北京2023年8月11日 /美通社/ -- 8月10日，在2023年開放計算社區(qū)中國峰會(OCP China Day 2023)上，《開放加速規(guī)范AI服務器設計指南》（以下簡稱《指南》）發(fā)布?！吨改稀访嫦蛏墒紸I應用場景，進一步發(fā)展和完善了開放加速規(guī)范AI服務器的設計理論和設計方法，將助力社區(qū)成員高效開發(fā)符合開放加速規(guī)范的AI加速卡，并大幅縮短與AI服務器的適配周期，為用戶提供最佳匹配應用場景的AI算力產品方案，把握生成式AI爆發(fā)帶來的算力產業(yè)巨大機遇。
當前，生成式AI技術飛速發(fā)展，引領了新一輪AI創(chuàng)新浪潮。AI大模型是生成式AI的關鍵底座，對生產效率提升、傳統(tǒng)產業(yè)轉型升級具有重大的價值潛力，而大模型的高效訓練通常需要具備千卡以上高算力AI芯片構成的AI服務器集群支撐。隨著生成式AI加速落地，業(yè)界對配置高算力AI芯片的AI服務器需求也不斷高漲。在此背景下，全球已有上百家公司投入新型AI加速芯片的開發(fā)，AI計算芯片多元化趨勢凸顯。由于缺乏統(tǒng)一的業(yè)界規(guī)范，不同廠商的AI加速芯片存在顯著差異，導致不同芯片需要定制化的系統(tǒng)硬件平臺承載，帶來更高的開發(fā)成本和更長的開發(fā)周期。
OCP是全球基礎硬件技術領域覆蓋面最廣、最有影響力的開源組織。2019年OCP成立OAI（Open Accelerator Infrastructure）小組，對更適合超大規(guī)模深度學習訓練的AI加速卡形態(tài)進行了定義，以解決多元AI加速卡形態(tài)和接口不統(tǒng)一的問題。2019年底，OCP正式發(fā)布了OAI-UBB(Universal Baseboard)1.0設計規(guī)范，并隨后推出了基于OAI-UBB1.0規(guī)范的開放加速硬件平臺，無需硬件修改即可支持不同廠商的OAM產品。近年來，以浪潮信息為代表的系統(tǒng)廠商研制了多款符合開放加速規(guī)范的AI服務器，實現(xiàn)了開放加速AI服務器的產業(yè)化實踐。
基于在開放加速計算領域的產品研發(fā)和工程實踐經驗，《指南》進一步發(fā)展和完善了開放加速規(guī)范AI服務器的設計理論和設計方法，提出四大設計原則、全棧設計方法，包括硬件設計參考、管理接口規(guī)范和性能測試標準，旨在幫助社區(qū)成員更快更好地開發(fā)AI加速卡并適配開放加速AI服務器，應對生成式AI的算力挑戰(zhàn)。
《指南》指出，開放加速規(guī)范AI服務器設計應遵循四大設計原則，即應用導向、多元開放、綠色高效、統(tǒng)籌設計。在此基礎上，應采用多維協(xié)同設計、全面系統(tǒng)測試和性能測評調優(yōu)的設計方法，以提高適配部署效率、系統(tǒng)穩(wěn)定性、系統(tǒng)可用性。
多維協(xié)同設計是指系統(tǒng)廠商和芯片廠商在規(guī)劃初期要做好全方位、多維度的協(xié)同，最大化減少定制開發(fā)內容。大模型計算系統(tǒng)通常是一體化高集成度算力集群，包含計算、存儲、網絡設備，軟件、框架、模型組件，機柜、制冷、供電、液冷基礎設施等。只有通過多維協(xié)同，才能實現(xiàn)全局最優(yōu)的性能、能效或TCO指標，提高系統(tǒng)適配和集群部署效率?！吨改稀方o出了從節(jié)點到集群的軟硬全棧參考設計。
全面系統(tǒng)測試是指異構加速計算節(jié)點通常故障率高，需要更加全面、嚴苛的測試，才能最大程度降低系統(tǒng)生產、部署、運行過程中的故障風險，提高系統(tǒng)穩(wěn)定性，減少斷點對訓練持續(xù)性的影響?！吨改稀穼Y構、散熱、壓力、穩(wěn)定性、軟件兼容性等方面的測試要點進行了全面梳理。
性能測評調優(yōu)是指需要對大模型加速計算系統(tǒng)開展多層次的性能評測和軟硬件深度調優(yōu)?！吨改稀方o出了基礎性能、互連性能、模型性能測試的要點和指標，并指出了針對大模型訓練和推理性能調優(yōu)的要點，以確保開放加速規(guī)范AI服務器能夠有效完成當前主流大模型的創(chuàng)新應用支撐。
