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(shí)踐應(yīng)用中取得卓越成就的單位與項(xiàng)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?yàn)橛脩魳?gòu)建可彈性擴(kuò)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(shí)現(xiàn)了AI網(wǎng)絡(luò)的超高吞吐量、高可擴(kuò)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(diǎn),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(shí)現(xiàn)交換機(jī)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(jī)間互聯(lián)性能高達(dá)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?yàn)榇竽P吞峁╉敿獾男阅堋?/p>
■ 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(jī)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(dá)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)??蛇_(dá)65,536臺,最大支持GPU卡的數(shù)量可以達(dá)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(dú)創(chuàng)IGE智能防護(hù)單元,對核心部件器件進(jìn)行冗余備份,對關(guān)鍵硬件信號進(jìn)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(shí)時掌握AI節(jié)點(diǎn)間通信狀態(tài),實(shí)現(xiàn)對潛在的故障鏈路進(jìn)行自動隔離,在上層應(yīng)用無感的情況下實(shí)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(jī)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(jī)的參與,避免在交換機(jī)上進(jìn)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(shí)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(shí)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(yàn)。