超算架構算力成為大模型兵家必爭之“力”

 　　今年以來,大模型成為當之無愧的風口,據不完全統計,國內已發布的各類大模型數量超過100個,呈現出“百模大戰”的態勢。資本也聞風趕來,天眼查APP顯示,今年上半年與大模型直接相關的融資事件超20起。

　　大模型愈演愈烈,隨之催生了海量的AI算力需求。截至2022年底,我國算力總規模達180EFLOPS,目前居全球第二位,并保持30%的年增長率。據測算,2023年我國算力核心產業規模有望突破2萬億元。

　　雖然算力行業總體蓬勃發展,但面對大模型浪潮之下激增的算力需求,目前英偉達的產能有限,加之受限于臺積電的產能以及內存供應商等限制,GPU的產能不會暴漲,旺盛的需求和

　　GPU的短缺,造成了行業存在巨大AI算力缺口,“搶卡”現象仍在持續。

　　如何破解大模型“算力荒”成為擺在算力服務商面前的共同命題。

　　“看不見”的超算,“看得見”的好用

　　眾所周知,大模型是“燒錢”的業務,而“燒錢”的原因最主要是當前每次大模型訓練所需要的算力非常之高。

　　以ChatGPT為例,根據OpenAI公開數據推測,如果每秒1000萬億次的計算,每次模型訓練也需要3640天的計算能力。

　　僅單次訓練任務都需要數百張甚至數千張GPU卡做計算加速,例如A100、A800、H800等,同時還需要長周期、穩定可靠的計算環境來保障計算任務不中斷,盡管開發者會加入很多的checkpoint,但發生故障后在時間、精力和成本方面的代價都不小。

　　而過去的云計算架構主要是分布式架構,主流的云計算服務器之間的網絡帶寬在200Gbps,但大模型的一些訓練需求服務器之間的互聯網帶寬一般要求達到3200Gbps,兩者相差十幾倍。

　　過去的超算架構又主要以CPU為主,傳統基礎設施架構下的算力已經無法滿足大模型時代的需求,只有建設大規模GPU超算集群才可以滿足大模型的算力需求。

　　大規模GPU超算集群,顧名思義,將大量GPU資源組成算力集群來應對極高的密集性計算,其浮點運算速度能夠達到千萬億次每秒,同時具備高速互聯計算網絡、高性能文件存儲和強勁的GPU算力。

　　可以說,大規模GPU超算集群更加貼合大模型訓練場景,并行科技董事長陳健也曾公開表示:“大模型的訓練本質上就是一個超大的訓練任務,比如在1000張GPU卡上跑兩三個月,就是一個典型的超算應用場景。”

　　超萬 P 超算架構大模型算力“及時雨”解決“算力荒”

　　據OpenAI測算,全球AI訓練所用的計算量呈現指數級增長,平均每3.43個月便會增長一倍,過去幾年計算需求量已擴大30萬倍,遠超算力增長速度。

　　GPU卡資源也始終緊張,大模型競賽已經推高了市場對GPU的需求。盡管有一些公司即使暫時還不需要GPU,但由于擔心未來,也會開始提前儲備。相當于“對供應短缺的預期加重了供應短缺”。

　　有相關人士預測至少到2023年底,對于要部署數百或數千的***/H800的企業都會面臨短缺問題,目前看來,GPU的短缺可能會持續到2024年。

　　為緩解GPU卡資源緊張問題,作為超算架構大模型算力網絡先行者的并行科技計劃將在2023年底前,以“算力網絡”為依托,上線超萬P超算架構大模型算力,為大模型行業帶來GPU資源“及時雨”。

　　具體來說,并行科技通過云主機、高性能集群和裸金屬三大產品體系支撐,基于高性能計算環境構建GPU算力服務平臺,以滿足大規模預訓練、微調、高并發推理和高精度科學計算中對計算、存儲、網絡等環節的多樣性需求。

　　不過,對大模型訓練來說,解決GPU卡的資源問題只是第一步。面對訓練時的大規模計算需求,在近日舉辦的CCFHPCChina2023大會上,并行科技介紹了一套集資源、技術、服務、運維于一體的綜合行業解決方案。專家團隊7×24小時在線服務,針對模型框架的安裝、部署、優化以及長時間運行的保障訴求等提供在線技術支持,讓終端用戶輕松調度算力資源。

　　陳健表示:“我們主要通過技術服務、應用服務以及性能優化,幫助客戶提升訓練效率。

　　我們最主要的優勢體現在:一、確保用戶有GPU卡可以用;二、通過技術服務讓客戶感到高性能、好用;

　　三、通過算力優化降低用戶用GPU卡的成本并提升效率。”

　　此前,AI領域知名企業重點項目便是經過并行科技應用服務團隊的調優,使單個512卡大模型訓練任務性能提升了約40%,實現算力從“可用”向“好用”轉化的同時,成本投入大幅降低。

　　根據沙利文的研究報告顯示,2021年通用超算云業務營收排行榜,并行科技排名第一,市場占有率超過20%。

　　目前,大模型行業正處在發展的關鍵階段,而算力作為剛需生產力之一,重要性不言而喻,一家合適、優質的算力服務商甚至成為其成長的關鍵助推器。