21世纪经济报道记者白杨 北京报道
4月14日，腾讯云正式发布新一代HCC（High-Performance Computing Cluster）高性能计算集群。据悉，该集群采用腾讯云星星海自研服务器，搭载英伟达最新代次H800 GPU，服务器之间采用3.2T超高互联带宽，可为大模型训练、自动驾驶、科学计算等提供高性能、高带宽和低延迟的集群算力。
腾讯云的实测数据显示，新一代集群的算力性能较前代提升高达3倍，是目前国内性能最强的大模型计算集群。去年10月，腾讯完成首个万亿参数的AI大模型——混元NLP大模型训练，当时的训练时间为11天，如果基于新一代集群，训练时间将缩短至4天。
【资料图】
在AI大模型火热的当下，算力也成为业界关注的重点。这是因为在大模型的训练过程中，算力、算法和数据缺一不可。随着围绕AI大模型的全球军备竞赛打响，业界对算力的需求也更加旺盛。
去年，有研究机构预估，未来对一个大模型训练所需的算力，可能每三、四个月就需要翻一番，这意味着一年就要增加10倍。而今年在ChatGPT的推动下，算力的增长也将进一步提速。
腾讯云异构计算产品总监宋丹丹此前接受21世纪经济报道记者采访时表示，大模型对算力的要求分为训练和推理两个阶段。其中，训练需要短时间内并行算力非常全且非常大，并且要在短时间内能够交付，所以对算力的量级、算力的稳定性弹性扩容能力都有较高的要求。
现阶段，AI大模型正处于训练需求的爆发期，大家都需要海量的可扩缩容的高性能算力，而且这些算力需要稳定交付和计算。所以对云厂商来说，目前正迎来一个全新的市场机遇。
首发H800
过去几年，算力其实也在因需而变，以往的计算已经变成了智算。所谓智算，也称异构计算，是用不同制程架构、不同指令集、不同功能的硬件组合起来解决问题的计算架构。例如，相对于只用CPU的通用计算，在服务器里使用CPU+GPU就是异构计算。
智算背后的逻辑，是让最适合的专用硬件去做最适合的事。GPU在并行计算任务为主的AI训练/推理和图形图像处理等专用场景上，比传统CPU效率更高且延迟更低。
腾讯云此次发布的HCC，也是利用并行计算理念，通过CPU和GPU节点的一体化设计，将单点算力性能提升至最强。除此之外，腾讯云新一代HCC备受关注的原因，是它在国内首发了英伟达H800 GPU。
资料显示，H800是英伟达新代次处理器，基于Hopper架构，对跑深度推荐系统、大型AI语言模型、基因组学、复杂数字孪生等任务的效率提升非常明显。与A800相比，H800的性能提升了3倍，在显存带宽上也有明显的提高，达到3 TB/s。
虽然论性能，H800并不是最强的，但由于美国的限制，性能更强的H100无法供应给中国市场。有业内人士表示，H800相较H100，主要是在传输速率上有所差异，与上一代的A100相比，H800在传输速率上仍略低一些，但是在算力方面，H800是A100的三倍。
先进芯片不等于先进算力
芯片受限，固然是个卡脖子难题，也需要投入更多力量去解决。但从AI大模型训练的角度，近日多位AI行业人士在接受记者采访时均提出，算力的提升不是单纯堆卡，而是存在“木桶效应”，计算、存储、网络一旦出现瓶颈就会导致运算速度严重下降。光增加GPU卡或计算节点，但网络时延没降低，并不能线性地提升算力收益。
所以，用上了先进芯片并不代表就拥有了先进算力。以算力对网络的要求为例，目前GPU并行是大模型训练的必备技术，不同于传统并行以加快计算速度为目的，大模型的并行计算往往还要考虑怎样将庞大的参数有机地分布到多张GPU卡中，并保持不同GPU卡之间有效的通信，整体配合完成大模型的训练部署。
即使是目前业界已有的GPU分布式训练方案，也严重依赖于服务器之间的通信、拓扑、模型并行、流水并行等底层问题的解决情况。如果只有分布式训练框架，甚至都无法正常启动训练过程。这也是为什么当时GPT-3已发布一年，却只有少数企业可以复现GPT-3。
先进算力的背后，是先进芯片、先进网络、先进存储等一系列的支撑，缺一不可。比如在网络层面，模型参数量越大，对带宽的需求就越高。相比单点GPU故障只影响集群算力的千分之几，一条链路的负载不均导致网络堵塞，就会成为木桶短板，影响到数十个甚至更多GPU的连通性。在这种情况下，其他链路即使畅通无阻，通信时间仍然会大幅度增长，进而直接影响训练效率。
此外，集群训练也会引入额外的通信开销，导致N个GPU算力达不到单个GPU算力的 N 倍。业界开源的GPU集合通信库（比如NCCL），也不能将网络的通信性能发挥到极致。
优化计算集群弥补芯片短板
正因算力的“木桶效应”，也给了云厂商可施展的舞台。通过对单机算力、网络架构和存储性能进行协同优化，提高算力效率，云厂商的高性能计算集群是能够弥补芯片一部分传输损耗的。
腾讯云此次发布的新一代HCC，在网络层面，利用自研的星脉网络为新一代集群带来了3.2T超高通信带宽。实测结果显示，搭载同样的GPU，3.2T星脉网络相较1.6T网络，能让集群整体算力提升20%。
存储层面，训练场景下，几千台计算节点会同时读取一批数据集，需要尽可能缩短数据集的加载时长。腾讯云的新一代集群，引入了自研的文件存储、对象存储架构，具备TB级吞吐能力和千万级IOPS，可支持不同场景下对存储的需求。
底层架构之上，针对大模型训练场景，新一代集群集成了腾讯云自研的TACO Train训练加速引擎，对网络协议、通信策略、AI框架、模型编译进行大量系统级优化，大幅节约训练调优和算力成本。
另外值得关注的是，腾讯多款自研芯片也已经量产。其中，用于AI推理的紫霄芯片、用于视频转码的沧海芯片已在腾讯内部交付使用。据腾讯云披露，紫霄目前已经在腾讯头部业务规模部署，可提供高达3倍的计算加速性能和超过45%的整体成本节省。
数据显示，腾讯云目前的分布式云原生调度总规模超过1.5亿核，并提供16 EFLOPS（每秒1600亿亿次浮点运算）的智算算力。对于近半年突然火热的AI大模型，宋丹丹表示，市场环境的变化没有打乱腾讯云的产品规划，但确实是让产品节奏提前了，因为AI业务和计算算力是相互促进的，AI技术迭代对算力提出更高的要求，那我们也会有更高的动力去让算力产品更快演进。
