最大AI单体模型纪录半个月被刷新两次
边策 发自 凹非寺
非常AI 报道 | 公众号 QbitAI
超大AI模型训练成本太高hold不住？连市值万亿的公司都开始寻求合作了。
本周，英伟达与微软联合发布了5300亿参数的“威震天-图灵”（Megatron-Turing），成为迄今为止全球最大AI单体模型。
仅仅在半个月前，国内的浪潮发布了2500亿参数的中文AI巨量模型“源1.0”。
不到一个月的时间里，最大英文和中文AI单体模型的纪录分别被刷新。
而值得注意的是：
技术发展如此之快，“威震天-图灵”和“源1.0”还是没有达到指数规律的预期。
要知道，从2018年开始，NLP模型参数近乎以每年一个数量级的速度在增长。
△ 近年来NLP模型参数呈指数级上涨（图片来自微软）
而GPT-3出现后，虽然有Switch Transformer等万亿参数混合模型出现，但单体模型增长速度已经明显放缓。
无论是国外的“威震天-图灵”，还是国内的“源1.0”，其规模和GPT-3没有数量级上的差异。即便“威震天-图灵”和“源1.0”都用上了各自最强大的硬件集群。
单体模型是发展遇到瓶颈了么？
超大模型的三个模式
回答这个疑问，首先得梳理一下近年来出现的超大规模NLP模型。
如果从模型的开发者来看，超大规模NLP模型的研发随时间发展逐渐形成了三种模式。
一、以研究机构为主导
无论是开发ELMo的Allen研究所、还是开发GPT-2的OpenAI（当时还未引入微软投资）都不是以盈利为目标。
且这一阶段的超大NLP模型都是开源的，得到了开源社区的各种复现与改进。
ELMo有超过40个非官方实现，GPT-2也被国内开发者引入，用于中文处理。
二、科技企业巨头主导
由于模型越来越大，训练过程中硬件的优化变得尤为重要。
从2019年下半年开始，各家分别开发出大规模并行训练、模型扩展技术，以期开发出更大的NLP模型。英伟达Megatron-LM、谷歌T5、微软Turing-NLG相继出现。
今年国内科技公司也开始了类似研究，中文AI模型“源1.0”便是国内硬件公司的一次突破——
成就中文领域最大NLP模型，更一度刷新参数最多的大模型纪录。
“源1.0”不仅有高达5TB的全球最大中文高质量数据集，在总计算量和训练效率优化上都是空前的。
三、巨头与研究机构或巨头之间相互合作
拥有技术的OpenAI由于难以承受高昂成本，引入了微软10亿美元投资。依靠海量的硬件与数据集资源，1750亿参数的GPT-3于去年问世。
但是，今年万亿参数模型的GPT-4并没有如期出现，反而是微软与英伟达联手，推出了“威震天-图灵”。
我们再把目光放回到国内。
“威震天-图灵”发布之前，国内外涌现了了不少超大AI单体模型，国内就有阿里达摩院PLUG、“源1.0”等。
像英伟达、微软、谷歌、华为、浪潮等公司加入，一方面是为AI研究提供大量的算力支持，另一方面是因为他们在大规模并行计算上具有丰富的经验。
当AI模型参数与日俱增，达到千亿量级，训练模型的可行性面临两大挑战：
1、即使是最强大的GPU，也不再可能将模型参数拟合到单卡的显存中；
2、如果不特别注意优化算法、软件和硬件堆栈，那么超大计算会让训练时长变得不切实际。
而现有的三大并行策略在计算效率方面存在妥协，难以做到鱼与熊掌兼得。
英伟达与微软合体正是为此，同样面对该问题，浪潮在“源1.0”中也用了前沿的技术路径解决训练效率问题。
从“源1.0”的arXiv论文中，我们可以窥见这种提高计算效率的方法。
在对源的大规模分布式训练中，浪潮采用了张量并行、流水线并行和数据并行的三维并行策略。
“威震天-图灵”和“源1.0”一样，在张量并行策略中，模型的层在节点内的设备之间进行划分。
流水线并行将模型的层序列在多个节点之间进行分割，以解决存储空间不足的问题。
另外还有数据并行策略，将全局批次规模按照流水线分组进行分割。
三家公司运用各自的技术，将最先进的GPU与尖端的分布式学习软件堆栈进行融合，实现了前所未有的训练效率，最终分别打造出英文领域和中文领域的最大AI单体模型。
训练超大规模自然语言模型成本升高，技术上殊途同归，形成研究机构与科技巨头协同发展，三种探索模式并驾齐驱的局面。
中英AI模型互有胜负
训练成本趋高，技术趋同，为何各家公司还是选择独自研究，不寻求合作？
我们从GPT-3身上或许可见一斑。
去年发布的GPT-3不仅未开源，甚至连API都是限量提供，由于获得微软的投资，今后GPT-3将由微软独享知识产权，其他企业或个人想使用完整功能只能望洋兴叹。
训练成本奇高、道德伦理问题以及为了保证行业领先地位，让微软不敢下放技术。其他科技公司也不可能将自己的命运交给微软，只能选择独自开发。
尤其对于中国用户来说，以上一批超大模型都不是用中文数据集训练，无法使用在中文语境中。
中文语言的训练也比英文更难。英文由单词组成，具有天然的分词属性。
而中文需要对句子首先进行分词处理，如“南京市长江大桥”， 南京市|长江|大桥、南京|市长|江大桥，错误的分词会让AI产生歧义。
相比于英文有空格作为分隔符，中文分词缺乏统一标准，同样一个词汇在不同语境、不同句子中的含义可能会相差甚远，加上各种网络新词汇参差不齐、中英文混合词汇等情况，要打造出一款出色的中文语言模型需要付出更多努力。
所以国内公司更积极研究中文模型也就不难理解了。
即便难度更高，国内公司还一度处于全球领先，比如数据集和训练效率方面。
据浪潮论文透露，“源1.0”硬件上使用了2128块GPU，浪潮共搜集了850TB数据，最终清洗得到5TB高质量中文数据集。
其文字数据体积多于“威震天-图灵”(835GB)，而且中文信息熵大大高于英文，信息量其实更大。
在训练效率方面，“源1.0”训练用了16天，“图灵威-震天”用了一个多月，前者数据量是后者3倍有余，耗时却只有后者一半——
其专注中文，关注效率努力也可见一斑。
大模型你来我往间能看出，发展已走入百花齐放互不相让的阶段，这给我们带来新的思考：AI巨量模型既然不“闭门造车”，那如何走向合作？
多方合作可能才是未来
表面上“威震天-图灵”（Megatron-Turing NLG）是第一次由两家科技巨头合作推出超大AI模型。
其背后，双方不仅组成了“超豪华”硬件阵容，在算法上也有融合。强强联合成为超大AI模型落地的一种新方式，
国外巨头开启先例，那么国内公司的现状又是如何呢？其实有机构已经迈出合作的第一步。
诸如浪潮的“源1.0”，和当初的“威震天”一样，也是由硬件厂商主导开发的超大规模自然语言模型。
浪潮透露，实际上9月28日的发布会上，他们邀请了国内的学者和数家科技公司共同探讨未来“源1.0”合作的可能性。
在产业界，浪潮早就提出了“元脑计划”的生态联盟，“源1.0”未来将向元脑生态社区内所有开发者开放API，所有加入生态的AI技术公司都可以利用“源1.0”进行二次开发，从而制造出更强大的功能。
国内超大规模自然语言模型合作的时代正在开启。
合作开发巨量模型能带来什么？李飞飞等知名学者已经给出答案：当数据规模和参数规模大到一定程度时，量变最终能产生质变，GPT-3就是先例。
如今大模型越来越多，但未来关键还在于如何纵横捭阖，打造属于一套开放合作体系，让所有技术公司群策群力。
而AI巨量模型在这样的生态体系下会带来怎样的变化，在“源1.0”等一大批模型开放后，应该很快就能看见。
参考链接：
[1]https://arxiv.org/abs/2110.04725
[2]https://www.microsoft.com/en-us/research/blog/turing-nlg-a-17-billion-parameter-language-model-by-microsoft/
[3]https://mp.weixin.qq.com/s/0SE3rv3MdDzbqwAVFtSe8Q
