鹅厂发布大模型计算集群！算力提升3倍，4天就能训完万亿规模大模型_风闻

　　明敏 发自 凹非寺

　　量子位 | 公众号 QbitAI

　　没想到，就在大家争相发大模型的时候，鹅厂另辟蹊径在算力上下手了。

　　刚刚，腾讯云最新一代HCC（High-Performance Computing Cluster）高性能计算集群，来了！

　　面向大模型训练，采用最新一代腾讯云星星海自研服务器，搭载了NVIDIA H800 Tensor Core GPU，可提供业界目前最高的3.2T超高互联带宽。

　　实测结果显示，腾讯云新一代集群的算力性能较前代提升高达3倍。

　　以训练自家大模型效果为例——万亿参数的混元NLP大模型训练。在同等数据集下，将训练时间由50天缩短到11天。如果基于新一代集群，训练时间将进一步缩短至4天。

　　在这波AIGC热潮下，行业内算力需求空前增加，各种与智能算力相关的硬件软件都变得更加火热。

　　鹅厂这波突然放送，又带来哪些新进展？

　　带来3.2T超高通信带宽

　　据了解，腾讯云新一代集群通过对单机算力、网络架构和存储性能进行协同优化，能够为大模型训练提供高性能、高带宽、低延迟的智算能力支撑。

　　计算层面，服务器的单机性能是集群算力的基础。

　　在非稀疏规格情况下，新一代集群单GPU卡支持输出最高 495 TFlops（TF32）、989 TFlops （FP16/BF16）、1979 TFlops（FP8）的算力。

　　针对大模型训练场景，腾讯云星星海服务器采用6U超高密度设计，相较行业可支持的上架密度提高30%；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。

　　网络层面，计算节点间存在海量的数据交互需求，随着集群规模扩大，通信性能会直接影响训练效率。

　　腾讯自研星脉网络，可为新一代集群带来了业界最高的3.2T的超高通信带宽。

　　节点内外统一的AllReduce通信带宽，实现网络和算力的最大协同。

　　实测结果显示，搭载同样的GPU，最新的3.2T星脉网络相较1.6T网络，能让集群整体算力提升20%。

　　基于多轨道聚合的无阻塞网络架构、主动拥塞控制和定制加速通信库，腾讯云能提供业界领先的集群构建能力，支持单集群高达十万卡级别的组网规模。

　　在超大集群场景下，仍然能保持优秀的通信开销比和吞吐性能，满足大模型训练以及推理业务的横向扩展。

　　同时，腾讯自研高性能集合通信库TCCL，基于星脉网络硬件平台深度优化，在全局路径规划、拓扑感知亲和性调度、网络故障实时告警/自愈等方面融入了定制设计的解决方案。

　　相对业界开源集合通信库，为大模型训练优化40%负载性能，消除多个网络原因导致训练中断问题。

　　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。新一代集群，引入了腾讯云最新自研存储架构，支持不同场景下对存储的需求。

　　COS+GooseFS对象存储方案，提供多层缓存加速，大幅提升端到端的数据读取性能；将公开数据集、训练数据、模型结果统一存储到对象存储COS中，实现数据统一存储和高效流转。

　　同时，GooseFS按需将热数据缓存到GPU内存和本地盘中，利用数据本地性提供高性能访问。

　　CFS Turbo高性能并行文件存储方案，采取多级缓存加速，基于全分布式架构，提供100GB/s带宽、1000万IOPS的极致性能。并通过持久化客户端缓存技术，将裸金属服务器本地NVMe SSD和Turbo文件系统构成统一命名空间，实现微秒级延时，解決大模型场景大数据量、高带宽、低延时的诉求。

　　同时，通过智能分层技术，自动对冷热数据分层，节省80%的存储成本，提供极致的性价比。

　　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。

　　腾讯混元大模型背后的训练框架AngelPTM，也已通过腾讯云对外提供服务，能够帮助企业加速大模型落地。

　　目前，腾讯混元AI大模型已经覆盖了自然语言处理、计算机视觉、多模态等基础模型和众多行业、领域模型。

　　在腾讯云上，企业基于TI 平台的大模型能力和工具箱，可结合产业场景数据进行精调训练，提升生产效率，快速创建和部署 AI 应用。

　　此前，腾讯多款自研芯片已经量产。

　　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，性能指标和综合性价比显著优于业界。

　　紫霄采用自研存算架构，增加片上内存容量并使用更先进的内存技术，消除访存能力不足制约芯片性能的问题，同时内置集成腾讯自研加速模块，减少与CPU握手等待时间。

　　目前，紫霄已经在腾讯头部业务规模部署，提供高达3倍的计算加速性能，和超过45%的整体成本节省。

　　据悉，腾讯云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。未来，新一代集群不仅能服务于大模型训练，还将在自动驾驶、科学计算、自然语言处理等场景中充分应用。

　　（最近量子位发起《中国AIGC算力产业全景报告》征集活动，感兴趣的童鞋欢迎戳下方报名表单━(*｀∀´*)ノ亻!）