大模型快速落地，考验着国产全功能GPU的成色

在日前召开的第五届智源大会AI系统分论坛上，上海天数智芯半导体有限公司正式宣布其天垓100加速卡的算力集群，基于北京智源人工智能研究院70亿参数的Aquila语言基础模型，使用代码数据进行继续训练，稳定运行19天，模型收敛效果符合预期，证明天数智芯有支持百亿级参数大模型训练的能力。

全功能GPU成AI大模型应用关键

天数智芯产品线总裁邹翾认为，目前来看，尽管国内企业与美国顶级厂商的产品性能之间仍存在不小的差距，尤其是在旗舰级产品性能方面，加之品牌知名度也不够，还需要逐渐培养下游企业对于本土GPU企业的认知。但好在国内产品是可用的，实现了国产通用GPU产品从0到1的突破。  

据介绍，在北京市海淀区的大力支持下，智源研究院、天数智芯与爱特云翔共同合作，联手开展基于自主通用GPU的大模型CodeGen(高效编码)项目，通过中文描述来生成可用的C、Java、Python代码以实现高效编码。智源研究院负责算法设计、训练框架开发、大模型的训练与调优，天数智芯负责提供天垓100加速卡、构建算力集群及全程技术支持，爱特云翔负责提供算存网基础硬件及智能化运维服务。

天数智芯大模型训练全栈方案

在三方的共同努力下，在基于天垓100加速卡的算力集群上，100B Tokens编程语料、70亿参数量的AquilaCode大模型参数优化工作结果显示，1个Epoch后loss下降到0.8，训练速度达到87K Tokens/s，线性加速比高达95%以上。与国际主流的A100加速卡集群相比，天垓100加速卡集群的收敛效果、训练速度、线性加速比相当，稳定性更优。在HumanEval基准数据集上，以Pass@1作为评估指标，自主算力集群训练出来的模型测试结果达到相近参数级别大模型的SOAT水平，在AI编程能力与国际主流GPU产品训练结果相近。

基于天垓100算力集群的AquilaCode大模型训练性能采样

“天垓100率先完成百亿级参数大模型训练，迈出了自主通用GPU大模型应用的重要的一步。”邹翾表示，这一成果充分证明了天垓产品可以支持大模型训练，打通了国内大模型创新发展的关键“堵点”，对于我国大模型自主生态建设、产业链安全保障具有十分重大的意义。

他希望国产通用GPU接下来“能用5-10年左右的时间追赶上国际同类主流产品的性能”，并且在人工智能、元宇宙、科学计算、天气预报、分子动力学、股票量化交易、投资等多个赛道取得成绩。

算力缺口巨大

ChatGPT等AI产品的火爆，不仅带来了短期的巨大算力缺口，也将持续带来并行化的通用计算需求。邹翾表示，当前，企业开发大模型的竞争焦点在于挖掘大模型的更多能力，实现这一目标需要算力的堆积，以提升大模型的参数值。此外，随着科学计算、AI建模的不断发展，市场对算力的需求也将显著扩大。

相关资料显示，对头部企业来说，早期的GPT3大模型大概需要1万张英伟达GPU，但GPT4达到了100万亿的参数规模，可能就需要3-5万张最先进的GPU才能完成。对于这一领域出现的众多跟随者来说，势必要在算力上不能输于头部企业，甚至还要进行更多的算力基础设施投资才能实现追赶。

因此，本土GPU企业要抓住AI大模型兴起的产业机遇，需要从底层定位大模型的算力需求。邹翾表示，从模型、计算框架层和算子加速等维度出发，通用GPU的优势在于“通用”—可支持模型的快速变形、快速支持新算子、快速支持新通信；“易用”—可利用现有算法模块，对新的重组架构进行调优；“好用”—可重构并行计算、访存全交换、计算全互联等。

同时，面对未来大规模的计算工作量需要通过组合多个GPU来完成任务的趋势，邹翾认为“相比提升单张GPU卡的性能，如何提高效率和管理能力，减少成本的同时实现节能减排”，更为关键，毕竟这其中要涉及散热/功耗管理、多通信模式支持、算法调优等多个要素。他强调称，“真正的平衡实际上是基于具体应用和对应的架构设计，并非性能参数越高越好。”

在谈及关于“大模型参数规模不断上调”话题时，邹翾说他个人还有点不一样的看法：一是现在业界还没有把大模型的性能潜力全部挖掘出来，现在的大模型只是一个起点，头部企业希望能够率先抓住那些没有被发现的能力制高点，于是不断调高通用大模型的参数以开发新功能；二是随着大模型的不断迭代，最终不可能有那么多的算力投资都真正产生效益，他个人判断未来1-2年内，当前许多重复性的投资会看到一个收敛稳定的阈值。

中外用户的需求差异

邹翾讨论了中国客户和海外客户在需求和使用习惯上的差异，认为中国市场上大多数客户仍然以“快”为主，“拿来主义”之风比较盛行，在软件和应用模式方面缺乏独立创新。“对于硬件企业来说，一个难点在于如果用户不愿意自己尝试做一些原生性的创新，那我们就很难在体系支撑角度去提供创新，因为我企业的需求首先是要看客户需要什么。”

但中国在应用场景上有着自己独特的优势，很多国内头部企业也正在思考如何让大模型更好的使用起来，创造出类似“新四大发明”的独特应用，实现原生技术的通用性。因此，底层技术与市场差异化的融合将成为关键，需要更多工程师、更多的创新、甚至是国家的机制引领，来共同推动全国产化进程。 

他同时也对“大公司不愿意采用国产GPU”这样的说法做出了回应，认为公众“对这句话解读是存在一定偏差的”。一方面，大公司没有说一定不会使用，只是现在国内的大多数算力平台并不符合大模型的要求；另一方面，商业化算力芯片产品在使用过程中，性价比也确实要能实际达到英伟达的水平才行。只有这样，头部的大公司才能获得真正的商业价值，毕竟他们面临着算力、安全、联合调优等多维度的挑战。

“对于天数智芯而言，我们并不追求在每个赛道上都和国际顶尖产品拥有同样的水平。可以考虑先从某一方面入手，通过产品性能和服务水平，吸引更多本土客户与我们合作。然后再‘由点及面’，最终目标在于如何服务好本土客户。“邹翾说，在服务本土客户方面可以主要从两方面入手，一是为头部大模型企业做算力补充；二是微调，即在模型训练好后再根据领域数据做一次微调优化，以实现算力的推理功能。为此，算法研究和模型结构、工程化实践落地与应用创新，将成为天数智芯接下来最为关注的三大领域。