算力浪费超50百度AI计算部负责人拆解大年夜模型时代的算力成本

作者 | 徐豫编辑 | 漠影

智东西9月13日，百度系统架构师、百度智能云AI打算部卖力人王雁鹏向媒体解读了大模型时期的算力本钱。
为了有效降落AI万卡集群的算力开支，他提出搭载RDMA网络、自动并行策略、担保演习稳定性、动态分配算力、多芯异构混训，共五个方面的办理方案。

过去互联网时期，做事器每台数万元，各大厂商光是采购本钱就要花费几个亿。
高昂的支出匆匆使互联网大厂自研做事器，百度也是个中一员，该公司自2011年起涉足打算根本举动步伐培植。

然而，伴随深度学习的发展，GPU集群来到万卡规模，大模型时期的算力本钱已经远高于人力本钱。
王雁鹏称，当下摧残浪费蹂躏仅仅1%的算力，也是很大的一笔花销，算力之贵也表示出打算根本举动步伐的主要性。

近期，不少业内人士认为，“兼容CUDA是AI芯片的决胜点”，但王雁鹏并不认可这个不雅观点。
他阐明道，不少模型兼容CUDA后，只留住了1/3的性能，失落去了原有的竞争力。
英伟达是基于CUDA构建了一个加速库生态，王雁鹏则认为，个中生态库的壁垒才是真正的难点。

来到AI大模型时期，算力的繁芜性已从硬件转移到了软件上，这也导致各大AI开拓者利用算力的难度指数级上升。
据百度系统架构师、百度智能云AI打算部卖力人王雁鹏理解，现阶段的模型演习普遍摧残浪费蹂躏了超5成的算力。

最初的CPU通用打算时期，硬件和软件之间高度协同，假设CPU的性能提升了一倍，那么利用该CPU的软件，其性能也会相应地翻一番。

后续来到GPU数值加速打算时期，芯片架构更大略，以专注于供应最大的算力。
开拓者们常日利用GPU突出的算力上风，构建一系列繁芜的加速库和框架，有针对性地适配不同运用处景。

目前，我们已处于AI大集群超算时期。
单一的芯片已经不敷以独立办理问题，因此须要大规模的芯片协同办理一个问题，GPU集群规模乃至达到10万卡。

在王雁鹏看来，上述打算范式的变迁决定了打算体系机构的技能发展，而这种构造上的变革，又催生了云打算的技能和产品格局。
“云打算可以看作一种售卖AI根本举动步伐的形式”，他说道。

打个比方，现在可能只有一块GPU，但其算力分给了100个人用；或者说一个演习任务被切分到十万张卡里运算，这背后须要充足的存储资源来支撑。

▲有效算力的5大参考指标

如何在大模型时期发挥出AI大集群的有效算力，王彦鹏给出了一个打算模型演习过程中有效算力的公式，即有效算力相称于能耗有效率（PUE）、单卡算力有效率（MFU）、并行扩展有效率、有效演习韶光、资源利用这5项数据的乘积。

为理解决大模型时期算力利用率低的难点，王彦鹏从有效算力公式中的五大方面入手，提出了5个有助于开释算力潜能的GPU设计理念。

1、为万卡AI场景设计的RDMA网络适配AI集群

传统的IB网络是为HPC设计的，并不适用于AI集群。
这紧张是由于两者的设计理念优先级存在冲突，HPC是延迟优先，AI则是吞吐优先。

据王彦鹏透露，百度长期基于RDMA网络构建万卡级别以上的AI集群，以减少内存带宽瓶颈。
从数据结果来看，运用RDMA网络后AI集群的带宽有效率从60%提升至95%，模型性能则增强了5%到10%。

2、自动并行策略是AI集群最主要的演进范式

百度的自动并行策略搜索有两个核心策略。

一方面，百度采纳了“边打算边通信”的办法，节省数据搬运所花费的韶光，减少算力和能源损耗。

另一方面，显存优化的切分策略将运算中断所摧残浪费蹂躏的韶光，掌握在几分钟内。

▲百度通过RDMA网络支撑AI万卡集群的演习

得益于此，百度旗下的模型性能不仅能达到开源模型的130%，也比人工调优的模型效果好。

3、担保稳定不间断的任务运行是一个别系工程

王彦鹏多次强调了稳定性在AI演习中起到的主要浸染。
AI演习的打算任务是同步进行的，如果中途涌现故障，万卡的故障定位是一个非常困难且不可控的事情。

同时，考虑到万卡规模的AI集群中断频率较高，常日是牵一发而动全身。
王彦鹏提出，“无效演习韶光=故障次数故障规复韶光+写检讨点的韶光”。
因此，一旦某个点位涌现故障，其影响可能被扩大了十万倍。

▲可以通过3个公式综合判断AI集群的演习效率

据王彦鹏先容，百度通过Hang检测、慢节点检测、秒级捕捉检讨点、分钟级任务规复等办法，来定位和修复涌现故障的单张芯片。
目前，百度文心一言大模型的有效演习时长比例超99%。

4、演习一体提升资源利用率

目前，主流模型演习存在以下4个劣势。

首先在线推理或打算任务当中，系统在峰值负载时的性能是均匀负载时的3倍。
这意味着系统在设计时预留了较多的算力以应对峰值。
但AI集群的波峰和波谷实在较为明显，这也造成非峰值时资源的大量摧残浪费蹂躏，后续在设计上还可以进一步优化。

其次，大量微调模型存在冷热分布不均的情形。
此外，实在有很多打算任务可以通过离线推理实现，但仍占用了一定的算力资源。
末了，从单卡打算转向万卡打算时期，演习任务分布广、数量大。

对付上述问题，王雁鹏认为，总的来说是要实现算力流量和资源的动态分配，以便跑通不同规模的层级。
百度的百舸异构打算平台（AIHC）利用单机多推理实力稠浊布局、弹性层级行列步队、演习任务弹性伸缩机制三种模式后，公司内部和客户的资源利用率都从50%提升到了90%。

5、多芯混训是办理算力卡脖子的关键技能

据王雁鹏先容，目前市情上的芯片规格、版本、存量和算力水平都参差不齐。
他提出，可以用一套兼容的框架将各式各样的芯片组合起来，形成一个强大的算力集群。

有共同的“大脑”后，AI开拓者可以通过该集群统一调动所有芯片的算力，从而提高效率、节省开支。

百度在异构并行切分策略下，搭建了跨芯沟通库，并采取了Accelerator抽象设计方法，从而实现千卡性能丢失仅3%，以及万卡性能丢失仅5%。

不过，王雁鹏也谈道，多芯的异构混训虽然理论上可行，但实际推广起来，还有诸多技能难点亟待办理。

目前，美国AI大模型独角兽OpenAI和xAI的模型演习规模已卷到10万卡级别，百度也将加入这场环绕AI集群算力的竞争，算力运用处景则聚焦于大措辞模型和自动驾驶技能。

王雁鹏向媒体透露，后续百度将持续在3个核心技能上寻求芯片设计架构的打破。

首先是实现更高效的拓扑和拥塞掌握，该公司希望将无壅塞RDMA域扩大10倍。

除此之外，百度操持将跨地域的RDMA网络范围扩大至周遭30km内。

王雁鹏称，现阶段行业内的万卡集群均匀4个小时会中断1次，如果扩展到10万卡集群，可能20分钟旁边就会涌现一次中断。
目前，百度旗下模型的演习故障规复时长介于10到20分钟之间，未来致力于达到分钟级别。