1579
金磊 發(fā)自 凹非寺，量子位 | 公眾號 QbitAI
純國產(chǎn)GPU的萬卡集群，它來了！
而且還是國內(nèi)首個全功能GPU，兼容CUDA的那種。
這個集結(jié)了超過10000張高性能GPU的超復(fù)雜工程，它的算力有多大？
不賣關(guān)子，直接揭曉答案——總算力超萬P，專為萬億參數(shù)級別的復(fù)雜大模型訓(xùn)練而設(shè)計。
規(guī)模還只是它的特點之一，其它亮眼的地方還包括：
有效計算效率（MFU）目標最高達60%，可達到國際水平
周均訓(xùn)練有效率目標最高可達99%以上，平均無故障運行15天以上，也是對標業(yè)界最高標準
通用場景設(shè)計，加速一切大模型
生態(tài)Day0級快速遷移，與CUDA兼容
這便是江湖人稱“中國版英偉達”的摩爾線程，對自家智算中心全棧解決方案夸娥（KUAE）升級后的最新 “打開方式”。
而縱觀國內(nèi)算力的發(fā)展進程，僅是今年上半年便陸陸續(xù)續(xù)有不少“頭部玩家”先后宣布布局萬卡集群，“打群架”之勢，好不熱鬧。
但，萬卡國產(chǎn)GPU，確實很少見。
加之以生成式AI為主旋律的大模型熱潮當?shù)?，Scaling Law的“魔法”仍在持續(xù)奏效，訓(xùn)練GPT-4所需要的GPU數(shù)量便已經(jīng)達到了25000個。
以及在大模型架構(gòu)方面也不只是圍繞Transformer，而是呈現(xiàn)出多元化的趨勢；與此同時，AI、3D和HPC跨技術(shù)與跨領(lǐng)域融合不斷加速……
因此，當下的技術(shù)給算力提出了更高、更復(fù)雜、更多樣化的要求——
萬卡集群已然成為大模型玩家的最低標配，更是促使國產(chǎn)GPU大步邁入“萬卡時代”。
正如摩爾線程創(chuàng)始人兼CEO張建中所述：
當前，我們正處在生成式人工智能的黃金時代，技術(shù)交織催動智能涌現(xiàn)，GPU成為加速新技術(shù)浪潮來臨的創(chuàng)新引擎。
夸娥萬卡智算集群作為摩爾線程全棧AI戰(zhàn)略的一塊重要拼圖，可為各行各業(yè)數(shù)智化轉(zhuǎn)型提供澎湃算力。
摩爾線程希望做的事情是解決最難做的事情，幫助國家、幫助行業(yè)解決缺少大算力的問題。
那么前不久剛官宣完千卡集群的摩爾線程，又是如何在這么短的時間內(nèi)率先跨入“萬卡俱樂部”的呢？
國產(chǎn)GPU萬卡集群，是怎么“煉”成的？
在回答怎么“煉”之前，必須要確認的一點便是目標——什么樣的萬卡集群才算是好用的。
對此，張建中基于剛才種種的現(xiàn)狀分析，給出了一個符合當下算力需求的“好用公式”：好用=規(guī)模夠大+計算通用+生態(tài)兼容
而這也正是最新夸娥（KUAE）萬卡集群所具備的五大特點。
展開來看，首先便是萬卡萬P的超大算力。
具體而言，升級后的夸娥（KUAE）已經(jīng)實現(xiàn)了單集群規(guī)模超萬卡，浮點運算能力達到10Exa-Flops。
與此同時，在GPU顯存和傳輸帶寬方面，顯存容量達到了PB級，卡間互聯(lián)總帶寬和節(jié)點互聯(lián)總帶寬同樣也達到了PB級，實現(xiàn)算力、顯存和帶寬的系統(tǒng)性協(xié)同優(yōu)化，全面提升集群計算性能。
在大算力之后，便來到了好用的第二個關(guān)鍵因素——有效計算效率（MFU）。
MFU作為衡量大型模型訓(xùn)練效率的標準指標，能夠直觀地反映整個集群訓(xùn)練過程的效率。
夸娥（KUAE）萬卡集群通過在系統(tǒng)軟件、框架和算法等多個層面進行深入優(yōu)化，可以成功實現(xiàn)對大型模型的高效訓(xùn)練，MFU值最高可達60%。
具體來說，在系統(tǒng)軟件層面，通過采用計算與通信效率的極致優(yōu)化技術(shù)，顯著提升了集群的執(zhí)行效率和性能。
在框架和算法層面，該集群能夠支持多種自適應(yīng)的混合并行策略和高效的顯存優(yōu)化技術(shù)，能夠根據(jù)具體的應(yīng)用需求自動選擇并配置最佳的并行策略，從而顯著提高訓(xùn)練效率和顯存的利用率。
此外，針對處理超長序列的大型模型，夸娥（KUAE）萬卡集群利用CP并行技術(shù)和環(huán)形注意力機制等優(yōu)化手段，有效減少了計算時間和顯存使用，進一步提升了集群的訓(xùn)練效率。
對于一個好用的集群而言，穩(wěn)定性是最不可忽視的。
在這方面，正如剛才我們提到的，夸娥（KUAE）萬卡集群平均無故障運行時間可超過15天，最長可實現(xiàn)大模型穩(wěn)定訓(xùn)練30天以上，周均訓(xùn)練有效率目標為99%。
之所以把目標定得那么高，得益于摩爾線程自主研發(fā)的一系列可預(yù)測、可診斷的多級可靠機制，包括：
軟硬件故障的自動定位與診斷預(yù)測實現(xiàn)分鐘級的故障定位
Checkpoint多級存儲機制實現(xiàn)內(nèi)存秒級存儲和訓(xùn)練任務(wù)分鐘級恢復(fù)
高容錯高效能的萬卡集群管理平臺實現(xiàn)秒級納管分配與作業(yè)調(diào)度等
至于最后一個最重要的保障，就在于通用性和生態(tài)友好。
據(jù)了解，夸娥（KUAE）萬卡集群專為通用計算場景量身定制，能夠為LLM、MoE、多模態(tài)和Mamba等多樣化的架構(gòu)和模態(tài)的大型模型提供加速支持。
此外，這個集群還采用了高效且用戶友好的MUSA編程語言，并且完全兼容CUDA，配合自動化遷移工具Musify，能夠?qū)崿F(xiàn)新模型的即時”Day0”級遷移，確保了生態(tài)系統(tǒng)的即時適配性，從而幫助客戶迅速部署其業(yè)務(wù)。
不過有一說一，雖然摩爾線程已經(jīng)解鎖了萬卡集群這一大關(guān)，但這個過程并非是將GPU堆疊這么簡單，用張建中的話來說就是：
雖然從千卡到萬卡在數(shù)字上只是多了一個0，但難度上了卻增加了一個指數(shù)級，比攀登喜馬拉雅山都難。
例如，單是在超大規(guī)模組網(wǎng)互聯(lián)這個問題上，超萬卡集群網(wǎng)絡(luò)便會涉及參數(shù)面網(wǎng)絡(luò)、數(shù)據(jù)面網(wǎng)絡(luò)、業(yè)務(wù)面網(wǎng)絡(luò)、管理面網(wǎng)絡(luò)等。
不同的網(wǎng)絡(luò)需要采取不同的組網(wǎng)部署方式，其中，超萬卡集群對參數(shù)面網(wǎng)絡(luò)方面的要求是最高。
再如集群有效計算效率方面，大量實踐表明，集群規(guī)模的線性提升無法直接帶來集群有效算力的線性提升，受限于芯片計算性能（芯片及算子使用效率）、GPU顯存的訪問性能（內(nèi)存和I/O訪問瓶頸）、卡間互聯(lián)帶寬、有效的分布式并行策略等，集群有效計算。
除此之外，還會涉及訓(xùn)練高穩(wěn)定與高可用、故障快速定位與可診斷工具、生態(tài)快速遷移、未來場景通用計算等種種問題。
總而言之，是有一種牽一發(fā)而動全身的感覺。
這就不免讓人發(fā)出疑問：摩爾線程為什么非要啃下這塊硬骨頭？
萬卡很難，但也很必要
千卡集群，不夠用，根本不夠用。
沒錯，這正是當下隨著大模型以“AI一日，人間一年”的速度迭代更新之下，算力所面臨的最根本問題。
也正因如此，主流的大模型玩家基本上都是配備了萬卡集群，例如：
OpenAI：單集群GPU數(shù)量50000+
谷歌：單集群GPU數(shù)量25000+
Meta：單集群GPU數(shù)量24500+
字節(jié)跳動：單集群GPU數(shù)量12888
……
而大模型玩家們要想保持在業(yè)界的領(lǐng)先性，那么自家的大模型的更新迭代的速度就不能太慢，兩周更新一次似乎也是成為了當下的常態(tài)。
因此，摩爾線程要做的事情，就是用萬卡集群、全棧方式，打造一個大模型訓(xùn)練超級加工廠，可以在算力上匹配當下大模型如此快速更迭的速度。
所以摩爾線程為什么要啃下這塊硬骨頭，就不難理解了。
那么隨之而來的另一個問題便是：為什么摩爾線程能夠做到？
其實這并非是一蹴而就的事情。
其實早在2022年的時候，團隊便已經(jīng)設(shè)定了建集群的大方向與策略，這是因為當時A100算力也是處于緊缺的狀態(tài)，國內(nèi)市場急需能夠替代它的產(chǎn)品。
從GPU功能情況來看，摩爾線程是在唯一可以從功能上對標英偉達的國產(chǎn)GPU企業(yè)。
隨著2023年大模型的火爆，這種GPU集群式的方向就顯得更加正確，畢竟黃仁勛在發(fā)布B200之際就表示“我們需要更大的GPU，如果不能更大，就把更多GPU組合在一起，變成更大的虛擬GPU”。
而摩爾線程更是為此狠狠做了一番準備，所以現(xiàn)在看來，摩爾線程當時的策略和決定，確實是具備前瞻性的。
那么最后的最后，便是市場認可度的問題了，對此，在這次活動中的一張圖便可以解釋一切：
總而言之，細數(shù)摩爾線程在走來的這一路，似乎總是前瞻性地、開創(chuàng)性地推動著國產(chǎn)GPU的發(fā)展；而這一次，也是毫不意外地再拿下“國內(nèi)首個”的頭銜。
至于這個新升級的萬卡方案是否能把握住高端算力的空窗期，答案就交給市場來回答了。
下載ECAD模型
