从内容生成、游戏开发、到自动化助手、机器人控制……AIGC这项“黑科技”,正在更多领域发挥着作用,并逐渐向行业渗透。例如,在数字政府场景,通过融合AIGC和数字人技术,可以提供个性化的政务服务和咨询,优化政府与公民的互动方式,提升政务服务的质量和效率。目前,AIGC主要聚焦在大模型训练、MaaS模型服务、AIGC推理三大应用场景,其中大模型训练是各新兴企业竞相争逐的主要场景。
“没有好网络,别玩大模型。” 要建设大规模训练模型集群,除了需要GPU服务器、网卡等基础组件,也需要解决网络搭建的问题。网络对于大模型集群的算力释放和可靠运行至关重要,如何构建符合大模型集群计算要求的网络系统,是推进AIGC发展的关键之一。
AIGC大模型训练 对网络系统的“三超”要求
在大模型训练过程中,有三种流量模型,分别是张量并行、流水线并行、数据并行。人们熟知的ChatGPT3,采用128台A100服务器,共计1024个A100卡训练,这样单服务器节点需要4个100G网络通道;而ChatGPT4、ChatGPT5等其它大模型,对于网络的需求会更高。浪潮网络认为大模型训练对于网络的要求可用“三超”网络来概括,即:超大规模、超高带宽、超强可靠,以保障网络稳定、可靠运行,为大模型训练提供强有力的支持。
而要解决“三超”网络的挑战,就需要着重思考如何建设符合大规模训练的组网方案。从组网架构上看,当前AIGC组网一般多采用胖树架构,具有高带宽、低延迟的特性,以及较好的可拓展性。而在组网协议上,当前业界主流的是基于IB、及RoCE两种无损网络技术,两种技术都可以很好的满足大规模训练高带宽、低延迟的要求。IB的延迟足够低,而RoCE在开放性、性价比、及易维护性几方面更胜一筹。
浪潮网络融合趋势与驱动 打造基于RoCE的智能无损网络解决方案
浪潮网络作为云边协同智慧网络引领者,密切关注市场发展及变化,推出了基于RoCE的智能无损网络解决方案,助力AIGC“三超”网络的打造,其具备如下优势:
一是多协议、多场景的融合。在大规模集群中,往往存在通用计算集群、AI/HPC集群、存储等多种场景,传统方案是部署以太网、IB、FC等多套网络及多种协议,各协议之间互不兼容,大大增加了管理和维护的难度。而浪潮网络基于RoCE的智能无损网络解决方案,可以适配通用计算、AI/HPC、存储等多种场景,并实现以太/IB/FC三网融合。这样从维护多张网络到维护一张网络,大大降低了整体建设和维护成本。
二是智能弹性、动态调整。在大规模集群训练中,要求整个集群可以快速部署与交付,在节约训练时间的同时,尽可能减少宕机等故障的发生。在浪潮网络基于RoCE的智能无损网络解决方案中,通过数字化网络引擎IDE可以实现集群网络的自动化部署,加速业务上线。并实时监控设备与链路的负载和健康状态,如CRC错包,端口带宽百分比、队列缓存,CNP及Pause反压帧等,完成故障的快速定位及智能分析,实现基于业务的网络跟踪。此外,还可以提供北向标准API接口,能够与上层计算平台进行对接,实现算网联动,更好的释放集群算力。
此前,浪潮网络基于RoCE的智能无损网络解决方案,已在教科研客户项目中得以应用,方案可充分满足通用计算集群、GPU加速集群、异构计算集群、分布式存储集群、全闪存存储集群等多场景,对于网络的高带宽、低延迟连接需求,帮助客户构建满足AIGC发展的整体网络架构。
未来,浪潮网络将持续优化基于RoCE的智能无损网络产品方案能力,同时深入研究基于UEC的网络并创新引领支持UEC的产品,帮助客户成功。
