隨著各大公司爭(zhēng)相加入人工智能的潮流，芯片和人才供不應(yīng)求。初創(chuàng)公司SambaNova（https://sambanova.ai/）聲稱，其新處理器可以幫助公司在幾天內(nèi)建立并運(yùn)行自己的大型語言模型（LLM，https://spectrum.ieee.org/large-language-models-math）。

這家總部位于帕洛阿爾托的公司已經(jīng)籌集了超過10億美元的風(fēng)險(xiǎn)投資，不會(huì)直接向公司出售芯片。相反，它出售其定制技術(shù)堆棧的訪問權(quán)限，該堆棧具有專門為運(yùn)行最大的人工智能模型而設(shè)計(jì)的專有硬件和軟件。

在該公司推出新的SN40L處理器后，該技術(shù)堆棧現(xiàn)在得到了重大升級(jí)。每個(gè)器件采用臺(tái)灣芯片巨頭臺(tái)灣半導(dǎo)體制造有限公司的5納米工藝制造，具有1020億個(gè)晶體管，分布在1040個(gè)核上，速度高達(dá)638萬億次。它還有一個(gè)新穎的三層內(nèi)存系統(tǒng)，旨在應(yīng)對(duì)與人工智能工作負(fù)載相關(guān)的巨大數(shù)據(jù)流。

SambaNova聲稱，一個(gè)僅由八個(gè)芯片組成的節(jié)點(diǎn)能夠支持多達(dá)5萬億個(gè)參數(shù)的模型，這幾乎是OpenAI GPT-4 LLM報(bào)告（https://the-decoder.com/gpt-4-architecture-datasets-costs-and-more-leaked/）大小的三倍。序列長(zhǎng)度（衡量模型可以處理的輸入長(zhǎng)度）高達(dá)256000個(gè)令牌。首席執(zhí)行官Rodrigo Liang表示，使用行業(yè)標(biāo)準(zhǔn)GPU也需要數(shù)百個(gè)芯片，這意味著總擁有成本不到行業(yè)標(biāo)準(zhǔn)方法的1/25。

Liang說：“如果你能在八個(gè)芯片插座上運(yùn)行一萬億個(gè)參數(shù)，那么它實(shí)際上并不是一個(gè)大模型。我們正在瓦解成本結(jié)構(gòu)，并真正重構(gòu)人們對(duì)此的看法，而不是將萬億參數(shù)模型視為無法訪問的東西。”

新芯片使用了與該公司以前的處理器相同的數(shù)據(jù)流架構(gòu)。SambaNova的基本論點(diǎn)是，現(xiàn)有的芯片設(shè)計(jì)過于關(guān)注簡(jiǎn)化指令流，但對(duì)于大多數(shù)機(jī)器學(xué)習(xí)應(yīng)用程序來說，數(shù)據(jù)的高效移動(dòng)是一個(gè)更大的瓶頸。

為了解決這一問題，該公司的芯片采用了一個(gè)由高速交換結(jié)構(gòu)連接的存儲(chǔ)器和計(jì)算單元組成的平鋪陣列，這使得根據(jù)手頭的問題動(dòng)態(tài)重新配置單元的連接方式成為可能。這與該公司的SambaFlow軟件協(xié)同工作，該軟件可以分析機(jī)器學(xué)習(xí)模型，并找出連接單元的最佳方式，以確保無縫數(shù)據(jù)流和最大限度地使用硬件。

除了從7納米工藝轉(zhuǎn)變?yōu)?納米工藝外，該公司最新芯片與其前身SN30的主要區(qū)別在于增加了第三層存儲(chǔ)層。早期的芯片具有640兆字節(jié)的片上SRAM和1兆字節(jié)的外部DRAM，但SN40L將具有520兆字節(jié)的芯片上存儲(chǔ)器、1.5兆字節(jié)的內(nèi)部存儲(chǔ)器和額外的64兆字節(jié)的高帶寬存儲(chǔ)器（HBM）。

內(nèi)存越來越成為人工智能芯片的一個(gè)關(guān)鍵區(qū)別，因?yàn)樯傻娜斯ぶ悄苣Ｐ筒粩嗯蛎洠@意味著移動(dòng)數(shù)據(jù)對(duì)性能的拖累往往大于原始計(jì)算能力。這促使公司提高芯片上的內(nèi)存量和速度。SambaNova并不是第一個(gè)求助于HBM來對(duì)抗這種所謂的內(nèi)存墻的公司，其新芯片的內(nèi)存比競(jìng)爭(zhēng)對(duì)手少——英偉達(dá)業(yè)界領(lǐng)先的H100 GPU的內(nèi)存為80GB，而AMD即將推出的MI300X GPU的內(nèi)存將為192GB。SambaNova不愿透露其內(nèi)存的帶寬數(shù)據(jù)，因此很難判斷它與其他芯片的對(duì)比情況。

Liang說，雖然SambaNova更依賴于較慢的外部?jī)?nèi)存，但它的技術(shù)是一種軟件編譯器，可以智能地在三個(gè)內(nèi)存層之間分配負(fù)載。該公司芯片之間的專有互連還允許編譯器將八個(gè)處理器的設(shè)置視為單個(gè)系統(tǒng)。Liang表示：“訓(xùn)練中的表現(xiàn)將會(huì)非常棒。”

SambaNova對(duì)如何處理人工智能芯片的另一個(gè)熱門話題——稀疏性也持謹(jǐn)慎態(tài)度。LLM中的許多權(quán)重都設(shè)置為零，因此對(duì)它們執(zhí)行操作是浪費(fèi)計(jì)算。找到利用這種稀疏性的方法可以提供顯著的加速。SambaNova在其宣傳材料中聲稱，SN40L“提供密集和稀疏計(jì)算”。Liang說，這在一定程度上是通過調(diào)度和如何將數(shù)據(jù)帶到芯片上在軟件層實(shí)現(xiàn)的，但他也拒絕討論硬件組件。“稀疏問題是一個(gè)戰(zhàn)場(chǎng)，”他說，“所以我們還沒有準(zhǔn)備好透露我們是如何做到的。”

幫助人工智能芯片更快、更便宜地運(yùn)行大型模型的另一個(gè)常見技巧是降低參數(shù)的表示精度。SN40L使用谷歌工程師發(fā)明的bfloat16數(shù)字格式，也支持8位精度，但Liang表示，低精度計(jì)算不是他們的重點(diǎn)，因?yàn)樗麄兊募軜?gòu)已經(jīng)允許他們?cè)诟〉恼嫉孛娣e上運(yùn)行模型。

Liang表示，該公司的技術(shù)堆棧明確專注于運(yùn)行最大的人工智能模型——他們的目標(biāo)受眾是世界上2000家最大的公司。銷售宣傳是，這些公司坐擁大量數(shù)據(jù)，但他們不知道其中大部分都在說什么。SambaNova表示，它可以提供構(gòu)建人工智能模型所需的所有硬件和軟件，解鎖這些數(shù)據(jù)，而無需公司為芯片或人工智能人才而戰(zhàn)。Liang說：“你可以在幾天內(nèi)啟動(dòng)并運(yùn)行，而不是幾個(gè)月或幾個(gè)季度。現(xiàn)在每家公司都可以擁有自己的GPT模型。”

Gartner分析師Chirag Dekate表示，SN40L可能比競(jìng)爭(zhēng)對(duì)手硬件具有顯著優(yōu)勢(shì)的一個(gè)領(lǐng)域是多模式人工智能。他表示，生成型人工智能的未來是可以處理各種不同類型數(shù)據(jù)的大型模型，如圖像、視頻和文本，但這會(huì)導(dǎo)致高度可變的工作負(fù)載。Dekate說，GPU中相當(dāng)嚴(yán)格的體系結(jié)構(gòu)不太適合這種工作，但這正是SambaNova對(duì)可重構(gòu)性的關(guān)注所在。“你可以調(diào)整硬件以滿足工作負(fù)載的要求，”他說。

然而，Dekate說，像SambaNova制造的定制人工智能芯片確實(shí)在性能和靈活性之間進(jìn)行了權(quán)衡。盡管GPU可能沒有那么強(qiáng)大，但它們幾乎可以開箱即用地運(yùn)行任何神經(jīng)網(wǎng)絡(luò)，并得到強(qiáng)大的軟件生態(tài)系統(tǒng)的支持。Dekate指出，SambaNova一直在建立一個(gè)客戶可以利用的預(yù)烘焙模型目錄，但英偉達(dá)在人工智能開發(fā)各個(gè)方面的主導(dǎo)地位是一個(gè)重大挑戰(zhàn)。

Dekate說：“這種架構(gòu)實(shí)際上優(yōu)于傳統(tǒng)的GPU架構(gòu)。但除非你把這些技術(shù)掌握在客戶手中，實(shí)現(xiàn)大規(guī)模消費(fèi)化，否則我認(rèn)為你很可能會(huì)陷入困境。”

咨詢公司SemiAnalysis的首席分析師Dylan Patel表示，由于英偉達(dá)也在通過其DGX云產(chǎn)品進(jìn)軍全棧人工智能即服務(wù)市場(chǎng)，這將更加具有挑戰(zhàn)性。“芯片是向前邁出的重要一步，”他說。

審核編輯：彭菁