产业调研:国产AI芯片怎么才能变得好用?| 国君计算机李沐华团队

海外英伟达GPU算力卡一卡难求而且价格昂贵，但是国产卡生态依然存在问题。国产算力要支持大模型训练要把生态做好：第一，就是做好编程框架，利用基本算子快速构建人工智能模型，以降低编写人工智能模型的复杂度。例如:PyTorch，TensorFlow。

第二，实现并行加速，为多机多卡环境提供人工智能模型并行训练的能力，确保能够支持数据并行、模型并行、流水线并行、张量并行等。

第三，做好通信库，提供跨机跨卡的通信能力，支持人工智能模型训练所需的各种通信模式，能根据底层网络特点充分利用网络通信带宽。

第四，做好算子库，算子库提供人工智能模型所需基本操作的高性能实现，要求尽可能覆盖典型人工智能模型所需的操作，要求算子库能充分发挥底层硬件的性能。

第五，做好Al编译器。人工智能程序的目标代码依靠AI编译器生成。对于算子库不能提供的操作，通过Al编译器可以自动生成高效目标代码。因此，做好Al编译器非常重要。

第六，做好编程语言，要求能够编写人工智能模型的基本算子，覆盖底层硬件功能以充分发挥硬件性能。同时，支持在异构处理器上编写并行程序。

第七，做好调度器，提供在大规模系统上高效调度人工智能任务的能力。通过设计高效调度算法，提高集群资源利用率。

第八，做好内存分配系统，针对人工智能应用特点提供高效的内存分配策略。

第九，做好容错系统，提供在硬件发生故障后快速恢复模型训练的能力。第十，做好存储系统，支持训练过程中高效的数据读写(检查点、训练数据等)。

国产AI芯片生态非常重要，芯片性能反而是其次。第一是基于国外或者别的芯片编制的软件要比较容易移植到国产AI芯片的系统中，第二是新写的软件写起来比较顺比较好编，常见算子库都有提供。现在的情况就是生态不太好，做的不够好不够全。

根据中国工程院院士郑纬民在2023年大模型创业大会上的结论，国产Al芯片只要达到国外芯片60%的性能，把生态做好了客户也会满意。到70-80%效果更佳，客户不会因为芯片只有别人的60%而明显感觉不好。

大模型基础设施还要做好平衡设计。一般有四点考虑：

第一，叫系统平衡性原则：半精度运算性能与双精度运算性能的平衡。设计一台人工智能计算机中不仅要考虑半精度运算性能，还要考虑双精度运算能力，双精度与半精度运算性能之比为1:100比较合适。根据科学计算和大模型训练的发展趋势，变精度平衡设计的思想很重要，适应科学计算和更广泛的Al算法和应用提供保障。

第二，做好网络平衡设计。机器由成千上万块卡组成，卡与卡之间需要网络连接，网络设计究竟怎么连？不能只是针对CNN算法，还要考虑大规模预训练模型对系统的要求，因为大规模预训练模型需要高带宽，低延迟的网络，因此不是简单的用网络连接起来就行。现在是多台机器训练，不可能是单节点训练，不可能是一台机器一块卡就行了，因为受限于计算性能和内存，模型很难在一台机器上做，一定是多台机器几千块卡几万块卡，这就是分布式训练，通过不同并行模式，扩展模型规模与吞吐量。

第三，体系结构感知的内存平衡设计，内存需要保证数据访问不阻塞。大模型数据量非常大，数据要放到内存里去，当多个CPU多个核心同时访问内存，比如有一台机器里面有390个核同时发送请求，那么这些在网上就会造成网络堵塞，降低吞吐量。另外还有一种情况，如果390个核都去访问某一个存储部件，那这个部件也会受不了，因此要做好负载均匀。

第四，I/O子系统平衡设计。硬盘的性能相对慢一点，但现在好在有ssd和U盘了。现在每台机器基本上有u盘，而ssd比u盘快，要做的就是把512台机器*6块SSD卡组成一个大池子。大模型一训练就是一礼拜甚至一个月，训练时间特别长，要求机器在这段时间里一礼拜都不能出错，无论硬件还是软件。

往往大规模机器基本上都会出错，比如两万块卡的系统基本每两三个小时就要出错一次，并非系统做的不好，本身就是这样的技术水平。因此这种大规模大软件一般都会采用检查点设置，假设每两个钟头出错一次，那么每执行一个半小时就停一次，把当前硬件、软件、操作系统的状况整个执行情况现场保留下来到硬盘里面。保留完又开始训练，假如出错了回到上一个检查点就行了。

合规声明：本文节选自已经入库的正式研究报告，如需PDF原文请后台留言。