在風云變幻的AI大模型時代，科大訊飛與華為的聯(lián)合拓展令人印象深刻。過去幾年來，雙方協(xié)同創(chuàng)新突破重重障礙，一次次證明國產(chǎn)算力基礎(chǔ)設(shè)施可以支撐國產(chǎn)AI大模型良性發(fā)展，在關(guān)鍵性能和體驗上不輸世界領(lǐng)先玩家，同時具備更佳的成本效益。
10月24日，以“萬物智聯(lián) 生生不息”為主題的科大訊飛全球1024開發(fā)者節(jié)隆重舉行。下午的央國企論壇上，科大訊飛與華為再度強強聯(lián)手，共同發(fā)布訊飛星火&華為數(shù)據(jù)存儲AI解決方案，將AI集群算力利用率提升30%，助力國產(chǎn)大模型創(chuàng)新突圍，在業(yè)內(nèi)樹立起“以存強算”的又一標桿。
該AI存儲解決方案通過華為OceanStor A系列全新硬件、訊飛星火基礎(chǔ)大模型軟硬協(xié)同，深度優(yōu)化，可支持萬億參數(shù)大模型，大規(guī)模算力集群的訓推任務(wù)，實現(xiàn)訓推全流程加速，助力大模型算力利用率大幅提升，為業(yè)界輸出了一份凝結(jié)雙方技術(shù)與經(jīng)驗的標準方案。
極致性能“以存強算”，AI集群算力利用率提升超30%
根據(jù)規(guī)模定律（Scaling Law），更強的算力加上更多的有效訓練數(shù)據(jù)，可以得到更好的AI大模型。這意味著，大模型的訓練和推理不僅需要強大的算力支持，還需要高效的存儲系統(tǒng)來保證數(shù)據(jù)的快速讀寫和處理，存儲系統(tǒng)的性能直接影響到大模型的訓練效率和效果。為了解決大模型訓練中的存儲挑戰(zhàn)，需要采用高性能的存儲方案。例如，使用高性能NAS存儲系統(tǒng)可以顯著提高數(shù)據(jù)讀寫速度，減少訓練過程中的等待時間。此外，優(yōu)化存儲架構(gòu)和采用更適合大模型訓練的存儲解決方案，也可以提高訓練效率。 此番發(fā)布的訊飛星火&華為數(shù)據(jù)存儲AI解決方案，正采用了華為新一代OceanStor A系列AI存儲，通過創(chuàng)新數(shù)控分離架構(gòu)，高性能并行客戶端，實現(xiàn)了百TB級帶寬，百億級IOPS，將訓練集加載效率提升8倍，斷點續(xù)訓速度提升4倍，最終使得AI集群算力的利用率提升了超過30%。 資料顯示，隨著大模型集群規(guī)模增長，集群的算力利用率并未同步提升，千卡以上大模型算力利用率不足50%。而科大訊飛聯(lián)合華為搭建的大規(guī)模AI集群，算力利用率常年保持在60%以上的高位，大幅領(lǐng)先于業(yè)內(nèi)水平，背后的支撐之一正是華為數(shù)據(jù)存儲提供的高性能存力底座。
超大規(guī)模調(diào)度，AI數(shù)據(jù)湖讓大模型數(shù)據(jù)全局可管可用
在追求存儲性能的同時，存儲容量也是大模型存力底座的關(guān)鍵。隨著AI技術(shù)快速發(fā)展，AI大模型從單模態(tài)發(fā)展到多模態(tài)，短短數(shù)年時間大模型訓練的數(shù)據(jù)量已呈現(xiàn)1000倍的增長，亟需為AI算力集群建設(shè)AI數(shù)據(jù)湖，規(guī)模擴展并打破數(shù)據(jù)煙囪，實現(xiàn)全局流動可管可用。 大模型訓練需要處理的數(shù)據(jù)通常以圖片、文檔等小文件的形式存在，傳統(tǒng)的存儲系統(tǒng)面對這些小文件存在加載速度慢的問題，影響訓練效率。企業(yè)擁抱大模型首當其沖便是要對這些海量多源異構(gòu)數(shù)據(jù)進行高效管理，做好數(shù)據(jù)歸集、預處理等準備工作，才能保障大模型訓練的效率及效果。 在這個維度，華為新一代OceanStor A系列AI存儲具備無損多協(xié)議互通、冷熱數(shù)據(jù)智能分級專業(yè)存儲能力，支持512控橫向大規(guī)模擴展能力，支持EB級存儲空間；通過使用統(tǒng)一的AI數(shù)據(jù)湖存儲大模型數(shù)據(jù)，可實現(xiàn)冷熱數(shù)據(jù)分級存儲，跨越數(shù)據(jù)孤島，打破數(shù)據(jù)界限，確保了模型內(nèi)數(shù)據(jù)的高效流動，為大模型訓練做好充分的數(shù)據(jù)準備。伴隨著訊飛星火&華為數(shù)據(jù)存儲AI解決方案的發(fā)布，訊飛星火訓推平臺的AI數(shù)據(jù)湖成功經(jīng)驗也浮出水面。據(jù)介紹，經(jīng)過多輪技術(shù)迭代演進，訊飛建設(shè)AI數(shù)據(jù)湖底座，有效支撐了十萬億參數(shù)級別的通用多模態(tài)大模型訓練，并大幅提升了集群算力利用率。
技術(shù)與經(jīng)驗深度耦合，構(gòu)建AI Ready的數(shù)據(jù)基礎(chǔ)設(shè)施
值得注意的是，此次發(fā)布的訊飛星火&華為數(shù)據(jù)存儲AI解決方案并非雙方的“即興之作”，此前雙方便在存算分離、統(tǒng)一存儲平臺等方面展開了合作。隨著大模型持續(xù)演進，兩家又于去年7月正式啟動AI存力底座的聯(lián)合創(chuàng)新項目，旨在共同打造面向AI大模型場景的最佳數(shù)據(jù)存儲解決方案。實際上，在驅(qū)動AI發(fā)展的三駕馬車中，隨著算力逐漸趨同、算法加速收斂，蓬勃發(fā)展的數(shù)據(jù)成了影響大模型效果的核心要素。業(yè)界也逐漸意識到，數(shù)據(jù)規(guī)模和質(zhì)量決定AI智能的高度，為了提升從數(shù)據(jù)獲取、數(shù)據(jù)預處理、模型訓練、推理應(yīng)用的AI全流程效率，消除數(shù)據(jù)孤島帶來的海量數(shù)據(jù)搬遷，一個高性能、穩(wěn)定可靠的統(tǒng)一存力底座是必不可少的基石。 為此，科大訊飛在依托全國產(chǎn)化算力平臺打造訊飛星火認知基礎(chǔ)大模型時，也基于大模型數(shù)據(jù)和訓練閉環(huán)全流程設(shè)計、訓練和推理一體化設(shè)計的思路，自研超大規(guī)模大模型訓練平臺，迭代升級自家的大模型，先行先試趟出了一條探索Storage for AI、構(gòu)建AI Ready的數(shù)據(jù)基礎(chǔ)設(shè)施的“訊飛之道”。 資料顯示，在訊飛大模型訓練平臺的加持下，訊飛星火大模型歷經(jīng)數(shù)個版本的升級，目前已在文本生成、語言理解、知識問答、邏輯推理、數(shù)學能力、代碼能力、多模交互7大核心能力維度實現(xiàn)全國領(lǐng)先，通過中國信通院AIGC大模型基礎(chǔ)能力評測并獲得4+級的高評分，部分能力更是全面超過OpenAI的最新模型GPT-4 Turbo。 實踐出真知，相信這種源自訊飛星火與華為數(shù)據(jù)存儲雙方的技術(shù)與經(jīng)驗，深度耦合而“孵化”出來的AI存儲解決方案，必將能夠加速AI Ready的數(shù)據(jù)基礎(chǔ)設(shè)施建設(shè)，為客戶帶來高性能、高擴展和更智能的AI訓推體驗，推動AI產(chǎn)業(yè)發(fā)展，將AI大模型的算力真正轉(zhuǎn)化為企業(yè)組織的新質(zhì)生產(chǎn)力！
