8月30日，國內(nèi)運營商最大單集群智算中心——中國移動智算中心（哈爾濱）建設完成并正式投產(chǎn)使用。該智算中心單集群擁有超過1.8萬卡的豐富資源，可提供6.9EFlops（每秒690億億次浮點運算）智能算力，融合分級存儲達150P，具有單集群算力規(guī)模最大、國產(chǎn)化網(wǎng)絡設備組網(wǎng)規(guī)模最大等特點。
所謂單集群智算中心，就是把所有AI加速卡打造成1個集群，用以支持千萬億級參數(shù)的大模型進行訓練。集群智算中心通過先進的智算網(wǎng)絡技術把上萬塊GPU芯片像“積木”一樣拼接在一起，大幅提升GPU節(jié)點間的通信效率，可以將數(shù)據(jù)訓練完成時間縮短20％，是應對大模型海量數(shù)據(jù)訓練、加快大模型應用落地的利器。擁有1.8萬張AI加速卡的中國移動智算中心（哈爾濱）可以支持萬億參數(shù)的大模型訓練。
中國移動智算中心（哈爾濱）是業(yè)內(nèi)首個大規(guī)模應用融合存儲的集群，也是首個落地中國移動原創(chuàng)智算網(wǎng)絡全調(diào)度以太網(wǎng)（GSE1.0）的萬卡集群。正是在GSE1.0的支持下，中國移動智算中心（哈爾濱）才大幅提高了GPU節(jié)點間的通信效率，減少了數(shù)據(jù)訓練任務的時間和成本。
點評：AI大模型的研發(fā)需要基于大量GPU的集群算力來支撐，通常參數(shù)規(guī)模越大、訓練數(shù)據(jù)越多，對智算集群的要求就越高。不過隨著集群中調(diào)用的GPU卡數(shù)量越來越多，計算任務的調(diào)度、中間數(shù)據(jù)和結(jié)果的傳遞與保存等，也會變得越來越復雜。中國移動在智算萬卡集群研發(fā)中，采用了多項創(chuàng)新技術確保大模型運行的低時延、高帶寬數(shù)據(jù)處理和存儲能力，還有系列自動化、數(shù)智化技術確保算力集群的高效、穩(wěn)定運行，無疑是中國ICT科技創(chuàng)新能力、產(chǎn)業(yè)化實力的集中體現(xiàn)。
