微軟自曝花數(shù)億美元為OpenAI組裝超算開(kāi)發(fā)ChatGPT 使用數(shù)萬(wàn)個(gè)英偉達(dá)芯片

3月14日消息，美國(guó)當(dāng)?shù)貢r(shí)間周一，微軟發(fā)文透露其斥資數(shù)億美元幫助OpenAI組裝了一臺(tái)AI超級(jí)計(jì)算機(jī)，以幫助開(kāi)發(fā)爆火的聊天機(jī)器人ChatGPT。這臺(tái)超算使用了數(shù)萬(wàn)個(gè)英偉達(dá)圖形芯片A100，這使得OpenAI能夠訓(xùn)練越來(lái)越強(qiáng)大的AI模型。

OpenAI試圖訓(xùn)練越來(lái)越大的AI模型，這些模型正在吸收更多的數(shù)據(jù)，學(xué)習(xí)越來(lái)越多的參數(shù)，這些參數(shù)是AI系統(tǒng)通過(guò)訓(xùn)練和再培訓(xùn)找出的變量。這意味著，OpenAI需要很長(zhǎng)時(shí)間才能獲得強(qiáng)大的云計(jì)算服務(wù)支持。

為應(yīng)對(duì)這一挑戰(zhàn)，當(dāng)微軟于2019年向OpenAI投資10億美元時(shí)，該公司同意為這家AI研究初創(chuàng)公司組裝一臺(tái)巨大的尖端超級(jí)計(jì)算機(jī)。但問(wèn)題在于，微軟沒(méi)有任何OpenAI所需的東西，也不完全確定其能否能在不破壞Azure云服務(wù)的情況下構(gòu)建如此龐大的設(shè)備。

為此，微軟不得不想方設(shè)法將英偉達(dá)的數(shù)萬(wàn)個(gè)A100圖形芯片連接起來(lái)，并改變服務(wù)器在機(jī)架上的放置方式以防止斷電。A100圖形芯片是培訓(xùn)AI模型的主力。微軟負(fù)責(zé)云計(jì)算和AI業(yè)務(wù)的執(zhí)行副總裁斯科特·格思里（Scott Guthrie）沒(méi)有透露該項(xiàng)目的具體成本，但其暗示可能達(dá)數(shù)億美元。

微軟Azure AI基礎(chǔ)設(shè)施總經(jīng)理尼迪·卡佩爾（Nidhi Cappell）說(shuō)：“我們構(gòu)建了一個(gè)系統(tǒng)構(gòu)架，它可以在非常大的范圍內(nèi)運(yùn)行且十分可靠，這是ChatGPT成功的重要原因。這只是我們從中得出的一個(gè)模式，還會(huì)有許許多多其他的模型?！?/p>

基于這項(xiàng)技術(shù)，OpenAI發(fā)布了爆火的聊天機(jī)器人ChatGPT。在去年11月上線(xiàn)后幾天，它就吸引了100多萬(wàn)用戶(hù)，現(xiàn)在正被納入其他公司的商業(yè)模式。隨著企業(yè)和消費(fèi)者對(duì)ChatGPT等生成式人工智能（AIGC）工具的興趣越來(lái)越大，微軟、亞馬遜和谷歌等云服務(wù)提供商將面臨更大的壓力，以確保他們的數(shù)據(jù)中心能夠提供所需的巨大算力。

與此同時(shí)，微軟現(xiàn)在也開(kāi)始使用它為OpenAI構(gòu)建的基礎(chǔ)設(shè)施來(lái)訓(xùn)練和運(yùn)行自己的大型AI模型，包括上個(gè)月推出的新必應(yīng)搜索聊天機(jī)器人。該公司還向其他客戶(hù)銷(xiāo)售該系統(tǒng)。這家軟件巨頭已經(jīng)在研發(fā)下一代AI超級(jí)計(jì)算機(jī)，這是微軟與OpenAI擴(kuò)大合作的一部分，微軟在交易中增加了100億美元投資。

格思里在接受采訪時(shí)說(shuō)：“我們并沒(méi)有為OpenAI定制任何東西，盡管其最初是定制的，但我們總是以一種泛化的方式構(gòu)建它，這樣任何想要訓(xùn)練大型語(yǔ)言模型的人都可以利用同樣的改進(jìn)技術(shù)。這真的幫助我們?cè)诟鼜V泛的范圍內(nèi)成為更好的AI智能云。”

訓(xùn)練規(guī)模龐大的AI模型需要在某個(gè)地方有大量相互連接的圖形處理單元，就像微軟組裝的AI超級(jí)計(jì)算機(jī)那樣。一旦模型投入使用，回答用戶(hù)查詢(xún)的所有問(wèn)題（這個(gè)過(guò)程稱(chēng)為推理）需要略有不同的設(shè)置。為此，微軟還部署了用于推理的圖形芯片，但這些處理器（成千上萬(wàn)個(gè)）在地理上分散在該公司60多個(gè)數(shù)據(jù)中心里。微軟表示，現(xiàn)在該公司正在添加用于AI工作負(fù)載的最新英偉達(dá)圖形芯片H100以及最新版Infiniband網(wǎng)絡(luò)技術(shù)，以更快地共享數(shù)據(jù)。

新的必應(yīng)仍處于測(cè)試階段，微軟正在逐步從申請(qǐng)測(cè)試名單中增加更多用戶(hù)。格思里的團(tuán)隊(duì)與大約20多名員工每天都要舉行會(huì)議，他將這些員工稱(chēng)為“pit crew”，原指賽車(chē)中車(chē)隊(duì)后勤維護(hù)組的技師。這些人的工作是找出如何讓更多的計(jì)算能力快速上線(xiàn)，以及解決突然出現(xiàn)的問(wèn)題。

云服務(wù)依賴(lài)于數(shù)千個(gè)不同的部件，包括服務(wù)器、管道、建筑物的混凝土、不同的金屬和礦物，而任何一個(gè)組件的延遲或短缺，無(wú)論多么微小，都可能導(dǎo)致整個(gè)項(xiàng)目中斷。最近，“pit crew”團(tuán)隊(duì)不得不幫助解決電纜托盤(pán)短缺的問(wèn)題，這是一種籃狀的裝置，用來(lái)固定從機(jī)器上順下來(lái)的電纜。因此，他們?cè)O(shè)計(jì)了一種新的電纜橋架。格思里說(shuō)，他們還致力于研究如何在世界各地的現(xiàn)有數(shù)據(jù)中心壓榨盡可能多的服務(wù)器，這樣他們就不必等待新的建筑竣工。

當(dāng)OpenAI或微軟開(kāi)始訓(xùn)練大型AI模型時(shí)，這項(xiàng)工作需要一次完成。工作被分配給所有的GPU，在某些時(shí)候，這些GPU需要相互交流來(lái)分享他們所做的工作。對(duì)于AI超級(jí)計(jì)算機(jī)，微軟必須確保處理所有芯片之間通信的網(wǎng)絡(luò)設(shè)備能夠處理這種負(fù)載，并且它必須開(kāi)發(fā)出最大限度地利用GPU和網(wǎng)絡(luò)設(shè)備的軟件。該公司現(xiàn)在已經(jīng)開(kāi)發(fā)出一種軟件，可以用來(lái)訓(xùn)練數(shù)十萬(wàn)億個(gè)參數(shù)的AI模型。

因?yàn)樗袡C(jī)器都是同時(shí)啟動(dòng)的，微軟不得不考慮安放它們的位置，以及電源該應(yīng)該放在哪里。否則，數(shù)據(jù)中心最終可能會(huì)斷電。Azure全球基礎(chǔ)設(shè)施總監(jiān)阿利斯泰爾·斯皮爾斯（Alistair Speirs）說(shuō)，微軟還必須確保能夠冷卻所有這些機(jī)器和芯片，該公司在較涼爽的氣候中使用蒸發(fā)；冷卻方式、在較冷的氣候中使用室外空氣，在炎熱的氣候中使用高科技沼澤冷卻器。

格思里說(shuō)，微軟將繼續(xù)致力于定制服務(wù)器和芯片設(shè)計(jì)，以及優(yōu)化供應(yīng)鏈的方法，以盡可能地提高速度、提高效率和節(jié)省成本。他說(shuō)：“現(xiàn)在令世界驚嘆的AI模型是基于我們幾年前開(kāi)始建造的超級(jí)計(jì)算機(jī)構(gòu)建的，而新模型將使用我們現(xiàn)在正在訓(xùn)練的新超級(jí)計(jì)算機(jī)。這臺(tái)計(jì)算機(jī)要大得多，可以實(shí)現(xiàn)更復(fù)雜的技術(shù)。”

微軟已經(jīng)在努力使Azure的AI功能更加強(qiáng)大，推出了新的虛擬機(jī)，使用英偉達(dá)的H100和A100 Tensor Core GPU，以及Quantum-2 InfiniBand網(wǎng)絡(luò)。微軟表示，這將允許OpenAI和其他依賴(lài)Azure的公司訓(xùn)練更大、更復(fù)雜的AI模型。

微軟Azure AI企業(yè)副總裁埃里克·博伊德（Eric Boyd）在一份聲明中說(shuō)：“我們發(fā)現(xiàn)，我們需要構(gòu)建專(zhuān)門(mén)的集群，專(zhuān)注于支持大量的培訓(xùn)工作，而OpenAI就是早期的證據(jù)之一。我們正與他們密切合作，了解他們?cè)诮⒂?xùn)練環(huán)境時(shí)需要的關(guān)鍵條件，以及他們需要的其他東西?！?/p>