北京2024年8月21日 /美通社/ -- 2024 DPU & AI Networking創(chuàng)新大會日前在北京圓滿落幕，大會表彰了在DPU與AI網(wǎng)絡(luò)技術(shù)創(chuàng)新及實踐應(yīng)用中取得卓越成就的單位與項目。會上，浪潮信息「X400超級AI以太網(wǎng)解決方案」憑借領(lǐng)先的端網(wǎng)協(xié)同技術(shù)，顯著提升了大模型訓(xùn)練效率，榮獲"2024 DPU & AI Networking Awards 創(chuàng)新引擎獎"。
隨著AIGC的發(fā)展，大模型的參數(shù)量越來越大，如何借助 AI 網(wǎng)絡(luò)將上千臺AI 服務(wù)器系統(tǒng)互聯(lián)，充分釋放算力資源的全部潛力，加速 AI 大模型訓(xùn)練，成為 AIGC 時代的新挑戰(zhàn)。此次獲得"2024 DPU & AI Networking Awards 創(chuàng)新引擎獎"的浪潮信息X400 AI Fabric專為AIGC場景打造，能夠為用戶構(gòu)建可彈性擴展至524,288個GPU的超大規(guī)模AI系統(tǒng)，憑借AR自適應(yīng)路由、端到端擁塞控制、亞毫秒級故障自愈等技術(shù)，性能提升至傳統(tǒng)RoCE網(wǎng)絡(luò)的1.6倍，實現(xiàn)了AI網(wǎng)絡(luò)的超高吞吐量、高可擴展性和超高可靠性，極大提升大模型訓(xùn)練性能，大幅縮短訓(xùn)練時長并降低訓(xùn)練成本。
■ 端網(wǎng)協(xié)同，網(wǎng)絡(luò)性能提升1.6倍：針對生成式AI場景下GPU之間會突發(fā)超高吞吐的通信特點，浪潮信息采用X400 + BF-3 SuperNICs的協(xié)同調(diào)度方式，通過自適應(yīng)路由、報文保序、可編程CC等技術(shù)，實現(xiàn)交換機和網(wǎng)卡更緊密的配合，為AI大模型提供零丟包、無阻塞的全鏈路交換網(wǎng)絡(luò)，機間互聯(lián)性能高達400G，有效帶寬從傳統(tǒng)的60%提升到95%，性能提升1.6倍。同時，AI大模型訓(xùn)練的網(wǎng)絡(luò)優(yōu)化離不開NCCL通信庫支持，X400 AI Fabric和InfiniBand一樣，天然地與NCCL無縫銜接，能夠為大模型提供頂尖的性能。
■ 靈活拓展、極致穩(wěn)定，全力加速大模型訓(xùn)練：X400 超級 AI 以太網(wǎng)交換機憑借超高的端口密度以及彈性可拓展的能力，提供高性能、靈活可拓展的網(wǎng)絡(luò)服務(wù)，支持大規(guī)模 AI服務(wù)器系統(tǒng)。其中，X400 AI Fabric在二層組網(wǎng)下，GPU服務(wù)器數(shù)量可達1024臺，支持8,192張GPU卡，并可靈活拓展到三層組網(wǎng)，GPU服務(wù)器規(guī)模可達65,536臺，最大支持GPU卡的數(shù)量可以達到524,288張。隨著AI算力系統(tǒng)的規(guī)模不斷攀升，對可靠性的要求越來越高，浪潮信息X400集成系統(tǒng)級的高可用技術(shù)，在硬件上獨創(chuàng)IGE智能防護單元，對核心部件器件進行冗余備份，對關(guān)鍵硬件信號進行全面的監(jiān)控和故障隔離，具有芯片級、系統(tǒng)級以及鏈路完整的監(jiān)控，實時掌握AI節(jié)點間通信狀態(tài)，實現(xiàn)對潛在的故障鏈路進行自動隔離，在上層應(yīng)用無感的情況下實現(xiàn)故障自愈，全方位保障AI網(wǎng)絡(luò)的極致穩(wěn)定，降低大模型訓(xùn)練成本和周期。
■ 敏捷易用，部署周期從數(shù)周縮短到天：傳統(tǒng)RoCE方案的網(wǎng)絡(luò)建設(shè)中，交換機涉及一系列的擁塞控制配置，不僅配置繁瑣，拉長部署周期，而且容易配置錯誤，導(dǎo)致訓(xùn)練性能下降。為此，X400超級AI以太網(wǎng)解決方案提供RTTCC擁塞控制算法，無需交換機的參與，避免在交換機上進行復(fù)雜的參數(shù)調(diào)優(yōu)，即插即用，部署周期從數(shù)周縮短到天，加速業(yè)務(wù)上線，徹底解決調(diào)參復(fù)雜、配置困難等問題。
目前，X400超級AI以太網(wǎng)解決方案已經(jīng)在互聯(lián)網(wǎng)等行業(yè)實現(xiàn)測試應(yīng)用。在大規(guī)模AI算力系統(tǒng)網(wǎng)絡(luò)調(diào)度過程中，相比傳統(tǒng)RoCE網(wǎng)絡(luò)方案，性能提升1.6倍，帶寬利用率超過95%，通信時延降低30%，并且在多租戶AI Cloud場景中，NCCL通信性能提升1.5倍，同時，該方案通過其卓越的成本效益，助力客戶大幅提高投資回報，實現(xiàn)成本與效益的完美平衡，為智算中心客戶帶來更快、更好、更省的網(wǎng)絡(luò)業(yè)務(wù)體驗。
