Q應(yīng)對(duì) AI 發(fā)展帶來的計(jì)算挑戰(zhàn)，什么樣的處理器才是最佳選擇？

為長期運(yùn)行的計(jì)算密集型 AI 訓(xùn)練和大規(guī)模 AI 推理選擇合適的 CPU 或 GPU，本質(zhì)上是要為您的應(yīng)用選擇適宜的計(jì)算解決方案。相比傳統(tǒng) x86 處理器成本高、能耗大，最新的 Ampere 云原生處理器助力打造高能效、高性能的 AI 推理應(yīng)用，是其理想的替代方案，同時(shí)也是用于 AI 訓(xùn)練和大語言模型（LLM）推理 GPU 的高性價(jià)比之選。

從 20 世紀(jì) 50 年代的首個(gè)實(shí)例，到如今更為復(fù)雜的機(jī)器學(xué)習(xí)、深度學(xué)習(xí)，甚至是生成式 AI 技術(shù)，高性能計(jì)算的需求始終是驅(qū)動(dòng) AI 計(jì)算發(fā)展的引擎，但模型的研究和訓(xùn)練往往需要投入高昂的成本。

目前，AI 技術(shù)已進(jìn)入廣泛應(yīng)用的階段，也出現(xiàn)了為 AI 推理超額配置計(jì)算的情況，這導(dǎo)致了高昂的成本支出（無論是硬件的單位成本，還是硬件運(yùn)行的電力成本）。因此，為不同類型的 AI 工作負(fù)載采用 GPU-Only 虛擬機(jī)的做法，正在被能夠大幅降低 AI 計(jì)算能耗的其他方案所替代。

與傳統(tǒng)計(jì)算相比，運(yùn)行 AI 需要更高的能耗。Bloomberg 對(duì)此進(jìn)行了詳細(xì)介紹：ChatGPT3 的參數(shù)量達(dá)到 1,750 億，消耗了高達(dá) 1.287 千兆瓦時(shí)電量，相當(dāng)于120 戶美國家庭一年的耗電量。而類似 ChatGPT4 這樣的新模型（預(yù)計(jì)參數(shù)量達(dá)到 1.7 萬億），將比 ChatGPT3 消耗更高的電量。

由于 AI 帶來的能耗需求飆升，配置適度算力并減少所需的計(jì)算量是行業(yè)迫在眉睫的需求。云原生計(jì)算可助力降低運(yùn)行成本，為配置硬件層面的適度算力奠定基礎(chǔ)，滿足當(dāng)前和未來的計(jì)算需求，并降低能耗。

配置適度算力，滿足計(jì)算和效率需求

云原生處理器是 CPU 架構(gòu)的一項(xiàng)創(chuàng)新，是 AI 推理切實(shí)可靠的新選擇，可替代高成本、高能耗的傳統(tǒng) x86 處理器。為 AI 應(yīng)用程序配置適度算力，意味著您可以決定使用 CPU-Only，或是將云原生處理器的能效、可擴(kuò)展性和計(jì)算性能與 GPU 的并行計(jì)算能力相結(jié)合。

如您希望擁有價(jià)值及能效更高的 AI 解決方案，告別傳統(tǒng)方案導(dǎo)致的高成本和高能耗，可遵循以下 3 項(xiàng)簡單準(zhǔn)則：

保持靈活性，滿足未來的計(jì)算需求

僅部署可滿足應(yīng)用程序性能需求的計(jì)算量，并盡可能多地使用通用處理器，而非專用處理器。此舉有助于保持靈活性，以便滿足未來的計(jì)算需求。

將 CPU-Only 的 AI 推理

從傳統(tǒng) x86 處理器轉(zhuǎn)移至云原生處理器

相比傳統(tǒng)的 x86 處理器，您可以借助 Ampere 云原生處理器帶來的性能增益，在 CPU-Only 的情況下部署更廣泛的 AI 工作負(fù)載。

GPU 與高能效的云原生處理器相結(jié)合

將 GPU 與高能效的云原生處理器相結(jié)合，以處理任務(wù)更繁重的 AI 訓(xùn)練或 LLM 推理工作負(fù)載。

若您想了解關(guān)于 Ampere 云原生處理器能效的更多精彩內(nèi)容，請參閱指南：《云原生處理器助力數(shù)據(jù)中心效率勁升三倍》

僅部署您所需的計(jì)算量

在 AI 技術(shù)發(fā)展的研究和訓(xùn)練階段，GPU 是所有 AI 應(yīng)用（包括建模和推理）的首選處理器。雖然 GPU 推動(dòng)了 AI 的發(fā)展，但對(duì)于許多 AI 應(yīng)用而言，GPU 提供的算力已經(jīng)過剩，尤其是針對(duì)離線（batch）推理或批量推理而言。

離線推理（Batch Inference）應(yīng)用是算力要求較低的工作負(fù)載，不需要 GPU 的處理能力：為此而購買 GPU，猶如為了 5 公里的上班路程購置豪華跑車——這顯然是大材小用。當(dāng)把同樣昂貴的 GPU 硬件分別用于運(yùn)行大型和小型模型時(shí)，小模型可能僅用了 GPU 能力的一小部分。在這些情況下，CPU 可以代替 GPU，幫助您節(jié)省能耗、空間和成本。

在處理離線推理時(shí)，那些遵循默認(rèn)做法而采用 GPU 方案的客戶，至少錯(cuò)過了兩種更合適的優(yōu)化方案。

方案一

將 GPU 替換成適用于 AI 推理的高性能云原生處理器。

適用于 AI 推理的高性能云原生處理器。

方案二

將 GPU 與云原生處理器進(jìn)行結(jié)合，以實(shí)現(xiàn)更高效的 LLM 推理和訓(xùn)練工作。

這正是我們所定義的"適度算力"。

以下模型呈現(xiàn)了如何為 AI 應(yīng)用程序配置適度算力，同時(shí)也對(duì)比了性能、計(jì)算需求與所需功耗。根據(jù)模型，CPU-Only 解決方案是純 AI 推理計(jì)算的優(yōu)選項(xiàng)，而需要更高性能的應(yīng)用程序，可以在 CPU 和 GPU 的組合上運(yùn)行。

當(dāng)然，CPU 的選擇也決定著您將付出的能耗以及獲得的每瓦性能。而云原生處理器的性能優(yōu)勢和 Ampere 優(yōu)化的 AI 軟件，讓 CPU 成為運(yùn)行 AI 推理工作負(fù)載的理想之選。

將 AI 推理全部遷移至云原生處理器

歡迎加入云原生社區(qū)，這里匯聚了眾多開發(fā)和設(shè)計(jì)人員。他們發(fā)現(xiàn)僅使用 Ampere 云原生處理器，也能夠?qū)崿F(xiàn)高效的 AI 推理。Ampere 優(yōu)化的 AI 框架支持所有在最流行 AI 框架中開發(fā)的模型，包括 PyTorch、TensorFlow 和 ONNX Runtime，這種豐富的集成提供了無縫的體驗(yàn)，且無需修改 API 或進(jìn)行額外的模型編碼。

Ampere 優(yōu)化的 AI 框架

相比傳統(tǒng)的 x86 處理器，Ampere Altra 系列云原生處理器在 AI 推理方面擁有顯著的性能優(yōu)勢，包括：

針對(duì)計(jì)算機(jī)視覺工作負(fù)載，性能最高可提升 4 倍*。

針對(duì)常見的NLP 工作負(fù)載，每瓦性能最高可提升 3 倍*。

Ampere AI 優(yōu)化軟件可提供更高效的 AI 推理。基于 Ampere 處理器的 AI 和 ML 推理工作負(fù)載，可通過 Ampere AI 解決方案的軟件框架進(jìn)行優(yōu)化。通過使用 Ampere AI 解決方案，基于 CPU 的推理工作負(fù)載能夠獲得在成本、性能、可擴(kuò)展性和能效等方面的優(yōu)勢，同時(shí)用戶能夠使用常見的標(biāo)準(zhǔn) AI 框架進(jìn)行編程。這套框架易于使用，無需轉(zhuǎn)換代碼，并且免費(fèi)。

借助 fp16 數(shù)據(jù)格式的獨(dú)特支持，Ampere Altra 系列處理器可實(shí)現(xiàn)最佳的推理性能——與 fp32 數(shù)據(jù)格式相比，fp16 數(shù)據(jù)格式可提供高達(dá) 2 倍的額外*加速，并且精度損失微乎其微。

將 GPU 與高能效 CPU 結(jié)合，

開展 AI 訓(xùn)練和推理

在需要使用 GPU 的 AI 應(yīng)用中，繁重的 AI 工作負(fù)載由 GPU 處理，而 CPU 則需要充當(dāng)系統(tǒng)主機(jī)。在這樣的應(yīng)用中，因?yàn)?GPU 決定了系統(tǒng)性能，所以無論使用哪種 CPU，它們的性能始終相同。

CPU 之間的區(qū)別在于其整體效率。與傳統(tǒng) x86 CPU 相比，云原生處理器將為您帶來高能效，幫助顯著降低系統(tǒng)的總體能耗*，并提供同等的性能。

采用云原生處理器，每臺(tái)服務(wù)器可以節(jié)省數(shù)百瓦電力，這足以讓您在每個(gè)機(jī)架上再增加一臺(tái)服務(wù)器。雖然看似收益頗微，但實(shí)際上通過每機(jī)架增加一臺(tái)服務(wù)器，整個(gè)數(shù)據(jù)中心的計(jì)算密度將大幅提升。此外，在服務(wù)器層面節(jié)省能耗還可以減少對(duì)冷卻系統(tǒng)的依賴，從而節(jié)省更多成本，并進(jìn)一步降低能耗。

云原生處理器與 GPU 相結(jié)合，有助于實(shí)現(xiàn)目標(biāo)性能，并降低能耗和總體成本。

未來的 AI：強(qiáng)大、高效、開放

隨著 AI 加速涌入我們的生活和工作，我們需要克服的最關(guān)鍵障礙，是如何降低 AI 大規(guī)模應(yīng)用的成本，而適度算力以及模型優(yōu)化能夠帶來規(guī)模效率。

為計(jì)算配置適度算力，不僅需要確保硬件解決方案能滿足當(dāng)前的計(jì)算需求，還需要能夠支持應(yīng)用程序擴(kuò)展，并經(jīng)得起未來的算力需求考驗(yàn)。Ampere 云原生處理器為您提供廣泛的選擇，既能滿足您當(dāng)前的需求，同時(shí)具備靈活性，可輕松滿足您未來的需求。無論您是選擇 CPU-Only 的方案，還是 GPU 與 CPU 相結(jié)合的解決方案，云原生架構(gòu)都擁有性能和效率優(yōu)勢，契合您當(dāng)前和未來的計(jì)算需求。

為云計(jì)算而生，Ampere 云原生處理器為行業(yè)提供可預(yù)測的卓越性能、平臺(tái)可擴(kuò)展性和空前的能效。

歡迎您與我們的專業(yè)銷售團(tuán)隊(duì)洽談合作，獲取更多信息，或通過我們的開發(fā)者體驗(yàn)計(jì)劃試用 Ampere System。

審核編輯：湯梓紅