AI一天，人間一年。
現(xiàn)在不論是大模型本身，亦或是AI應(yīng)用的更新速度簡(jiǎn)直令人直呼跟不上——
Sora、Suno、Udio、Luma……重磅應(yīng)用一個(gè)接一個(gè)問世。
也正如來自InfoQ的調(diào)查數(shù)據(jù)顯示的那般，雖然AIGC目前還處于起步階段，但市場(chǎng)規(guī)模已初具雛形：
預(yù)計(jì)到2030年將達(dá)4500億人民幣。AIGC應(yīng)用正呈現(xiàn)多點(diǎn)開花之勢(shì)，逐步從通用場(chǎng)景向行業(yè)縱深滲透。
行業(yè)整體迅速發(fā)展固然是好事，但具體到每個(gè)的應(yīng)用或者大模型的落地來說，面臨的競(jìng)爭(zhēng)也越發(fā)激烈了。
例如前不久各個(gè)大模型廠商之間展開的非常激烈的“價(jià)格戰(zhàn)”，主打一個(gè)比誰更便宜，甚至直接把大模型價(jià)格推向“厘時(shí)代”。
加上近OpenAI的“斷供”事件，更是讓國內(nèi)廠商們?cè)诖虺?ldquo;輕松搬家”計(jì)劃的同時(shí)，再加碼Tokens送送送的力度。
究其原因，也是與當(dāng)下應(yīng)用為王，尤其是以盡量低的成本把業(yè)務(wù)快速落地的這一大趨勢(shì)緊密相關(guān)。
那么問題來了，大模型玩家們何以在又快又好又省之間做到平衡？
這就回到了那個(gè)避不開，同時(shí)又是成本里占絕對(duì)大頭的因素——算力。
現(xiàn)在提及大模型的訓(xùn)練和推理，很多人的第一反應(yīng)或許就是想到了GPU。
誠然GPU在高性能上占據(jù)著一定的優(yōu)勢(shì)，但它所存在“硬傷”也是比較明顯，那便是供應(yīng)不足、價(jià)格昂貴。
何以破局？國產(chǎn)大模型第一梯隊(duì)玩家百度智能云千帆大模型平臺(tái)，就給出了自己的一個(gè)更具“效價(jià)比”的解法：
除了少數(shù)大客戶對(duì)大型模型追求卓越的性能表現(xiàn)外，大多數(shù)企業(yè)和機(jī)構(gòu)在采用大型模型時(shí)，需要全面評(píng)估其使用效果、性能表現(xiàn)以及成本效益，也就是所謂的”性價(jià)比”。
具體到算力的部署上，百度智能云AI與大模型平臺(tái)總經(jīng)理忻舟認(rèn)為：
跑AI這件事，其實(shí)早期一直是CPU在發(fā)揮作用；GPU的火爆也是近幾年的事情。
很多場(chǎng)景之下，GPU雖然有高密度的計(jì)算能力，但實(shí)測(cè)表明，現(xiàn)在的高端CPU同樣也可以完全勝任。
而且整個(gè)AI業(yè)務(wù)流中不止是有大模型需要做計(jì)算，同樣涉及前期的數(shù)據(jù)清洗等環(huán)節(jié)，這些環(huán)節(jié)中CPU起到了非常重要的作用。
一言蔽之，在大模型時(shí)代，CPU甚至比以往更加重要了，而且是能讓大模型和應(yīng)用做到“快好省”落地的關(guān)鍵因素之一。
那么具體“上崗”效果又是如何，我們繼續(xù)往下看。
國產(chǎn)頭部大模型玩家，pick了CPU
國內(nèi)AIGC應(yīng)用爆發(fā)，這其中，百度智能云千帆大模型平臺(tái)功不可沒。
作為企業(yè)使用大模型的”一站式”服務(wù)平臺(tái)，千帆大模型平臺(tái)自去年3月發(fā)布以來已有超12萬客戶使用，累計(jì)調(diào)優(yōu)模型2萬個(gè)，孵化應(yīng)用4.2萬個(gè)。
這些應(yīng)用覆蓋教育、金融、辦公、醫(yī)療等眾多場(chǎng)景，為行業(yè)數(shù)字化轉(zhuǎn)型提供了有力支撐。
在教育領(lǐng)域，千帆大模型平臺(tái)賦能了試題生成、在線批改、題目解析等應(yīng)用，大大提升了教學(xué)和備考效率。
例如用戶可以提供參考材料，設(shè)定題型和難度，平臺(tái)就能自動(dòng)生成高質(zhì)量的試題。而交互式的題目解析，則可以針對(duì)每位學(xué)生的薄弱環(huán)節(jié)，提供個(gè)性化的學(xué)習(xí)指導(dǎo)。
在辦公場(chǎng)景，千帆大模型平臺(tái)與業(yè)內(nèi)頭部企業(yè)合作，共同打造了智能寫作助手等創(chuàng)新應(yīng)用，能夠根據(jù)用戶輸入的關(guān)鍵詞，快速生成招聘文案、營銷方案、數(shù)據(jù)報(bào)告等專業(yè)文檔。
還可以專注于各類寫作場(chǎng)景，可以智能生成論文大綱、項(xiàng)目匯報(bào)、品牌宣傳稿等，大大提升了行政和營銷人員的工作效率。
醫(yī)療健康是千帆大模型平臺(tái)的另一大應(yīng)用賽道。基于醫(yī)療知識(shí)庫訓(xùn)練的模型，可以自動(dòng)生成體檢報(bào)告解讀，用通俗易懂的語言向用戶解釋各項(xiàng)指標(biāo)，并給出個(gè)性化的健康指導(dǎo)。
這讓普通大眾也能更好地了解自己的身體狀況，實(shí)現(xiàn)”健康自主管理”。
可以看到，千帆大模型平臺(tái)在多個(gè)領(lǐng)域?qū)崿F(xiàn)了AI模型的”后一公里”落地。
那么千帆大模型平臺(tái)是怎么支撐如此多AI應(yīng)用的呢？
答案是：讓CPU成為客戶的選擇之一，讓“效價(jià)比”的紅利普惠千行百業(yè)。
之所以如此，百度智能云所給出的解釋是：
目前，行業(yè)還存在大量離線的LLM應(yīng)用需求，如生成文章總結(jié)、摘要、數(shù)據(jù)分析等，與在線場(chǎng)景相比，離線場(chǎng)景通常會(huì)利用平臺(tái)的閑時(shí)算力資源，對(duì)于推理的時(shí)延要求不高，而對(duì)于推理的成本較為敏感，因此用戶更加傾向采用低成本、易獲得的CPU來進(jìn)行推理。
百度智能云等云平臺(tái)中部署著大量基于CPU的云服務(wù)器，釋放這些CPU的AI算力潛力將有助于提升資源利用率，滿足用戶快速部署 LLM 模型的需求。
至于效果，以Llama-2-7B為例，在第四代英特爾至強(qiáng)可擴(kuò)展處理器上輸出 Token 吞吐可達(dá) 100 TPS 以上，相比第三代提升了60%。
△Llama-2-7b模型輸出Token吞吐
在低延遲的場(chǎng)景，同等并發(fā)下，第四代至強(qiáng)可擴(kuò)展處理器的首Token時(shí)延比第三代至強(qiáng)可降低50%以上。
在將處理器升級(jí)為第五代至強(qiáng)可擴(kuò)展處理器之后，較上代的吞吐可提升45%左右，首 Token 時(shí)延下降50%左右。
△Llama-2-7b模型首Token時(shí)延
并且千帆大模型平臺(tái)團(tuán)隊(duì)根據(jù)實(shí)踐經(jīng)驗(yàn)還表示：
針對(duì)30B以下規(guī)模的LLM模型，皆可采用英特爾至強(qiáng)?可擴(kuò)展處理器來獲得良好性能體驗(yàn)。
不僅如此，利用充足的CPU資源，降低對(duì)于AI加速卡的需求，從而降低 LLM 推理服務(wù)的總體擁有成本 (TCO)，特別是在離線的 LLM 推理場(chǎng)景中表現(xiàn)出色。
而且在千帆大模型平臺(tái)上，可不止是有自家的ERNIE，還有很多主流的大模型都集成于此。
這也在一定程度上從側(cè)面印證了第五代英特爾? 至強(qiáng)? 可擴(kuò)展處理器在性能上的過關(guān)。
英特爾第五代至強(qiáng)，如何讓性能和效率變得Pro Max？
百度智能云千帆大模型平臺(tái)，不止需要大模型推理一種工作負(fù)載，它其實(shí)是一個(gè)覆蓋大模型全生命周期的平臺(tái)。
具體來說，千帆大模型平臺(tái)提供數(shù)據(jù)標(biāo)注，模型訓(xùn)練與評(píng)估，推理服務(wù)與應(yīng)用集成的全面功能服務(wù)，以及快速應(yīng)用編排與插件集成，助力大模型多場(chǎng)景落地應(yīng)用。這樣一來，比起專為大模型推理部署專用加速器，充分利用平臺(tái)已廣泛部署的CPU資源，就是更劃算的選擇了。
對(duì)于千帆大模型平臺(tái)上存在的大量離線大模型應(yīng)用需求來說，如生成文章總結(jié)、摘要、評(píng)估多個(gè)模型的效果等，這類需求對(duì)推理的時(shí)延要求其實(shí)不高，但內(nèi)存容易成為瓶頸。
采用CPU來做，擴(kuò)展內(nèi)存更方便，還可以利用起平臺(tái)閑時(shí)的算力資源，進(jìn)一步提高資源利用率，起到降低總擁有成本的作用。
在這個(gè)大背景下，第五代英特爾至強(qiáng)可擴(kuò)展處理器中的性能密集型通用計(jì)算應(yīng)用負(fù)載（類似P Core性能核）的設(shè)計(jì)就尤為關(guān)鍵了。
與E Core（能效核）相比，P Core采用了追求性能大化的設(shè)計(jì)，能承載非常重的負(fù)載，同時(shí)還兼顧了AI推理加速。
采用此設(shè)計(jì)的第五代至強(qiáng)可擴(kuò)展處理器，在兼顧AI推理加速這一點(diǎn)上可不是說說而已，而是軟硬件協(xié)同優(yōu)化，各方面都考慮到位了。
硬件方面，英特爾AMX（高級(jí)矩陣擴(kuò)展）技術(shù)，正是為大模型推理重深度學(xué)習(xí)中大量的矩陣乘法運(yùn)算專門優(yōu)化的，可以理解成”CPU 里的 Tensor Core”。
有了英特爾AMX，處理器每個(gè)時(shí)鐘周期可完成高達(dá)2048個(gè)INT8運(yùn)算，比上一代AVX512_VNNI指令提升8倍之多。
更重要的是，英特爾AMX加速器是內(nèi)置在CPU核心里的，讓矩陣存儲(chǔ)和運(yùn)算更近，這一特性應(yīng)用在大模型推理上，能夠降低處理下一個(gè)Token的時(shí)延，讓終端用戶的體驗(yàn)更好。
△英特爾AMX 可以更高效的實(shí)現(xiàn) AI 加速
軟件方面，百度智能云千帆大模型平臺(tái)已經(jīng)引入了針對(duì)英特爾至強(qiáng)可擴(kuò)展平臺(tái)深度優(yōu)化的大模型推理軟件解決方案xFasterTransformer (xFT)，并將其作為后端推理引擎。主要優(yōu)化策略如下：
-充分利用 AMX/AVX512 等指令集，高效實(shí)現(xiàn)核心算子如Flash Attention等
-采用低精度量化，降低數(shù)據(jù)訪存量，發(fā)揮 INT8/BF16 運(yùn)算的優(yōu)勢(shì)
-支持超大規(guī)模模型的多機(jī)多卡并行推理
△英特爾至強(qiáng)可擴(kuò)展處理器 LLM 推理軟件解決方案
后還要補(bǔ)充的一點(diǎn)是，要知道選擇一種硬件平臺(tái)，不止關(guān)乎于設(shè)備本身的采購價(jià)格，還會(huì)影響到后續(xù)的維護(hù)成本，甚至人才儲(chǔ)備成本。
所以正如百度智能云所言，高性價(jià)比的算力基礎(chǔ)設(shè)施，與先進(jìn)的大模型算法和平臺(tái)軟件相輔相成，讓上層的開發(fā)者們能夠更加平滑地應(yīng)用，構(gòu)建他們的業(yè)務(wù)，才能大化云計(jì)算平臺(tái)的商業(yè)價(jià)值。
大模型時(shí)代，CPU大有可為
縱觀當(dāng)下，大模型正從實(shí)驗(yàn)室走向產(chǎn)業(yè)，從少數(shù)人的“玩具”變?yōu)榇蟊娍捎玫?ldquo;工具”。
這意味著，大模型服務(wù)不僅要有優(yōu)秀的性能表現(xiàn)，還要做到價(jià)格親民、部署便捷。一言以蔽之，“快好省”成了大模型商業(yè)化的關(guān)鍵一環(huán)。
而要實(shí)現(xiàn)“快好省”，算力基礎(chǔ)設(shè)施的選擇至關(guān)重要。
傳統(tǒng)觀點(diǎn)認(rèn)為，專用加速器才是AI的“標(biāo)配”。但在供應(yīng)緊張、成本高企的背景下，專用加速器的優(yōu)勢(shì)正在減弱。
相比之下，優(yōu)化良好的高端 CPU 不僅能提供足夠應(yīng)對(duì)大模型推理的算力，而且具有更廣泛的部署基礎(chǔ)和更成熟的軟件生態(tài)、以及更好的安全保障，開始受到越來越多業(yè)界玩家的青睞。
以英特爾至強(qiáng)系列為代表的x86架構(gòu)CPU，擁有成熟完善的軟件生態(tài)和廣泛的應(yīng)用基礎(chǔ)。數(shù)以百萬計(jì)的開發(fā)者可以利用現(xiàn)有工具和框架，快速構(gòu)建和優(yōu)化AI應(yīng)用，而無需額外學(xué)習(xí)專門的加速器軟件棧，大大降低了開發(fā)難度和遷移成本。
同時(shí)，企業(yè)級(jí)用戶還可以利用CPU內(nèi)置的多層次安全技術(shù)，實(shí)現(xiàn)從硬件到軟件的全棧保護(hù)，充分保障數(shù)據(jù)安全和隱私。這些優(yōu)勢(shì)，是當(dāng)前專用加速器難以比擬的。
由此可見，充分利用CPU進(jìn)行推理，讓AI從“燒錢游戲”變?yōu)?ldquo;普惠科技”，正是AIGC產(chǎn)業(yè)應(yīng)對(duì)算力門檻，推動(dòng)規(guī)模化應(yīng)用落地的關(guān)鍵一招。未來，隨著技術(shù)創(chuàng)新和生態(tài)完善，這一模式還將為更多企業(yè)創(chuàng)造價(jià)值，為產(chǎn)業(yè)發(fā)展注入新的動(dòng)力。
除了直接加速推理任務(wù)外，CPU在完整的端到端AI管線中還能高效完成數(shù)據(jù)預(yù)處理、特征工程等AI全流程中的關(guān)鍵步驟。而支持機(jī)器學(xué)習(xí)和圖分析的各類數(shù)據(jù)庫，也主要是構(gòu)建在CPU之上的。以至強(qiáng)可擴(kuò)展處理器為例，除了英特爾AMX之外，還有諸如英特爾數(shù)據(jù)保護(hù)與壓縮加速技術(shù)（英特爾QAT）、英特爾存內(nèi)分析加速器（英特爾? IAA）等一系列數(shù)據(jù)分析引擎內(nèi)置于處理器中，通過卸載特定任務(wù)使CPU得到更好的利用，從而提升工作負(fù)載整體性能，實(shí)現(xiàn)數(shù)據(jù)分析加速。
由此可見，構(gòu)建“快、準(zhǔn)、穩(wěn)”的 AI 應(yīng)用，既要靠專用加速器強(qiáng)大的算力，也離不開CPU超強(qiáng)的通用計(jì)算能力去釋放整個(gè)系統(tǒng)的潛力。
本文鏈接：http://www.guofajx.com/news-130690.html國產(chǎn)大模型第一梯隊(duì)玩家 為什么pick了CPU？
