gpt-4怎么用 英特尔Gaudi2加速卡GPT-4详细参数

​   在2023 人工智能大会上，据统计，有 24 款大模型新品在大会上发布或升级，发布主体不仅包括互联网龙头企业，也包括移动联通等运营商、创业公司及各大高校。 与国内大模型产品相比，chatGPT 效果依然最优。根据 InfoQ 数据显示，chatGPT 在大模型产品测评中分数最高，综合得分率为 77.13%，国内大模型产品文心一言正迅速追赶，在国内大语言模型中位列第一。

介绍GPT-4 详细参数及英特尔发布 Gaudi2 加速器相关内容，对大模型及 GPU 生态进行探讨和展望。英特尔发布高性价比Gaudi2加速卡GPT4详细参数分析。 与国内大模型产品相比，chatGPT 效果依然最优。根据 InfoQ 数据显示，chatGPT 在大模型产品测评中分数最高，综合得分率为 77.13%，国内大模型产品文心一言正迅速追赶，在国内大语言模型中位列第一。

在这一背景下，市场普遍认为 GPT-4 的模型架构、基础设施、参数设计等具有一定程度的领先。由于官方并未公布 GPT-4 的详细参数，业内人士对 GPT-4 的详细参数进行了推断. 参数量：GPT-4 的大小是 GPT-3 的 10 倍以上，包含 1.8 万亿个参数； 混合专家模型：OpenAI 使用混合专家（MoE）模型，依此保持相应的成本。混合专家模型使用了 16 个专家模型，每个模型大约有 111B 个参数，每次计算将其中两个专家模型通过前向传递的方式将结果进行反馈； 数据集：GPT-4 的训练数据集将多个 epoch 中的 token 计算在内包含约 13万亿个 token； 推理：相较于纯密集模型每次前向传递需要大约 1.8 万亿个参数和约 3700TFLOP 的计算量，GPT-4 每次前向传递（生成 1 个 token）仅利用约 2800 亿个参数和约 560 TFLOP 的计算量； 并行策略：为了在所有 A100 GPU 上进行并行计算，GPT-4 采用了 8 路张量并行，因为这是 NVLink 的极限。

除此之外，GPT-4 采用了 15 路流水线并行； 训练成本：OpenAI 在 GPT-4 的训练中使用了大约 2.15e25 的 FLOPS，使用了约 25,000 个 A100 GPU，训练了 90 到 100 天，利用率（MFU）约为32% 至 36%。假定云端的每个 A100 GPU 的成本大约为每小时 1 美元，那么单次训练的成本将达到约 6300 万美元，如果使用约 8192 个 H100 GPU进行预训练，用时约为 55 天左右，成本为 2150 万美元，每个 H100 GPU的计费标准为每小时 2 美元；

推理成本：GPT-4 的推理成本是 1750 亿参数模型的 3 倍，这主要是因为GPT-4 的集群规模更大，并且利用率很低。根据测算，在用 128 个 A100GPU 进行推理的情况下，8k 版本 GPT-4 推理的成本为每 1,000 个 token0.0049 美分。如果使用 128 个 H100 GPU 进行推理，同样的 8k 版本 GPT-4推理成本为每 1,000 个 token 0.0021 美分； 推理架构：推理运行在由 128 个 GPU 组成的集群上。在不同地点的多个数据中心存在多个这样的集群。

推理过程采用 8 路张量并行（tensor parallelism）和16 路流水线并行（pipeline parallelism）。 视觉多模态：独立于文本编码器的视觉编码器，二者之间存在交叉注意力。该架构类似于 Flamingo。这在 GPT-4 的 1.8 万亿个参数之上增加了更多参数，经过了纯文本的预训练之后，又新增了约 2 万亿个 token 的微调。 由于大模型训练成本较高，性价比问题凸显。7 月 11 日，Intel 面向国内提出了新的解决方案，推出了第二代 Gaudi 深度学习加速器 Habana Gaudi2。Gaudi2深度学习以第一代 Gaudi 高性能架构为基础，多方位性能与能效比提升，加速高性能大语言模型运行。该加速器具备以下性能：

24 个可编程 Tensor 处理器核心（TPCs）；

21 个 100Gbps（RoCEv2）以太网接口；

96GB HBM2E 内存容量；

2.4TB/秒的总内存带宽；

48MB 片上 SRAM；

集成多媒体处理引擎。

Habana Gaudi2 深度学习加速器和第四代英特尔至强可扩展处理器在 MLPerfTraining 3.0 基准测试上表现优异。

在大语言模型 GPT-3 的评测上，Gaudi2 也展示了其较优的性能。它是仅有的两个提交了 GPT-3 LLM 训练性能结果的解决方案之一（另一个是英伟达H100）。在 GPT-3 的训练上，英特尔使用 384 块 Gaudi 2 加速器使用 311 分钟训练完成，在 GPT-3 模型上从 256 个加速器到 384 个加速器实现了近线性 95%的扩展。

目前，已有部分厂商推出了基于英特尔 AI 加速卡的产品。在发布活动中，英特尔宣布 Gaudi2 首先将通过浪潮信息向国内客户提供，打造并发售基于 Gaudi2深度学习加速器的浪潮信息 AI 服务器 NF5698G7。其服务器集成了 8 块 Gaudi2加速卡 HL-225B，还包含两颗第四代英特尔至强可扩展处理器。 编辑：黄飞