“基于第五代英特爾至強(qiáng)可擴(kuò)展處理器的寧暢B5000 G5多節(jié)點(diǎn)服務(wù)器，可以在滿足大量AI推理場(chǎng)景在吞吐量、時(shí)延、容量、并發(fā)能力等方面的需求，而且與專用的GPU服務(wù)器相比，在靈活性方面更具優(yōu)勢(shì)。我們希望能夠與英特爾進(jìn)行更加深度的合作，持續(xù)優(yōu)化該方案的AI推理性能，助力用戶加速擁抱大模型?！?/p>

“大模型已經(jīng)成為行業(yè)用戶進(jìn)行業(yè)務(wù)變革的重要驅(qū)動(dòng)力，這帶來(lái)了規(guī)模巨大且仍在快速提升的算力需求。英特爾提供了面向大模型應(yīng)用的全棧方案，第五代英特爾 至強(qiáng) 可擴(kuò)展處理器則憑借較高的性能與靈活性，非常適合運(yùn)行特定域?qū)Ｓ媚Ｐ突蜷L(zhǎng)尾模型。通過(guò)與寧暢合作，我們希望能夠滿足更多用戶對(duì)于大模型推理的性能需求，加速業(yè)務(wù)轉(zhuǎn)型?！?/p>

挑 戰(zhàn)

大語(yǔ)言模型等AI模型的快速發(fā)展凸顯了模型推理的算力瓶頸，給服務(wù)器帶來(lái)了多方面的挑戰(zhàn)：

在性能層面，模型的規(guī)模不斷增長(zhǎng)，對(duì)于算力的需求不斷提升。除了硬件層面的提升之外，通過(guò)將模型數(shù)據(jù)格式轉(zhuǎn)化為較低精度的數(shù)據(jù)、調(diào)用矢量神經(jīng)網(wǎng)絡(luò)指令(VNNI)等方式，也有助于提升模型的性能表現(xiàn)。

在靈活性層面，專用的AI推理服務(wù)器具有較高的性能表現(xiàn)，但是在應(yīng)用場(chǎng)景方面有著較為嚴(yán)格的限制，無(wú)法高效、靈活地應(yīng)對(duì)多種工作負(fù)載的運(yùn)行需求。對(duì)于模型推理需求變化頻繁、規(guī)模相對(duì)較小的用戶而言，需要更加靈活的推理服務(wù)器，以在不同的工作負(fù)載間進(jìn)行靈活切換。

在成本方面，服務(wù)器的算力密度越高，就越有利于節(jié)約數(shù)據(jù)中心空間以及數(shù)據(jù)中心能耗、設(shè)備等方面的成本。同時(shí)，通過(guò)優(yōu)化AI推理性能表現(xiàn)，能夠進(jìn)一步節(jié)約成本。

解決方案概述

大語(yǔ)言模型(LLM)作為人工智能(AI)應(yīng)用的一個(gè)重要分支，可以處理多種自然語(yǔ)言任務(wù)，如文本分類、問(wèn)答、對(duì)話等，在互聯(lián)網(wǎng)、金融、醫(yī)療、教育等行業(yè)有著廣泛的應(yīng)用，并被普遍認(rèn)為是實(shí)現(xiàn)通用人工智能的重要方式。近年來(lái)，大語(yǔ)言模型實(shí)現(xiàn)了“井噴”式的發(fā)展，在展現(xiàn)人工智能的革命性價(jià)值的同時(shí)，也帶來(lái)了算力層面的巨大挑戰(zhàn)。統(tǒng)計(jì)數(shù)據(jù)顯示，從2017年到2022年，模型的規(guī)模增長(zhǎng)了15,000倍，典型的大模型參數(shù)規(guī)模已經(jīng)達(dá)到了千億甚至萬(wàn)億級(jí)別。當(dāng)大模型落地到實(shí)際場(chǎng)景之后，模型推理帶來(lái)了龐大的算力消耗，用戶需要應(yīng)對(duì)大模型推理所帶來(lái)的算力、總體擁有成本(TCO)、靈活性等挑戰(zhàn)。

寧暢B5000 G5多節(jié)點(diǎn)服務(wù)器作為高密度的服務(wù)器，能夠?yàn)榇笳Z(yǔ)言模型等AI應(yīng)用提供強(qiáng)大的算力支撐。寧暢B5000 G5多節(jié)點(diǎn)服務(wù)器實(shí)現(xiàn)了對(duì)于第五代英特爾 至強(qiáng) 可擴(kuò)展處理器的支持，能夠借助第五代英特爾 至強(qiáng) 可擴(kuò)展處理器的強(qiáng)大算力，以及處理器內(nèi)置的英特爾 高級(jí)矩陣擴(kuò)展（英特爾 AMX），實(shí)現(xiàn)大模型推理等AI應(yīng)用的加速，在靈活性方面較專用的AI服務(wù)器更具優(yōu)勢(shì)。此外，寧暢B5000 G5多節(jié)點(diǎn)服務(wù)器還能夠借助RDMA (Remote Direct Memory Access) 技術(shù)以及英特爾 以太網(wǎng)控制器E810，提供高速的跨節(jié)點(diǎn)通信。

寧暢B5000 G5多節(jié)點(diǎn)服務(wù)器

寧暢B5000 G5多節(jié)點(diǎn)服務(wù)器是一款基于英特爾 至強(qiáng) 可擴(kuò)展處理器自主開(kāi)發(fā)的高密度產(chǎn)品，在4U的空間可最大支持到8個(gè)雙路節(jié)點(diǎn)，單節(jié)點(diǎn)已全面支持最新的第五代英特爾 至強(qiáng) 可擴(kuò)展處理器。整個(gè)服務(wù)器的8個(gè)雙路節(jié)點(diǎn)間互相獨(dú)立，互不干擾。B5000 G5多節(jié)點(diǎn)服務(wù)器可支持更多的計(jì)算核心，兼?zhèn)渥吭降挠?jì)算性能和靈活的IO擴(kuò)展能力。B5000 G5可實(shí)現(xiàn)數(shù)據(jù)中心的高密部署、提供強(qiáng)大計(jì)算性能，也可以滿足用戶業(yè)務(wù)多樣性與靈活性的需求。

該服務(wù)器具備如下優(yōu)勢(shì)：

全新升級(jí)極致性能：支持第五代英特爾 至強(qiáng) 可擴(kuò)展處理器，計(jì)算性能強(qiáng)勁，總線帶寬高達(dá)16GT/s；支持DDR5 5600MHz內(nèi)存頻率，內(nèi)存帶寬相比較上一代提升50%；全面支持PCIe 5.0，傳輸速率提升100%。

多節(jié)點(diǎn)計(jì)算靈活配置：4U8節(jié)點(diǎn)高密度架構(gòu)，支持8個(gè)雙路計(jì)算節(jié)點(diǎn)；機(jī)箱模塊化設(shè)計(jì)，配置交換和管理集管理模塊；整機(jī)最大支持4個(gè)NDR/HDR Multi Host模塊或8個(gè)HDR 200G直通模塊；單節(jié)點(diǎn)支持2個(gè)2.5寸硬盤(pán)，兼容U.2 NVMe SSD。

多重監(jiān)控綠色節(jié)能：機(jī)箱搭配多級(jí)管理，包含統(tǒng)一的CMM管理和整機(jī)業(yè)務(wù)交換管理，整機(jī)管理支持前后維護(hù)模式，同時(shí)可完成整機(jī)所有節(jié)點(diǎn)IP的管理，實(shí)時(shí)監(jiān)控整機(jī)狀態(tài)，提供關(guān)鍵部件健康狀態(tài)的監(jiān)控和上報(bào)功能，全面保障健康運(yùn)行；機(jī)箱采用模塊化設(shè)計(jì)，貫徹綠色節(jié)能的設(shè)計(jì)理念，整機(jī)采用集中供電和散熱，搭載高效的智能調(diào)速策略，根據(jù)環(huán)境和整機(jī)工作負(fù)載實(shí)時(shí)調(diào)速，達(dá)到靜音運(yùn)行的效果。

采用第五代英特爾至強(qiáng)可擴(kuò)展處理器為AI推理提供強(qiáng)大算力支持

寧暢B5000 G5多節(jié)點(diǎn)服務(wù)器支持第五代英特爾 至強(qiáng) 可擴(kuò)展處理器，進(jìn)一步提升了算力密度，并提升了能效，能夠?yàn)橛?jì)算、存儲(chǔ)、網(wǎng)絡(luò)等多種類型的應(yīng)用構(gòu)建強(qiáng)大的性能基礎(chǔ)。

第五代英特爾 至強(qiáng) 可擴(kuò)展處理器為拓展HPC與AI應(yīng)用提供了強(qiáng)大的性能基礎(chǔ)。新一代處理器擁有更可靠的性能，更出色的能效。它在運(yùn)行各種工作負(fù)載時(shí)均可實(shí)現(xiàn)顯著的每瓦性能增益，在AI、數(shù)據(jù)中心、網(wǎng)絡(luò)和科學(xué)計(jì)算的性能和總體擁有成本(TCO)方面亦有更出色的表現(xiàn)。相較上一代產(chǎn)品，第五代英特爾 至強(qiáng)可擴(kuò)展處理器可在相同功耗范圍內(nèi)提供更高的算力和更快的內(nèi)存。此外，它與一代產(chǎn)品的軟件和平臺(tái)兼容，因此部署新系統(tǒng)時(shí)可大大減少測(cè)試和驗(yàn)證工作。

圖2. 第五代英特爾 至強(qiáng) 可擴(kuò)展處理器具備更強(qiáng)大性能

除了利用第五代英特爾 至強(qiáng) 可擴(kuò)展處理器帶來(lái)的基礎(chǔ)性能的提升之外，寧暢B5000 G5多節(jié)點(diǎn)服務(wù)器還重點(diǎn)利用了處理器提供的AI加速能力。

該處理器內(nèi)置了創(chuàng)新的英特爾 AMX加速引擎。英特爾 AMX針對(duì)廣泛的硬件和軟件優(yōu)化，它進(jìn)一步增強(qiáng)了前代技術(shù) — 矢量神經(jīng)網(wǎng)絡(luò)指令(VNNI)和BF16，從一維向量發(fā)展為二維矩陣，以便最大限度地利用計(jì)算資源，提高高速緩存利用率，以及避免潛在的帶寬瓶頸，顯著增加了人工智能應(yīng)用程序的每時(shí)鐘指令數(shù)(IPC)，可為AI工作負(fù)載中的訓(xùn)練和推理提供性能提升，可對(duì)參數(shù)量多達(dá)200億的模型進(jìn)行推理和調(diào)優(yōu)10。

為了進(jìn)一步增強(qiáng)AI推理性能表現(xiàn)，寧暢B5000 G5多節(jié)點(diǎn)服務(wù)器還能夠英特爾 以太網(wǎng)控制器E810中的RDMA (Remote Direct Memory Access) 功能，降低網(wǎng)路數(shù)據(jù)傳輸過(guò)程中的時(shí)延，提供高速的跨節(jié)點(diǎn)通信，化解大規(guī)模AI推理任務(wù)在集群通信中的網(wǎng)絡(luò)瓶頸。

寧暢測(cè)試了基于第五代英特爾 至強(qiáng) 可擴(kuò)展處理器的B5000 G5多節(jié)點(diǎn)服務(wù)器在多種AI推理工作負(fù)載中的性能表現(xiàn)。

大語(yǔ)言模型 (LLM)：高密度、多并發(fā)、支持高達(dá)70B

LLaMa2是Meta發(fā)布的免費(fèi)可商用版本的大模型，LLaMa2模型系列包含70億、130億和700億三種參數(shù)變體。LLaMa2相比第一代在預(yù)訓(xùn)練語(yǔ)料庫(kù)大小上增加了40%，LLaMa2接受了2萬(wàn)億個(gè)Token的訓(xùn)練，精調(diào)Chat模型在100萬(wàn)人類標(biāo)記數(shù)據(jù)上訓(xùn)練，上下文長(zhǎng)度是第一代的兩倍，并采用了分組查詢注意力機(jī)制等優(yōu)化結(jié)構(gòu)。

第四代/第五代英特爾 至強(qiáng) 可擴(kuò)展處理器的代際時(shí)延數(shù)據(jù)對(duì)比如圖3所示，在LLaMa2-7B和LLaMa2-13B模式中，時(shí)延均有13%的下降11。

此外，第五代英特爾 至強(qiáng) 可擴(kuò)展平臺(tái)可支持多通道大容量的內(nèi)存，使用64G內(nèi)存時(shí)，單節(jié)點(diǎn)(Node)至少可以擴(kuò)展到1024GB內(nèi)存，這樣可支持LLM模型的并發(fā)。其中，70B-4Node可同時(shí)支持28個(gè)LLM模型并發(fā)，13B-1Node可同時(shí)支持40個(gè)LLM模型并發(fā)，7B-1Node可同時(shí)支持72個(gè)LLM模型并發(fā)。 在第二次token時(shí)，時(shí)延可低至63.5毫秒。除了在模型并發(fā)上有卓越表現(xiàn)外，模型之間的切換也在10毫秒之內(nèi)，幾乎無(wú)感，模型駐留數(shù)最高可達(dá)到576個(gè)12。

圖3. LLaMa2-7B和LLaMa2-13B時(shí)延比較

Resnet 50

ResNet50是一種非常流行的卷積神經(jīng)網(wǎng)絡(luò)模型，ResNet50的主要特點(diǎn)是引入了“殘差塊”(Residual + Block)。在傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)中，每一層都是在前一層的基礎(chǔ)上添加新的變換，而在ResNet中，每一層都是在前一層的基礎(chǔ)上添加新的變換，同時(shí)還保留了前一層的原始輸入，這種設(shè)計(jì)使得網(wǎng)絡(luò)可以更好地學(xué)習(xí)輸入和輸出之間的差異，而不是直接學(xué)習(xí)輸出，這有助于提高模型的性能。

寧暢的測(cè)試數(shù)據(jù)如圖4所示，相較第四代英特爾 至強(qiáng) 可擴(kuò)展處理器，基于第五代英特爾 至強(qiáng) 可擴(kuò)展處理器的寧暢B5000 G5多節(jié)點(diǎn)服務(wù)器，將ResNet50推理性能提升了10%13。

圖4. ResNet50性能比較（越高越好）

文本生成圖像

(Stable Diffusion)

Stable Diffusion是一種基于潛在擴(kuò)散模型(Latent Diffusion Models) 的文本到圖像生成模型，能夠根據(jù)任意文本輸入生成高質(zhì)量圖像，同時(shí)還保留了圖像的語(yǔ)義結(jié)構(gòu)。Stable-Diffusion一般需要數(shù)秒完成圖片生成，生成的圖像具有較高的逼真度和細(xì)節(jié)表現(xiàn)力。寧暢的測(cè)試數(shù)據(jù)如圖5所示，相較第四代英特爾 至強(qiáng) 可擴(kuò)展處理器，基于第五代英特爾 至強(qiáng) 可擴(kuò)展處理器的寧暢B5000 G5多節(jié)點(diǎn)服務(wù)器，將Stable Diffusion推理性能提升了9%14。

圖5. Stable Diffusion性能比較

上述測(cè)試主要基于單節(jié)點(diǎn)配置環(huán)境完成，用戶還可通過(guò)部署更多節(jié)點(diǎn)，來(lái)獲得更高的性能表現(xiàn)。

收 益

基于第五代英特爾 至強(qiáng) 可擴(kuò)展處理器的寧暢B5000 G5多節(jié)點(diǎn)服務(wù)器為用戶的AI推理任務(wù)帶來(lái)了如下收益：

在保證特定精度的前提下，模型推理的吞吐量、時(shí)延等性能指標(biāo)方面能夠比肩常規(guī)GPU，滿足大語(yǔ)言模型等AI模型的推理需求。

可以在4U8節(jié)點(diǎn)上同時(shí)執(zhí)行多個(gè)AI推理任務(wù)，在特定的服務(wù)質(zhì)量(SLA)要求下，實(shí)現(xiàn)較高的并發(fā)量，有助于提升資源的利用率，降低AI推理的總體擁有成本(TCO)。

無(wú)需增加專門(mén)的硬件便可以支持高效的AI推理，有助于提升服務(wù)器的靈活性，敏捷地滿足多種應(yīng)用工作負(fù)載的支撐需求。

展 望

大模型應(yīng)用已經(jīng)進(jìn)入到爆發(fā)期，《中國(guó)人工智能大模型地圖研究報(bào)告》顯示，2023 年，全球發(fā)布的大模型數(shù)量已經(jīng)超過(guò)200個(gè)，其中中國(guó)發(fā)布的大模型已經(jīng)達(dá)到了79個(gè)15。面對(duì)百億、千億乃至萬(wàn)億規(guī)模的大模型數(shù)據(jù)處理、訓(xùn)練、調(diào)優(yōu)及推理需求，用戶迫切希望構(gòu)建符合自身業(yè)務(wù)特點(diǎn)和需求的AI算力平臺(tái)，進(jìn)行計(jì)算資源的合理配置?；诘谖宕⑻貭?至強(qiáng) 可擴(kuò)展處理器的寧暢B5000 G5多節(jié)點(diǎn)服務(wù)器憑借在性能、靈活性等方面的優(yōu)勢(shì)，有望成為用戶推動(dòng)大模型推理的重要基礎(chǔ)設(shè)施。

除了模型推理之外，基于第五代英特爾 至強(qiáng) 可擴(kuò)展處理器的寧暢B5000 G5多節(jié)點(diǎn)服務(wù)器還在更多場(chǎng)景中，提供了卓越的性能、擴(kuò)展性與敏捷性。雙方將在技術(shù)探索、產(chǎn)品升級(jí)、應(yīng)用推廣等多個(gè)層面深度協(xié)作，建設(shè)從云到邊緣的基礎(chǔ)設(shè)施，推動(dòng)數(shù)字資源平等，打破數(shù)字鴻溝，以澎湃的算力賦能數(shù)字經(jīng)濟(jì)的高速發(fā)展。

審核編輯：劉清