本周微软宣布,已经在Azure云中托管了OpenAI排名第五的AI超级计算机。2019年微软向OpenAI行业研究小组投资了10亿美元。这个AI超算系统包括大约10000个GPU和285000多个CPU核心,将用于提升处理超大型AI模型的能力,据OpenAI称,大型AI模型的规模每3.5个月就会翻一番。微软用于自然语言生成的Turing模型包含约170亿个参数,比去年的最大模型增加了17倍。因此,这个超级计算机将大有用处。
奇怪的是,微软并没有命名这套计算机(这个在超算领域这是闻所未闻的),而且也没有透露任何用户必须了解的详细系统配置信息:用的哪个GPU的开发堆栈,谁家的CPU、以及每个插槽的核心数和线程数、什么网络接口、每个节点(#CPU和#GPU)的配置。尽管没有发言人证实这些信息,但我认为我自己对其中一些重要因素有一些了解。
微软在宣布这一公告的博客文章中,放开了这么一张没有实质内容的超级计算机图片。资料来源:微软
首先,GPU必须是NVIDIA V100,因为a)NVIDIA刚刚发布了A100,在此之前,他们很难交付10000个。 b)GPU不能是AMD Radeons,因为Radeons尚不支持OpenAI研究所需的生态系统。因此经过这么分析筛选,得出的结论就是,GPU就是NVIDIA V100。以10000个为例,假设这对微软来说是一笔非常可观的交易,每个GPU成本仅为5000美元,那么会给NVIDIA带来大约5000万美元的收入,而且也许上个季度就发生了。
说到CPU,计算一下就能知道是AMD EPYC Rome CPU。除非微软花费巨资采购56核至强CPU,否则英特尔至强的核心数尚不足以提供支持。以285000个核心为例,假设双插槽配置的AMD 64核CPU,那就相当于大约2220个节点。每个节点配置4个GPU,可以连接到大约8800个GPU,因此至少需要10000个GPU。有消息灵通的匿名人士证实了我的推理,称确实使用的是AMD EPYC。
互连方面,NVIDIA收购了Mellanox,在超级计算机领域处于领导地位,且倾向于InfiniBand,因此我认为应该采用的是InfiniBand。
虽然我了解到,微软和OpenAI希望这次公告的重点放在公告本身已经他们正在进行的研究上,但这个做法有些过时了,与Satya Nadella倡导的转变是不相符的。在开放的IT世界中,事实信息是至关重要的,公告中应该包含有这些事实。微软使用了类似漫画的图片,而不是吸引人的照片,让我们无法确定使用了哪个系统(猜测是Open Compute HGX,但是…)。那好吧。我做了一些分析研究,得出的结论是AMD、NVIDIA和Mellanox胜出了,他们的领先技术和成果将被用于人工智能研究领域,这一点值得肯定。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。