对话郑纬民院士：用超算做AI大模型训练，成本只需英伟达1/6
文 丨 新浪科技 周文猛
在训练人工智能大模型的过程中，采购超级计算服务或存储器，也正在成为有效缓解算力焦虑的新途径。
近日，中国工程院院士、清华大学计算机系教授郑纬民在与新浪科技沟通中指出，“过去训练一个大模型要投入几十亿，但如果把大模型训练拿到超算上去做，价钱只需要用到英伟达的六分之一。”
此外，郑纬民还指出了一种全新的AI推理发展新趋势——“以存换算”。他以清华大学与AI独角兽企业月之暗面共同开发的Mooncake技术框架为例，介绍了该技术基于“以存换算”思路，帮助月之暗面kimi智能助手缓解算力紧张需求的原理，从而避免服务器宕机。
“把大模型训练搬到超算上，价钱只需英伟达1/6”
郑纬民看到，在经过ChatGPT发布后全球各科技企业快速追赶后，今年大模型有两个特点：第一，基础大模型进入多模态状态，不只有文本，还有图像、视频等；第二，真的用起来了，大模型正与各行业实际的结合，比如大模型+金融，大模型+医疗、大模型+汽车、大模型+智能制造等。
“大模型真的在与国民经济GDP、跟人们的生活水平密切结合，我一直认为基础大模型我们的水平跟美国比还是差一点，但‘大模型+’这件事，我们还是有希望超过美国的。”郑纬民表示。
然而，大模型真实的应用过程中，在涉及数据获取、数据预处理、模型训练、模型微调、模型推理等五个环节在内的全生命周期中，却需要大量的算力资源。如何以更低的成本获取更加高效、更高可靠的AI大模型算力资源，成为每家企业都在思考的问题。
迫于海外高端芯片获取的困难，目前国内为满足AI大模型训练带来的海量算力需求，主要发展出的一种解决思路是：通过搭建千卡、万卡集群，通过海量芯片半导体堆叠，采购多家厂商的芯片进行异构卡联合训练，来满足自己大模型产品训练的海量算力需求。但在郑纬民看来，这种方式虽能解决算力紧缺问题，但也存在一些弊端。
首先，对于构建国产万卡系统，建成固然重要，但用好却很难。郑纬民以自己做高性能计算的亲身经历现身说法道：“建一个2000卡的系统，其中1000块用英伟达芯片，另外1000块用其他厂家的，系统建成也运转起来了，但最终发现这些芯片性能不一，有的本事小一点，有的本事大一点，一个任务下来分成2000份，还要给其中1000个芯片分小一点的任务，另外1000个分大一点的任务，这还是静态的，如果是动态的，则直接分成了2000份最小的进行处理，性能很低。”
郑纬民指出，大规模算力集群建设过程中存在木桶效应，有的计算卡能力强，有的则弱，就像整个桶装多少水最终是由短板决定的，板子再长也没有用。“所以1000个老GPU和1000个新GPU合起来，性能比2000个老GPU性能还低一点，做大规模算力集群的成本也挺大。”
在郑纬民看来，进行大规模异构卡联合训练，在静态环境下想要实现最高的性能很难，并不划算，如果再涉及异地卡，就会更难，数据从北京传到贵州，贵州做出来结果再送到上海，这中间涉及的时间成本极高。“钱少的人不需要做，钱多的人可以试试。”
郑纬民建议企业尝试采用超算来进行AI大模型训练。“我国有14亿超算系统，钱都是国家付的，有的机器还有一点富余，因为国内超算机器收费便宜，不像英伟达要把机器成本收回来还要赚钱，所以大家做大模型训练到青岛神威超算上做，六分之一的价格就够了。”郑纬民表示。
“以存换算，能够有效降低AI推理成本”
事实上，大模型真实的应用过程中，在涉及数据获取、数据预处理、模型训练、模型微调、模型推理等五个环节在内的全生命周期中，需要大量算力资源的同时，也需要有着大量的存储资源，用于存储海量计算结果。尤其在模型推理过程中，如何存得多、传得快、性价比高，成为整个行业都在共同思考的问题。
此前，郑纬民曾公开提及，“AI存储是人工智能大模型的关键基座，存储系统存在于大模型生命周期的每一环，是大模型的关键基座，通过以存强算、以存换算，先进的AI存储能够提升训练集群可用度，降低推理成本，提升用户体验。”
在与新浪科技沟通中，郑纬民分享了“以存换算”的基本原理。他指出，“大模型不管是训练还是推理，都需要很大的算力，同时也需要很多存储，用来存储大模型训练出来的海量参数，以及推理过程中产生的一些过程数据。”然而，如果整个训练或推理过程中需要存储的数据越来越多，这会导致存储器资源紧缺，最终反而又会成为大模型性能提升的“负担”。
据郑纬民介绍，为解决上述问题，清华大学想了两个办法：第一，在推理过程当中，目前主要是推理卡工作，主机CPU跟主机存储器是不用的，因此，可以想办法把主机上的存储器用到推理过程中，提升了存储器利用率，性能提升的同时，也节省了不断购买推理卡的资金成本；第二，将推理过程中产生的共性的、用户共用的内容存储起来，通过存储必要推理过程中产生的数据，当后续遇到类似问题的时候直接调用，直接省去了每次遇到类似问题时推理过程，提升了效率，同时节省了资源。
郑纬民以清华大学与月之暗面共同研发的Mooncake技术框架为例介绍指出，“通过将不同用户与Kimi对话的公共内容提炼出来，存储下来，这不仅减少了每次用户提问都要重新生成的过程，节省了许多算力卡，也减少了kimi因访问过大导致的‘访问延迟’或‘宕机’等问题。”
