郑纬民院士：综合考虑，构建基于国产AI卡的万卡大模型训练平台

　　4月28日消息(九九)今天上午，以“算力网络点亮AI新时代”为主题的中国移动算力网络大会在苏州开幕。在大会主论坛上，中国工程院院士郑纬民指出，人工智能对算力产生爆发式需求，模型研发、模型训练、模型精调、模型推理都需要算力，算力存在于大模型生命周期的每一环。

　　郑纬民进一步指出，构建基于国产AI卡的万卡大模型训练平台需要考虑到几个问题：

　　一是半精度运算性能与双精度运算性能的平衡

　　设计中不仅要考虑半精度运算性能，还要考虑双精度运算能力，双精度与半精度运算性能之比为1：50-100为宜。根据科学计算(AI For Science)和大模型训练的发展趋势，提出了变精度平衡设计的思想，为适应科学计算和更广泛的AI算法和应用提供了保障。

　　二是网络平衡设计

　　网络设计不能针对CNN算法，还需考虑极大规模预训练模型对系统的需求。大规模预训练模型需要高带宽低延迟网络。并支持数据并行，模型并行和专家平行模式。

　　三是体系结构感知的内存平衡设计

　　一方面访问内存的请求使网络拥塞，降低吞吐量，反映到应用程序上表现为访存性能显著下降;另一方面，多个访问内存的请求可能访问同一存控对应的内存空间，负载不均，存控需要顺序处理访存请求。

　　四是IO子系统平衡设计

　　需要支持检查点，增加SSD。另外，系统的本地nvme ssd仅通过本地文件系统访问，限制了其应用范围，需要将每台服务器上的快速本地nvme整合成应用可见的全局分布式文件系统。