國內AI不行，是因為芯片不行？

我們跟國外的差距，是因為和英偉達芯片的差距過大？

最近，圈內有許多這樣的論調。

其實深挖下去，就會發現事實完全不是這樣。即使是英偉達最先進的芯片，依然無法滿足當下人工智能在算力上的需求。

隨著模型參數量和數據量的增加，智慧不斷涌現，我們對更大集群的需求，也更加迫切。無論是國外，還是在國內，大家離終點都很遙遠。

算力≠芯片

如今，大規模神經網絡的訓練現狀是這樣的。

新鮮出爐的8B和70B參數的Llama 3訓練，需要24576塊H100組成的集群。

小扎曾透露截止今年底，Meta將建成由35萬塊H100搭建的基礎設施

而據稱有1.8萬億參數的GPT-4，是在10000-25000張A100上完成了訓練。

圖片

爆火的Sora訓練參數量可能僅有30億，爆料稱，估計使用了4200-10500塊H100訓了1個月。

圖片

特斯拉FSD V12，則是在1000萬個海量視頻片段進行訓練，需要用大概10000塊H100，耗資3億美元。

圖片

就連奧特曼最近在20VC的采訪中，提及了OpenAI目前增長的「核心瓶頸」：

我們有世界上最優秀的研究人員和研究文化。如果計算資源不足，將會拖慢我們的步伐。

一句話概括就是：給我算力！

然而，由于摩爾定律限制，從14nm到7nm再到5nm的制程進步，所帶來的性能增益越來越有限。

我們需要有這樣一個認知，即AI對算力的需求無窮盡，不能僅依靠AI芯片去滿足算力需求。

那該怎么辦？

瓶頸何解？

其實，英偉達在GTC 24大會上推出的由DGX GB200系統構建的全新DGX SuperPOD，早已給出了答案。

通過在加速計算、網絡和軟件方面同時發力，新集群為萬億參數模型的訓練和推理，提供了穩定的支持。

而且與上一代產品相比，新一代DGX SuperPOD架構的網絡計算能力提升了4倍。

也就是說，剛剛的問題就迎刃而解了——通過更大的集群來突破算力的瓶頸。

然而，隨著集成的芯片越來越多，我們不得不應對算法效率不高、計算資源不足、互聯帶寬受限等眾多技術挑戰。

圖片

計算資源不足

一方面，AI系統的性能主要源于GPU等加速器，因此需要其具備強大的異構擴展能力。

但是，傳統的計算機體系結構將加速計算模塊作為CPU的配屬，通過PCI-e總線接入系統，只支持有限數量的異構單元，限制了異構加速器的擴展性。

并且，同CPU的通信帶寬也十分有限。

互聯帶寬受限

另一方面，互聯成為了新的瓶頸。

AI集群早已從千卡、增長到萬卡、十萬卡，節點間并行所產生的海量通信需求，嚴重挑戰了現有的互聯能力。

比如，剛剛提到的GPT-4集群有2.5萬塊A100，而算力利用率（MFU）僅在32%到36%之間。

可見利用率非常之低，不過在當前技術條件下，幾乎觸頂了。

圖片

文章地址：https://www.semianalysis.com/p/gpt-4-architecture-infrastructure

部分原因是故障數量過多，需要從checkpoint重新啟動訓練。

如果OpenAI在云端使用A100的成本是1美元/h，那么僅這一次的訓練，成本就會高達6300萬美元。

算法效率不高

當然，系統不是全部，AI訓練是一個超級復雜的計算系統。

如果模型算法結構與硬件結構匹配不合理、并行化處理不科學等都會導致整個計算平臺的利用率偏低。

除此以外，機柜之間若想實現高速的互聯，不僅耗電，且散熱不夠的挑戰也需要面對。

總而言之，解決以上難題，我們需要創新：用系統性開創思維去應對AI的挑戰。

萬卡集群

如今很多人都愛說，AI產業的發展「缺芯少魂」，仿佛AI發展不起來，都是芯片制造業的責任。

但實際上呢？

稍微一分析就會知道，如今AI的算力設計已經到了萬卡級別，其中某一張卡的性能，并沒有決定性的作用。

對于動輒千億、萬億參數的大模型來說，單機、單卡的效率不再那么重要了。這時要看的，是算力平臺的整體效率。

就拿GPT-3來說，它的訓練算法效率MFU只有21.3%，近79%的算力，都被浪費掉了。

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

之所以有如此嚴重的浪費，就是因為在大規模計算中，單點效率很有限。因此算力再強都沒有用，接近80%的時間，都是在等。

為什么？一是由于互聯帶寬的限制，二是由于算法沒有考慮帶寬的優化，導致效率奇低。

圖片

在這種情況下，系統的互聯優化、高效組織協調、算法優化，重要性也愈發凸顯。

硬件

為此，浪潮信息在去年發布了「融合架構3.0」。

這是一個全新的大規模計算架構，通過高速互聯總線，對計算存儲進行了解耦。

圖片

當GPU算力不足時，需要構建一個GPU池，這樣一臺服務器可以對接不僅僅是8卡，可也以是16卡、32卡。

同時，用相對比較低的算力堆積也存在瓶頸，因為CPU和GPU之間需要有個最佳的配比。

針對不同模型的類型、以及模型之間的交互量，有些GPU發揮的作用大一些，有些小一些。

通過高速的系統總線將多個節點連接，CPU、GPU、內存全部基于池化去做，實現了融合架構和算法模型之間的適配。

這種全新的架構，不以芯片為核心的單機系統，而是以萬卡集群為設計出發點、以系統為核心的架構。

在未來，AI計算領域重要的創新點，就落在了如何發揮系統價值、提升系統效率上。

而這個系統里，接下來要解決的問題，就是如何互聯。

互聯

顯然，從千卡走向萬卡，系統集群之間的高速互聯變得愈加重要。

以往單一任務的AI工廠模式，早已不能滿足需求。

集群不僅僅是面向大模型訓練，還需提供服務，正是AICloud模式所能解決的。

但過去面向超級計算的專用網絡，無法很好地支持多用戶、多任務、多租戶的靈活需求。

提升GPU與GPU之間的高速互聯，英偉達閉源NVLink網絡成為最典型的代表。

英偉達在DGX SuperPOD，利用了第五代NVLink鏈接，同時采用了Quantum-X800 InfiniBand網絡，可為系統中每個GPU提供高達每秒1800GB/s的帶寬。

可以看到，GPU點對點的通信效率已從2017年32GB/S，過渡到了如今最高的1800GB/S，提升了56倍。

圖片

而在未來大模型訓練中，浪潮信息篤定的以「超級AI以太網」來支撐——相比于傳統RoCE可以實現1.6倍的效率提升。

為什么這么說？

圖片

因為，它能夠實現「端網協同」，為模型訓練帶來極致的計算效率。

端網協同，是指AI交換機和智能網卡之間，能夠實現緊密配合，并結合開放技術為網絡引入創新功能。

多路徑負載均衡功能，便是其中的一個最佳應用。

交換機（網側）可以部署逐包噴灑技術，最大地提升帶寬利用率，但會導致數據包亂序。

這個問題，是很難僅靠交換機本身去解決。

而智能網卡（端側）卻擁有足夠的算力和資源進行亂序重排，將不可能變成可能，大大釋放了網絡潛力。

具體來說，通過報文保序（亂序重組）技術，可將亂序達到的報文，重新編排順序上交到上層AI應用，將帶寬效率從60%提升到95%以上。

正是超級AI以太網的出現，實現了交換機和網卡更加緊耦合的配合。

一邊，交換機可以對網絡數據包進行精細化的路由調度。另一邊，智能網卡提供保序服務，實現了網絡流量的高效均衡。

與此同時，網卡可以針對交換機上標注出的多維遙測信息，進行動態可編程的擁塞控制，實現全程無阻塞、零丟包。

由交換機+智能網卡實現高效的網絡，便是「超級AI以太網」很典型的特點。

可見，若要真正發揮網絡的性能，不僅需要提供大帶寬，更重要的是通過良好的調度，提高「有效帶寬」。

軟件

有了如此復雜的系統，就要開發相應的調度軟件，包括業務感知，資源自動調度和彈性擴展。

此外，在大模型開發過程中，故障隔離自愈變得越來越重要。

對于這一點，同樣可以通過軟件系統實現斷點續算——一旦出現故障，就可以無縫退回到上一個checkpoint。

圖片

散熱

與此同時，在萬卡集群里面，要提升效率，就要使得每個節點的計算力越來越強。

所以，高密度AI計算是必然趨勢，這樣機柜供電就要從12-16千瓦走到120千瓦，散熱將逐漸走向液冷。

無獨有偶，英偉達也在最新的DGX SuperPOD中，采用的也是液冷散熱。

圖片

算法

而且，算力是驅動不僅僅是源于芯片，也要靠算法。

從2017年，Transformer誕生之日至今，如果按照摩爾定律（18個月芯片性能翻一番）來算，芯片性能只提升了8倍。

然而實際上，AI計算的性能，已經提升了超過1000倍。

圖片

這就絕不僅僅是由于芯片制程的優化，而是源于整個系統的提升。

從算法層面來看，過去的大模型精度是FP32，后來變成了FP16，到今年已經進入了FP8，在未來還會走向FP4。

這種變化之下，算法對算力的需求會急劇減小，但對創新會很饑渴。

而浪潮信息正是基于包括算法并行、參數并行等技術上的優化，讓算力效率提升了33%之多。

圖片

具體來說，浪潮信息在源2.0上采用了非均勻流水并行+優化器參數并行（ZeRO）+ 數據并行 + Loss計算分塊的方法，相比于經典的3D并行方法，對帶寬的需求更小，同時還能獲得高性能。

舉個例子，在均勻流水并行的時候，24層模型分到8個計算設備上，每個設備上會平均分到3層。

從下圖中可以看到，這時內存在第一階段就已經達到了GPU的上限。由此，模型的訓練便需要更多設備、更長的流水并行線路，從而導致更低的算力效率。

而采用非均勻流水并行的方法，就可以根據模型每層對于內存的需求，結合內存的容量進行均衡分配，這樣就能在有限的算力資源里把模型訓起來了。

圖片

不過，流水線并行策略下，整個階段依然是比較長的。

針對這個問題，團隊通過引了優化器參數并行，進一步降低各個節點上內存的開銷。

內存空間省下來了，就可以合并成更大的流水線，減少節點使用數量，節省算力資源。

圖片

算法創新的理念，在大模型領域也有一個佐證——MoE。

一個千億級模型很難做到萬億級，是因為運算量和計算時間都遠遠超過了承載，效率奇低。

但混合專家系統MoE架構中，則是若干個千億參數模型的混合。

而且，這樣的專家調度系統，反而更符合人類大腦這種復雜的協同智慧涌現系統。

親身嘗試

發展AI應當「以系統為核心」的創新策略，正是浪潮信息多年來，在算力、大模型等領域深耕的結果。

早在2021年，ChatGPT還未出世之前，浪潮信息已然成為大模型的踐行者之一，并發布了「源1.0」。

圖片

經過兩年多的迭代，千億級參數基礎大模型「源2.0」全面開源。

從某種角度上來講，他們做大模型，并不是希望成為一個靠大模型「吃飯」的公司。

而只是為了探索：LLM對計算的需求多大？萬卡互聯中什么最重要？應用場景是什么？創新的價值點在哪？

因為，只有親身嘗試去做，才能找到答案，獲得深刻的理解。

IPF 2024大會上，浪潮信息董事長彭震給舉了一個栗子：

團隊曾在國產平臺上做大模型訓練時，發現了互聯帶寬速率并不理想。為了克服這個的難題，工程師們在算法層做了大量的優化，采用了算法并行、參數并行，使得整個算力效率提升了33%。

要知道，一個芯片的性能提升30%，至少要制程迭代一次才行。但通過實踐，浪潮信息發現，軟件算法很快就可以解決這個問題。

再比如，在近2500億參數「源1.0」的開發中，團隊們獲得了一個認知大模型的基礎，即參數量的增加，LLM精度也得到了提升。

圖片

所以說，創新不是站在岸邊去想在水里怎么游泳，而是要投入其中，真干實干。

從解決問題的過程中，找到創新的路徑。

這便是浪潮信息一直以來所踐行的理念，通過技術、框架和規范的全方位創新構建計算系統，開辟AI新時代！

參考資料：

https://mp.weixin.qq.com/s/Cl6lxxjs2UTXEMlh9-EDfg