用12nm战胜4nm
金磊 明敏 发自 凹非寺
非常AI | 公众号 QbitAI
后ChatGPT时代下的大模型“算力难”问题，“快、好、省”的解法，又来了一个。
就在今天，享有“AI界奥运会”之称的全球权威AI基准评测MLPerf Inference v3.0，公布了最新结果——
来自中国的AI芯片公司，墨芯人工智能（下文简称“墨芯”），在最激烈的ResNet50模型比拼中夺冠！
而且在此成绩背后，墨芯给大模型时代下的智能算力问题，提供了一个非常具有价值的方向——
它夺冠所凭借的稀疏计算，堪称是大模型时代最不容忽视的算力“潜力股”。
不仅如此，墨芯此次还是斩获了开放任务分区“双料冠军”的那种：
- 墨芯S40计算卡，以127,375 FPS，获得单卡算力全球第一；
- 墨芯S30计算卡，以383,520 FPS算力，获整机4卡算力全球第一。
而且墨芯靠着这套打法，在制程方面更是用首颗稀疏计算芯片12nm的AntoumⓇ打败了4nm。
不得不提的是，这次对于墨芯而言，还是“梅开二度”；因为它在上一届MLPerf，凭借S30同样是拿下了冠军。
在与GPT-3参数相当的开源LLM——1760亿参数的BLOOM上，4张墨芯S30计算卡在仅采用中低倍稀疏率的情况下，就能实现25 tokens/s的内容生成速度，超过8张A100。
那么稀疏计算为什么对大模型有这般良效？
算力纪录再度被刷新
我们不妨先来看下，墨芯所刷新的纪录到底是怎样的一个水平。
以墨芯S40为例，在MLPerf数据中心的图像任务主流模型ResNet-50上，且在相同数据集、相同精度条件下，算力达127,375 FPS。
这个“分数”是老牌玩家英伟达H100、A100的1.4倍和2.9倍！
（△1、评测条件：MLPerf相同条件、数据集、精度；2、A100单卡算力数据选择近两届MLPerf最佳成绩；3、“*”代表稀疏等效算力。）
而墨芯S30计算卡，正如我们刚才提到的，获得了ResNet-50模型“整机4卡”冠军，其算力383,520 FPS；是英伟达H100的4卡成绩的1.8倍，并且超过英伟达A100的8卡成绩。
△1、评测条件：MLPerf相同模型、数据集、精度；2、“*”代表稀疏等效算力。
再从自身对比角度来看，墨芯S40计算卡比上届冠军S30计算卡的算力增幅达33%。
并且与上一次MLPerf相比，墨芯产品相较H100和A100的算力优势分别扩大了20%和90%。
（△1、评测条件：MLPerf相同条件、数据集、精度；2、A100单卡算力数据选择近两届MLPerf最佳成绩；3、“*”代表稀疏等效算力。）
在NLP模型BERT上，墨芯S40计算卡算力5,069 SPS达到英伟达提交的A100算力的2.7倍。
△1、评测条件：MLPerf相同模型、数据集、精度；2、“*”代表稀疏等效算力。
更重要的一点是，随着AIGC的大爆发，加速推理速度、可以在线实时交互，成为了亟待解决的需求，而这也是大模型落地的一大痛点。
而在本次MLPerf中，墨芯S30与S10计算卡在离线（Offline）与在线（Server）两种模式下，均展现出了优异的表现。
△1、评测条件：MLPerf相同模型、数据集、精度；2、“*”代表稀疏等效算力。
这一点，便证明了稀疏计算是具备同时兼顾高吞吐、低延时的独特优势的。
为什么稀疏计算会成为正解？
简单理解，稀疏化就是一种聪明的数据处理和模型压缩方式，它让神经网络在计算时，能够仅启用所需的神经元。
而稀疏计算就是将原有AI计算的大量矩阵运算中，含有零元素或无效元素的部分剔除，以加快计算速度，由此也能进一步降低模型训练成本。
自从Transformers掀起大模型浪潮后，稀疏计算也成为了大厂关注的重点方向。
2021年，谷歌研究和OpenAI就罕见合作论文《Sparse is Enough in Scaling Transformers》，力证稀疏计算能为大模型带来数十倍加速。
而更早以前，2017年OpenAI就发布了稀疏计算内核，实现了在同等计算开销的情况下，能计算更深的神经网络。
谷歌这几年也密集发布了稀疏计算方面的多项工作，包括Pathways、PaLM、MoE、GLaM等。
其中Pathways架构是稀疏计算领域的一项重要工作。谷歌在当初发布时将其称为“下一代人工智能架构”，其技术博客由谷歌大脑负责人Jeff Dean亲自操刀撰写。
由此可见谷歌对Pathways架构及稀疏计算的重视。
这篇博客中写道，当今的模型是稠密、低效的，Pathways能将它们变得稀疏、高效。
Pathways能做的事，就是实现训练一个模型，完成成千上万件事情。
其核心原理在于稀疏计算，即在执行任务时仅稀疏激活模型的特定部分，计算真正有用的元素。
并且在该架构发布没几天后，谷歌就跟进了稀疏计算领域的另一项重要工作：发布基于Pathways架构的5400亿参数大模型PaLM。
之后，谷歌还提出了首个多模态稀疏化模型LIMoE，它在降低模型计算量上的优势非常突出。
因为采用了稀疏计算，可以实现执行一次任务只调用模型中的一个子模型，那么这次任务的成本将会和标准Transformer差不多。比如LIMoE-H/14总共有5.6B参数，但是通过稀疏化，它只会使用每个token的675M参数。
就在今年ChatGPT大火后，稀疏化GPT方法也被提出，能够实现不降低模型效果的情况下，将大模型权重降低一半。
除了在算法架构方面以外，硬件计算侧对于稀疏化的关注也在提升。
比如英伟达就在其Ampere架构中首次支持2倍稀疏计算。
Ampere架构为英伟达A 100带来了第三代Tensor Core核心，使其可以充分利用网络权值下的细粒度稀疏化优势。
相较于稠密数学计算（dense math），能够在不牺牲深度学习矩阵乘法累加任务精度的情况下，将最大吞吐量提高了2倍。
以上大厂的动作，无疑都印证了稀疏计算会是大模型时代下AI计算的有效解之一。
由此也就不难理解，为什么墨芯会押中稀疏计算这一方向，并取得最新战绩。
一方面是很早洞察到了行业的发展趋势；另一方面也是自身快速准确做出了定位和判断。
墨芯创始人兼CEO王维表示，他们从2018、2019年就看到了稀疏计算给AI计算带来了数量级上的性能提升。
与此同时，Transformers开启了大模型时代，让AI从1.0时代步入2.0，推动了AI在应用场景、算力需求等方面的改变。
尤其是算力方面，王维认为已经产生了质变：
“小模型时代，用场景数据训练小模型，研发和部署周期短，对算力的需求主要是通用性、易用性。到了大模型时代，大模型主要基于Transformers模型架构，更追求计算速度和算力成本。”
而做稀疏计算，不只是墨芯一家想到了，前面提到英伟达也在推进这方面进展，不过王维表示，这对于GPU公司而言可能是“意外收获”，但如果专注稀疏计算的话，需要做的是十倍甚至百倍加速。
因此，墨芯选择的路线是从算法提升上升到软硬协同层面。
2022年，墨芯发布首颗高稀疏倍率芯片AntoumⓇ，能够支持32倍稀疏，大幅降低大模型所需的计算量。
墨芯在MLPerf中开放分区的提交结果刷新记录，也是对这一路线的进一步印证。
据透露，不仅在MLPerf上表现出色，墨芯的产品商业落地上也进展迅速。
墨芯AI计算卡发布数月就已实现量产，在互联网等领域成单落地。ChatGPT走红后墨芯也收到大量客户问询，了解稀疏计算在大模型上的算力优势与潜力。
如今，ChatGPT开启新一轮AI浪潮，大模型领域开启竞速赛、算力需求空前暴增。
如微软为训练ChatGPT打造了一台超算——由上万张英伟达A100芯片打造，甚至专门为此调整了服务器架构，只为给ChatGPT和新必应AI提供更好的算力。还在Azure的60多个数据中心部署了几十万张GPU，用于ChatGPT的推理。
毕竟，只有充足的算力支持，才能推动模型更快迭代升级。
怪不得行业内有声音说，这轮趋势，英伟达当属最大幕后赢家。
但与此同时，摩尔定律式微也是事实，单纯堆硬件已经无法满足当下算力需求，由此这也推动了算力行业迎来更新一轮机遇和变革。可以看到，近两年并行计算等加速方案愈发火热，这就是已经发生的变化。
而ChatGPT的火热，无疑加速了这一变革。在真实需求的推动下，算力领域硬件软件创新突破也会更快发生，模型会重新定义算法，算法会重新定义芯片。
你觉得呢？
