從內(nèi)容生成、游戲開(kāi)發(fā)、到自動(dòng)化助手、機(jī)器人控制……AIGC這項(xiàng)"黑科技"，正在更多領(lǐng)域發(fā)揮著作用，并逐漸向行業(yè)滲透。例如，在數(shù)字政府場(chǎng)景，通過(guò)融合AIGC和數(shù)字人技術(shù)，可以提供個(gè)性化的政務(wù)服務(wù)和咨詢，優(yōu)化政府與公民的互動(dòng)方式，提升政務(wù)服務(wù)的質(zhì)量和效率。目前，AIGC主要聚焦在大模型訓(xùn)練、MaaS模型服務(wù)、AIGC推理三大應(yīng)用場(chǎng)景，其中大模型訓(xùn)練是各新興企業(yè)競(jìng)相爭(zhēng)逐的主要場(chǎng)景。

"沒(méi)有好網(wǎng)絡(luò)，別玩大模型。" 要建設(shè)大規(guī)模訓(xùn)練模型集群，除了需要GPU服務(wù)器、網(wǎng)卡等基礎(chǔ)組件，也需要解決網(wǎng)絡(luò)搭建的問(wèn)題。網(wǎng)絡(luò)對(duì)于大模型集群的算力釋放和可靠運(yùn)行至關(guān)重要，如何構(gòu)建符合大模型集群計(jì)算要求的網(wǎng)絡(luò)系統(tǒng)，是推進(jìn)AIGC發(fā)展的關(guān)鍵之一。

AIGC大模型訓(xùn)練 對(duì)網(wǎng)絡(luò)系統(tǒng)的"三超"要求

在大模型訓(xùn)練過(guò)程中，有三種流量模型，分別是張量并行、流水線并行、數(shù)據(jù)并行。人們熟知的ChatGPT3，采用128臺(tái)A100服務(wù)器，共計(jì)1024個(gè)A100卡訓(xùn)練，這樣單服務(wù)器節(jié)點(diǎn)需要4個(gè)100G網(wǎng)絡(luò)通道；而ChatGPT4、ChatGPT5等其它大模型，對(duì)于網(wǎng)絡(luò)的需求會(huì)更高。浪潮網(wǎng)絡(luò)認(rèn)為大模型訓(xùn)練對(duì)于網(wǎng)絡(luò)的要求可用"三超"網(wǎng)絡(luò)來(lái)概括，即：超大規(guī)模、超高帶寬、超強(qiáng)可靠，以保障網(wǎng)絡(luò)穩(wěn)定、可靠運(yùn)行，為大模型訓(xùn)練提供強(qiáng)有力的支持。

而要解決"三超"網(wǎng)絡(luò)的挑戰(zhàn)，就需要著重思考如何建設(shè)符合大規(guī)模訓(xùn)練的組網(wǎng)方案。從組網(wǎng)架構(gòu)上看，當(dāng)前AIGC組網(wǎng)一般多采用胖樹(shù)架構(gòu)，具有高帶寬、低延遲的特性，以及較好的可拓展性。而在組網(wǎng)協(xié)議上，當(dāng)前業(yè)界主流的是基于IB、及RoCE兩種無(wú)損網(wǎng)絡(luò)技術(shù)，兩種技術(shù)都可以很好的滿足大規(guī)模訓(xùn)練高帶寬、低延遲的要求。IB的延遲足夠低，而RoCE在開(kāi)放性、性價(jià)比、及易維護(hù)性幾方面更勝一籌。

浪潮網(wǎng)絡(luò)融合趨勢(shì)與驅(qū)動(dòng) 打造基于RoCE的智能無(wú)損網(wǎng)絡(luò)解決方案

浪潮網(wǎng)絡(luò)作為云邊協(xié)同智慧網(wǎng)絡(luò)引領(lǐng)者，密切關(guān)注市場(chǎng)發(fā)展及變化，推出了基于RoCE的智能無(wú)損網(wǎng)絡(luò)解決方案，助力AIGC"三超"網(wǎng)絡(luò)的打造，其具備如下優(yōu)勢(shì)：

一是多協(xié)議、多場(chǎng)景的融合。在大規(guī)模集群中，往往存在通用計(jì)算集群、AI/HPC集群、存儲(chǔ)等多種場(chǎng)景，傳統(tǒng)方案是部署以太網(wǎng)、IB、FC等多套網(wǎng)絡(luò)及多種協(xié)議，各協(xié)議之間互不兼容，大大增加了管理和維護(hù)的難度。而浪潮網(wǎng)絡(luò)基于RoCE的智能無(wú)損網(wǎng)絡(luò)解決方案，可以適配通用計(jì)算、AI/HPC、存儲(chǔ)等多種場(chǎng)景，并實(shí)現(xiàn)以太/IB/FC三網(wǎng)融合。這樣從維護(hù)多張網(wǎng)絡(luò)到維護(hù)一張網(wǎng)絡(luò)，大大降低了整體建設(shè)和維護(hù)成本。

二是智能彈性、動(dòng)態(tài)調(diào)整。在大規(guī)模集群訓(xùn)練中，要求整個(gè)集群可以快速部署與交付，在節(jié)約訓(xùn)練時(shí)間的同時(shí)，盡可能減少宕機(jī)等故障的發(fā)生。在浪潮網(wǎng)絡(luò)基于RoCE的智能無(wú)損網(wǎng)絡(luò)解決方案中，通過(guò)數(shù)字化網(wǎng)絡(luò)引擎IDE可以實(shí)現(xiàn)集群網(wǎng)絡(luò)的自動(dòng)化部署，加速業(yè)務(wù)上線。并實(shí)時(shí)監(jiān)控設(shè)備與鏈路的負(fù)載和健康狀態(tài)，如CRC錯(cuò)包，端口帶寬百分比、隊(duì)列緩存，CNP及Pause反壓幀等，完成故障的快速定位及智能分析，實(shí)現(xiàn)基于業(yè)務(wù)的網(wǎng)絡(luò)跟蹤。此外，還可以提供北向標(biāo)準(zhǔn)API接口，能夠與上層計(jì)算平臺(tái)進(jìn)行對(duì)接，實(shí)現(xiàn)算網(wǎng)聯(lián)動(dòng)，更好的釋放集群算力。

此前，浪潮網(wǎng)絡(luò)基于RoCE的智能無(wú)損網(wǎng)絡(luò)解決方案，已在教科研客戶項(xiàng)目中得以應(yīng)用，方案可充分滿足通用計(jì)算集群、GPU加速集群、異構(gòu)計(jì)算集群、分布式存儲(chǔ)集群、全閃存存儲(chǔ)集群等多場(chǎng)景，對(duì)于網(wǎng)絡(luò)的高帶寬、低延遲連接需求，幫助客戶構(gòu)建滿足AIGC發(fā)展的整體網(wǎng)絡(luò)架構(gòu)。

未來(lái)，浪潮網(wǎng)絡(luò)將持續(xù)優(yōu)化基于RoCE的智能無(wú)損網(wǎng)絡(luò)產(chǎn)品方案能力，同時(shí)深入研究基于UEC的網(wǎng)絡(luò)并創(chuàng)新引領(lǐng)支持UEC的產(chǎn)品，幫助客戶成功。

審核編輯：湯梓紅