粗看上去，世界上的超大規(guī)模用戶和云構(gòu)建商制造的東西通常看上去和感覺上去都像超級計算機，但如果你仔細(xì)觀察，就常會看到一些相當(dāng)大的差異。差異之一是，他們的機器并不是為了實現(xiàn)最高性能而不惜一切代價去設(shè)計，而是在性能和成本之間實現(xiàn)了最佳平衡。

簡而言之，這就是為什么社交網(wǎng)絡(luò)巨頭Facebook（世界上最大的人工智能用戶之一）大量訂購英偉達(dá)的HGX-1和HGX-2系統(tǒng)用于機器學(xué)習(xí)訓(xùn)練，然后就到此為止了。（HGX-1和HGX-2系統(tǒng)是GPU加速器制造商英偉達(dá)的DGX系列的超大規(guī)模用戶版本。）

這并不是巧合，為什么微軟、谷歌、亞馬遜網(wǎng)絡(luò)服務(wù)、阿里巴巴、騰訊、百度，以及中國第四大巨頭（中國移動或京東）同樣設(shè)計自己的服務(wù)器，或是使用Facebook在2011年創(chuàng)建的開放計算項目（OCP）中的設(shè)計，或是在OCP啟動六個月后由阿里巴巴、百度和騰訊發(fā)起了天蝎計劃項目。在某些情況下，他們甚至設(shè)計自己的ASIC或在FPGA上運行專門用于機器學(xué)習(xí)的算法。

公平地說，F(xiàn)acebook確實在2017年6月安裝了英偉達(dá)DGX-1 CPU-GPU混合系統(tǒng)的半定制實現(xiàn)，該系統(tǒng)有124個節(jié)點，峰值雙精度性能為4.9 petaflops，在HPC常用的Linpack并行Fortran基準(zhǔn)測試中的評價為3.31petaflops。但這是個例外，不是常規(guī)。

但是，F(xiàn)acebook喜歡設(shè)計自己的硬件，然后將其開源，試圖圍繞這些設(shè)計構(gòu)建一個生態(tài)系統(tǒng)，以降低工程和制造成本，并降低供應(yīng)鏈風(fēng)險，因為越來越多的公司進(jìn)入了開放計算領(lǐng)域。這與微軟幾年前加入OCP并將一系列完全不同的開源基礎(chǔ)設(shè)施設(shè)計（從服務(wù)器到存儲到交換）拋入OCP生態(tài)系統(tǒng)的原因相同。這增加了創(chuàng)新，但也導(dǎo)致了供應(yīng)鏈分叉。

在本周于圣何塞舉行的OCP全球峰會上，F(xiàn)acebook展示了針對機器學(xué)習(xí)訓(xùn)練和基礎(chǔ)設(shè)施的未來系統(tǒng)設(shè)計，讓世界有機會看到針對現(xiàn)代數(shù)據(jù)中心的這兩個日益重要的工作負(fù)載的成本優(yōu)化設(shè)備的至少一個潛在的未來。這些設(shè)計非常有趣，表明Facebook熱衷于創(chuàng)建能夠容納盡可能多的供應(yīng)商的不同類型計算的系統(tǒng)，再次降低成本和供應(yīng)鏈風(fēng)險。

不是基本訓(xùn)練

第一臺新機器代號為“Zion”，它的目標(biāo)是Facebook上的機器學(xué)習(xí)訓(xùn)練工作負(fù)載。Zion系統(tǒng)由兩個不同的子系統(tǒng)組成，就像英偉達(dá)的DGX-1和微軟的HGX-1，也包括DGX-2和HGX-2，以及ODM和OEM廠商為客戶制造的各種等價產(chǎn)品。 Zion系統(tǒng)是兩年前Facebook在OCP峰會上與微軟的HGX-1一起發(fā)布的“Big Basin”ceepie-geepie系統(tǒng)的繼承者，這兩個系統(tǒng)的設(shè)計都為OCP做出了貢獻(xiàn)。Big Basin機器的主機支持多達(dá)8個英偉達(dá)的“Pascal”GP100或“Volta”GV100 GPU加速器，以及兩個英特爾Xeon CPU。巧妙之處在于CPU計算和GPU計算是分開的，分別位于不同的主板和不同的機箱中，因此它們可以單獨升級。具體取決于品牌和型號。

Big Basin是對其前身“Big Sur”的徹底改進(jìn)，后者是一款密度較低的設(shè)計，基于單個主板，配備兩個Xeon CPU和多達(dá)8個PCI-Express Nvidia Tesla加速器（M40或K80是最受歡迎的）。Big Sur于2015年12月曝光。Facebook在談到設(shè)計時表示，開發(fā)工作已經(jīng)基本完成，還沒有投入生產(chǎn)，這意味著Zion機器還沒有投入生產(chǎn)，但很快就會問世。（我們在2018年1月討論了Facebook不斷演變的AI工作負(fù)載，以及運行這些工作負(fù)載的機器。）Zion機器的變化顯示了Facebook在混合CPU-GPU機器上的想法的變遷，這些想法是我們許多人都想不到的。

Zion機器的兩個子系統(tǒng)被稱為“Emerald Pools”和“Angels Landing”，分別指的是GPU和CPU子系統(tǒng)。盡管facebook多年來一直表示，其服務(wù)器設(shè)計的目的是允許選擇處理器或加速器，但在這個例子中，facebook和微軟合作提出了一種獨特的封裝和主板插接方法，稱為OCP加速器模塊（簡稱OAM），該方法允許使用具有不同插座和熱量的加速器，可以選擇250瓦至350瓦不等的風(fēng)冷，未來則可以選擇高達(dá)700瓦的水冷，但就硬件形式而言，所有這些都一致部署在這些加速系統(tǒng)中。

超大規(guī)模用戶谷歌、阿里巴巴和騰訊將與Facebook和微軟一起推廣OAM封裝，芯片制造商AMD、英特爾、Xilinx、Habana、高通和Graphcore也是如此。系統(tǒng)制造商IBM、聯(lián)想、浪潮、廣達(dá)電腦、企鵝計算、華為技術(shù)、WiWynn、Molex和BittWare也都支持OAM。毫無疑問，其它公司也將效仿它們的芯片和系統(tǒng)——惠普和戴爾顯然是缺席的OEM，而富士康和Inventec則是缺席的主要ODM。

通過OAM，加速器被插入一個便攜式插座，它的管腳在一側(cè)，然后是一組標(biāo)準(zhǔn)的并行管腳，它在概念上類似于英偉達(dá)的SXM2插座，用于Pascal和Volta GPU上的NVLink，從模塊上取下并插入主板上匹配的端口中。下圖說明了它的原理：

任何插入Emerald Pools機箱的特定加速器都會有散熱器，散熱器具有不同數(shù)量的鰭片和不同的材料，可用于冷卻其下方的設(shè)備，但高度一致，因此無論哪種加速器插入插槽，散熱器都能以一致的方式保持整個機箱中的氣流不變。雖然Facebook沒有這么說，但沒有理由不能將多個不兼容的加速器插入Emerald Pools機箱，并使用該機箱中實現(xiàn)的PCI-Express交換結(jié)構(gòu)相互連接并與主機CPU連接。下圖是OAM的外觀：

它看起來很像小型汽車電池，不是嗎？

每個OAM的尺寸為102毫米×165毫米，足夠容納我們認(rèn)為未來將會越來越大的多芯片模塊。對于耗電量高達(dá)350瓦的設(shè)備，OAM可支持12伏特的輸入；對于需要驅(qū)動高達(dá)700瓦的設(shè)備，OAM可支持48伏特的輸入；風(fēng)冷的散熱能力預(yù)計將在450瓦左右。當(dāng)前的OAM規(guī)范允許在加速器和主機之間提供一個或兩個PCI-Express 3.0 x16插槽，而且很顯然，更快的PCI-Express 4.0和5.0插槽已在規(guī)劃圖中。這樣就剩下6到7個PCI-Express鏈路用于交叉耦合加速器。順便說一句，這些鏈路可以分成兩部分，以提供更多的互連鏈路，并可以增加或減少任意給定鏈路的通道數(shù)量。

下圖是Emerald Pools機箱，里面插了8個加速器中的7個。

Emerald Pools底座后面有四個PCI-Express交換機，位于圖片的右側(cè)，每個交換機都插入對應(yīng)的Angels Landing CPU機箱（即Zion系統(tǒng)的另一半）上的配套PCI-Express交換機。該系統(tǒng)的CPU部分沒有在Facebook展位上展出，但Facebook技術(shù)項目經(jīng)理、設(shè)計其AI系統(tǒng)的工程師之一Sam Naghshineh在一次演講中展示了這臺機器：

你可以看到，4個PCI-Express 3.0管線從加速器底座和CPU底座上出來，將它們連接在一起。關(guān)于Angels Landing有趣的一點不是它總共有4個服務(wù)器底座，每個都有一對Xeon SP處理器，這是超大規(guī)模數(shù)據(jù)中心的常規(guī)設(shè)計。巧妙之處在于，由于在系統(tǒng)的CPU端進(jìn)行機器學(xué)習(xí)訓(xùn)練期間，對數(shù)據(jù)密集處理的需求不斷增加，于是它使用處理器上的UltraPath Interconnect（UPI）鏈接將這4個雙插槽機器捆綁在一起，以創(chuàng)建一個8插槽共享內(nèi)存節(jié)點。按照Naghshineh的說法，從技術(shù)上講，這稱為扭曲超立方體拓?fù)洌?/p>

這個大CPU節(jié)點設(shè)計為擁有2 TB的DRAM主內(nèi)存，而無需使用大內(nèi)存條或Optan3D XPoint主內(nèi)存，而且重要的是，該節(jié)點可在系統(tǒng)的CPU端提供足夠的內(nèi)存帶寬，從而無需使用HBM內(nèi)存。（這并不是說英特爾或AMD CPU還擁有HBM內(nèi)存，但某些場合它們確實擁有HBM內(nèi)存，尤其是對于HPC和AI工作負(fù)載而言。）這8個插槽的DRAM內(nèi)存帶寬和容量一樣重要。

如你所見，Angels Landing CPU機箱中的每個CPU都有自己的網(wǎng)絡(luò)接口卡以及PCI-Express 3.0 x16插槽，用于將CPU連接到PCI-Express交換機結(jié)構(gòu)，該交換機結(jié)構(gòu)將加速器計算復(fù)合體連接在一起，并連接到CPU。這些加速器鏈接在上圖中幾乎完全連接的混合立方體網(wǎng)格中，但還可以支持其他拓?fù)洌缦滤荆?/p>

左圖中，每個加速器有6個端口，8個加速器連接在一個混合立方體網(wǎng)格中。右圖中，仍然有8個設(shè)備，但是每個設(shè)備都有一個額外的端口（總共7個），這些設(shè)備可以按照all-to-all的互連方式進(jìn)行鏈接。顯然還有其他選擇，重點是不同的神經(jīng)網(wǎng)絡(luò)在不同的互連拓?fù)浣Y(jié)構(gòu)中效果更好，這將允許Facebook和其他公司改變互連的拓?fù)浣Y(jié)構(gòu)，以滿足神經(jīng)網(wǎng)絡(luò)的需求。

推理的未來

Facebook毫不掩飾地表示，它希望擁有比目前市場上更高效的推理機，這是Facebook去年在一篇論文中討論的一個話題。在本周的OCP全球峰會上，F(xiàn)acebook公司高層概述了機器學(xué)習(xí)推理硬件的未來。

Facebook技術(shù)和戰(zhàn)略主管Vijay Rao提醒大家，早在1980年，英特爾就為8086系列處理器設(shè)計了8087數(shù)學(xué)協(xié)處理器，這些處理器如今是客戶端的核心芯片和服務(wù)器上的Xeon芯片的前身。這些機器可以在2.4瓦的熱度范圍內(nèi)實現(xiàn)50 kiloflops（32位單精度），達(dá)到相當(dāng)驚人的每瓦20.8 kiloflops。Facebook的目標(biāo)是使用像INT8這樣的低精度數(shù)學(xué)運算，來達(dá)到接近每瓦5 teraflops，如果你看看英偉達(dá)的GV100，它可以達(dá)到每瓦特0.4 teraflops。

Rao在他的主題演講中解釋說：“我們一直在與許多合作伙伴密切合作，設(shè)計用于推理的ASIC。與傳統(tǒng)CPU相比，在加速器中運行推理的吞吐量增加是值得的。在我們的情況下，應(yīng)該是每瓦特10倍左右。”

Rao大致談到了將M.2推理引擎組合到微服務(wù)器卡上，然后將它們插入到2015年創(chuàng)建的“Yosemite”服務(wù)器機箱中，F(xiàn)acebook設(shè)計該機箱是為了完成基本的基礎(chǔ)設(shè)施工作。但當(dāng)天晚些時候，Naghshineh實際展示了它的實現(xiàn)方法。以下是M.2推理引擎的“Kings Canyon”系列：

Facebook正試圖鼓勵推理芯片制造商支持兩種不同的形式。一個是單個的寬M.2單元，最大支持12瓦，并帶有一個PCI-Express x4接口，另一個具有兩倍大的內(nèi)存、20瓦的熱度范圍，一對PCI-Express x4端口，可以單獨使用或捆綁使用。這些M.2推理卡中的多個被插入“Glacier Point”載卡中，該載卡插入真正的PCI-Express x16插槽，最多可以有4個載卡被插入Yosemite機箱，如下所示：

群集推理引擎的框圖如下所示：

這樣做的唯一原因與使用低核心計數(shù)、高頻率、單插槽的微型服務(wù)器來運行電子設(shè)計自動化（EDA）工作負(fù)載相同，英特爾就是這樣做的，盡管它想要向世界銷售雙插槽服務(wù)器。推理工作負(fù)載類似于Web服務(wù)和EDA驗證：你可以將整個較小規(guī)模的工作分派到大量松散耦合（幾乎沒有耦合，完全不是真正耦合）計算單元中的一個，然后一次執(zhí)行大量的這些任務(wù)，并同時完成大量工作。對一位數(shù)據(jù)的推斷決不依賴于對無數(shù)其他工作的推斷。機器學(xué)習(xí)訓(xùn)練則不同，它更像傳統(tǒng)的HPC仿真和建模，在不同的程度和頻率下，對一個計算元素進(jìn)行的任何處理都依賴于其他計算元素的結(jié)果。

因此，我們所看到的用于機器學(xué)習(xí)訓(xùn)練和推理的截然不同的硬件設(shè)計都來自Facebook。我們可以肯定的是，F(xiàn)acebook希望能夠采用它認(rèn)為適合框架的任何類型的CPU和加速器進(jìn)行訓(xùn)練，以及任何價格低廉的芯片推理引擎，在任意給定的時間內(nèi)，它的性能都比CPU好10倍。今天在Facebook運行在X86服務(wù)器上的推理業(yè)務(wù)是英特爾的失敗。或許也未必，沒準(zhǔn)Facebook會決定在今年晚些時候推出M.2 Nervana NNP推理引擎。我們將會看到推理是如何流過Kings Canyon的。