整个系统的提升 。

从算法层面来看
，过去的大模型精度是FP32，后来变成了FP16，到今年已经进入了FP8，在未来还会走向FP4 。

这种变化之下，算法对算力的需求会急剧减小，但对创新会很饥渴。

而浪潮信息正是基于包括算法并行 、参数并行等技术上的优化 ，让算力效率提升了33%之多
。

具体来说
，浪潮信息在源2.0上采用了非均匀流水并行+优化器参数并行（ZeRO）+ 数据并行 + Loss计算分块的方法，相比于经典的3D并行方法，对带宽的需求更小，同时还能获得高性能。

举个例子 ，在均匀流水并行的时候，24层模型分到8个计算设备上，每个设备上会平均分到3层。

从下图中可以看到 ，这时内存在第一阶段就已经达到了GPU的上限 。由此 ，模型的训练便需要更多设备、更长的流水并行线路，从而导致更低的算力效率。

而采用非均匀流水并行的方法
，就可以根据模型每层对于内存的需求 ，结合内存的容量进行均衡分配，这样就能在有限的算力资源里把模型训起来了
。

不过
，流水线并行策略下，整个阶段依然是比较长的。

针对这个问题，团队通过引了优化器参数并行 ，进一步降低各个节点上内存的开销。

内存空间省下来了，就可以合并成更大的流水线 ，减少节点使用数量 ，节省算力资源 。

算法创新的理念，在大模型领域也有一个佐证——MoE。

一个千亿级模型很难做到万亿级，是因为运算量和计算时间都远远超过了承载，效率奇低。

但混合专家系统MoE架构中 ，则是若干个千亿参数模型的混合
。

而且，这样的专家调度系统，反而更符合人类大脑这种复杂的协同智慧涌现系统。

亲身尝试

发展AI应当「以系统为核心」的创新策略
，正是浪潮信息多年来，在算力、大模型等领域深耕的结果 。

早在2021年
，ChatGPT还未出世之前 ，浪潮信息已然成为大模型的践行者之一
，并发布了「源1.0」。

经过两年多的迭代，千亿级参数基础大模型「源2.0」全面开源
。

从某种角度上来讲，他们做大模型，并不是希望成为一个靠大模型「吃饭」的公司。

而只是为了探索
：LLM对计算的需求多大
？万卡互联中什么最重要？应用场景是什么？创新的价值点在哪 ？

因为，只有亲身尝试去做 ，才能找到答案，获得深刻的理解。

IPF 2024大会上，浪潮信息董事长彭震给举了一个栗子 ：

团队曾在国产平台上做大模型训练时 ，发现了互联带宽速率并不理想。为了克服这个的难题，工程师们在算法层做了大量的优化，采用了算法并行、参数并行，使得整个算力效率提升了33%。

要知道 ，一个芯片的性能提升30%，至少要制程迭代一次才行。但通过实践，浪潮信息发现
，软件算法很快就可以解决这个问题 。

再比如，在近2500亿参数「源1.0」的开发中，团队们获得了一个认知大模型的基础，即参数量的增加
，LLM精度也得到了提升
。

所以说，创新不是站在岸边去想在水里怎么游泳 ，而是要投入其中，真干实干。

从解决问题的过程中 ，找到创新的路径。

这便是浪潮信息一直以来所践行的理念，通过技术
、框架和规范的全方位创新构建计算系统，开辟AI新时代 ！