在未來，AI計算系統(tǒng)將要面臨計算平臺優(yōu)化設計、復雜異構環(huán)境下計算效率、計算框架的高度并行與擴展、AI應用計算性能等挑戰(zhàn)，提高整個AI計算系統(tǒng)的性能與效率迫在眉睫。為應對上述挑戰(zhàn)，浪潮AI首席架構師張清在AI WORLD 2018世界人工智能峰會上分享了《AI計算系統(tǒng)設計與優(yōu)化：從實驗到生產(chǎn)》。

在深度學習激發(fā)的人工智能熱潮下，許多創(chuàng)新力很強的企業(yè)的人工智能技術正逐步從研究實驗走向應用與生產(chǎn)，在這一過程中，AI計算系統(tǒng)設計與優(yōu)化的重要性愈發(fā)明顯。

同時算法的發(fā)展對整個計算需求所造成的挑戰(zhàn)會變得更大，提高整個AI計算系統(tǒng)的性能與效率迫在眉睫。

在機遇與挑戰(zhàn)的雙重推動下，有創(chuàng)新力的AI企業(yè)會研發(fā)出怎樣的產(chǎn)品去面對變革？9月20日，AI WORLD 2018世界人工智能峰會重磅發(fā)布AI領域年度大獎——AI Era創(chuàng)新大獎，評選出2018年度對AI領域作出重大貢獻，切實推動AI進步和發(fā)展的人物、企業(yè)和產(chǎn)品。本次峰會上，浪潮AI服務器成功登榜「AI產(chǎn)品影響力TOP10」。

浪潮是知名的AI計算力廠商，致力于從計算平臺、管理套件、框架優(yōu)化、應用加速四個層次打造敏捷、高效、優(yōu)化的AI基礎設施。浪潮AI服務器采用創(chuàng)新設計，為AI研發(fā)與應用提供領先計算力，多款產(chǎn)品為業(yè)界首創(chuàng)，如全球首款在2U空間內高速互聯(lián)集成8顆最高性能GPU加速器的服務器AGX-2、單機可實現(xiàn)支持16個GPU的超大擴展性節(jié)點的SR-AI整機柜服務器等。9月12日，浪潮又發(fā)布了一款AI超級服務器AGX-5，性能高達每秒2千萬億次，是目前全球最強大的AI計算主機之一。AGX-5也是浪潮在計算量劇增的挑戰(zhàn)之下，追求更高研發(fā)效力的新成果。

在未來，AI計算系統(tǒng)將要面臨計算平臺優(yōu)化設計、復雜異構環(huán)境下計算效率、計算框架的高度并行與擴展、AI應用計算性能等挑戰(zhàn)。浪潮AI首席架構師張清在AI WORLD 2018世界人工智能峰會引用去年Jeff Dean報告里的一句話：“事實證明，我們真正需要的是超過現(xiàn)在100萬倍的計算能力，而不僅僅是幾十倍的增長。”

從計算需求來看，AI計算系統(tǒng)的設計與優(yōu)化之路似乎任重道遠。因此，為應對上述挑戰(zhàn)，張清在本次峰會上從AI計算平臺與算法的Co-design、AI計算平臺管理、AI計算框架的高擴展性設計、AI實際應用性能優(yōu)化這四個方面來分析了AI計算系統(tǒng)設計與優(yōu)化方法。

下面就是浪潮AI首席架構師張清在AI WORLD 2018世界人工智能峰會上的演講《AI計算系統(tǒng)設計與優(yōu)化：從實驗到生產(chǎn)》的主要內容。

張清：大家好！在深度學習激發(fā)的人工智能熱潮下，很多AI創(chuàng)新力很強的企業(yè)的人工智能技術正逐步從研究實驗走向應用與生產(chǎn)。在AI研究從實驗到生產(chǎn)過程中，AI計算系統(tǒng)的設計和優(yōu)化也是非常關鍵。今天我主要想從工程和系統(tǒng)角度談談我的想法。

浪潮主要圍繞計算方面做了很多創(chuàng)新與研究，解決了不同行業(yè)、不同場景計算的平臺和架構，其中包括產(chǎn)品和方案工作。在人工智能方面，浪潮也做了較多的創(chuàng)新。

截止到2018年，浪潮AI處于高速增長態(tài)勢，AI增速達到600%，比全球150%增長速度幅度快很多，在中國市場，浪潮AI計算份額已達到57%。

在AI計算領域，浪潮不僅是提供基礎的計算平臺，除了像GPU、CPU服務器的供應之外，浪潮還會圍繞AI全棧方案，給到用戶關于系統(tǒng)管理的平臺，例如AI Station，這包括性能分析工具Teye，以及高性能高擴展AI計算框架，針對垂直行業(yè)，浪潮也提供相關的AI應用方案。

人工智能仍是最熱技術之一，AI計算領域愈發(fā)重要

在本次峰會上，很多專家探討人工智能是否進入了寒冬時期這一問題？我個人的觀點是：AI現(xiàn)在尚處于起步發(fā)展階段，它仍是最熱的一個技術。

從Gartner 2018年數(shù)據(jù)看到，全球人工智能市場商業(yè)價值一直處于高速增長趨勢，到2018年，所催生的商業(yè)價值會達到1.3萬億美元，而未來將會達到接近5萬億美元。從技術成熟度曲線可以看到，未來2-5年會有大量AI技術實現(xiàn)從創(chuàng)新期到成長期的過渡，現(xiàn)在仍有很多AI技術處于爬坡發(fā)展階段。

在推動AI發(fā)展過程中，有三大要素起著主導作用，除算法、數(shù)據(jù)外，計算方面也越來越重要。根據(jù)浪潮與IDC研究聯(lián)合發(fā)布的《2018中國AI計算力發(fā)展報告》摘要版數(shù)據(jù)顯示，2021年計算方面的投資將占到整個AI投資的近一半以上，2017年至2022年將會達到近6倍的增長。

接下來是關于AI計算的發(fā)展趨勢，整個AI計算領域呈現(xiàn)了以下幾大趨勢：

模式：從科研實驗到應用生產(chǎn)；

規(guī)模：從單機計算到大規(guī)模集群或云計算；

架構：從通用CPU計算到定制化計算；

AI計算系統(tǒng)設計與優(yōu)化迫在眉睫

但AI計算發(fā)展趨勢演變過程中面臨著巨大的挑戰(zhàn)：隨著模型所需的精度越高，所需的計算量也會呈現(xiàn)增長趨勢。

引用去年Jeff Dean報告里的一句話：“事實證明，我們真正需要的是超過現(xiàn)在100萬倍的計算能力，而不僅僅是幾十倍的增長。”也就是說，對于未來的我們，算法的發(fā)展對整個計算需求所造成的挑戰(zhàn)會變得更大，提高整個AI計算系統(tǒng)的性能與效率顯得尤為重要。

以下是我們需要去考慮的三個方面的問題：

1.計算規(guī)模從單機到集群再到大規(guī)模云計算，規(guī)模呈量級、指數(shù)級增長，計算復雜度會越來越大；

2.計算架構從單一通用架構CPU+GPU到混合異構架構CPU+GPU+FPGA+XPU，如何在異構并行與協(xié)同計算方面考慮如何提升整體系統(tǒng)的效率也變得舉足輕重；

3.系統(tǒng)環(huán)境方面，需要單一用戶以及單一場景解決到現(xiàn)在多個用戶、多場景復雜環(huán)境的構建，從而提升整個系統(tǒng)效率。

而從這三方面問題的考慮，實際上是對整個系統(tǒng)設計優(yōu)化分四個層面：

1.如何對AI計算平臺做一個合理的設計和構建以及優(yōu)化；

2.隨著資源變大、計算系統(tǒng)變得更復雜，AI平臺管理設計與優(yōu)化的重要性愈發(fā)明顯；

3.需要更快的工具，即AI計算框架優(yōu)化；

4.AI應用本身的性能優(yōu)化和算法設計方面也需要得到重視。

AI計算平臺的優(yōu)化需結合模型算法、應用場景特點進行Co-Design

對于AI計算平臺的設計優(yōu)化，需要把AI分成訓練和推理兩大部分：

就訓練方面而言，需要構建一個高擴展的計算平臺，能夠支撐大規(guī)模分布式的并行框架，讓其擴展性更強。而整個系統(tǒng)涉及到網(wǎng)絡、存儲、IO的吞吐能否跟上計算，則是需要計算平臺架構方面考慮到的問題。

圍繞整個應用、算法、模型、網(wǎng)絡的特點，例如有的模型參數(shù)比較密集，對我們系統(tǒng)通信要求比較高，有的計算性能要求比較高，則需要圍繞性能方面考慮如何提升整個系統(tǒng)性能的能力，這里就需要從本身模型算法方面做一個Co-Design。

推理方面的復雜性比訓練方面更高，它不僅體現(xiàn)在性能方面，更關心的是用戶的體驗。當對于大規(guī)模進行部署云計算時，我們需要考慮到它的運維成本，需要低功耗平臺架構來做支撐。

基于這些考慮，浪潮計算平臺圍繞未來AI計算平臺，更多是關心算法模型一些計算的特點，其應用場景的特點，來進行Co-Design的設計。我們在圍繞不同場景方面打造計算平 臺，試圖能夠更好地解決在特定場景下性能和延時、存儲的問題。

9月12日，浪潮最新發(fā)布了AGX-5，它比浪潮上一代AGX-2整體性能會更高，計算性能可達到2 PetaFlops，并且會搭載16×Tesla V100最強GPU來加速性能。在支撐GPU互聯(lián)架構方面，現(xiàn)在采用NVSwitch互聯(lián)結構，可以支撐8對GPU，每一對GPU之間是300個GB/s，那么整個帶寬會達到2.4TB/s。另外，相比于此前需要采用模型并行的方式來說，有一些模型在512GB之內不需要做模型并行，支持大模型的訓練。

如何優(yōu)化AI平臺管理？計算資源需要做到共享與獨享

AI不同項目之間，可能每個組之間有小的GPU訓練平臺，當規(guī)模達到一定量的時候，幾百個卡或更大規(guī)模時，整個資源利用率實際上是很低的，可能低于50%以下。

由于AI應用場景越來越多，資源整合和整體利用也變得尤為重要。如何能夠從整體上把這些資源進一步打通，對不同用戶、不同應用進行資源配額優(yōu)化？計算資源需要做到共享與獨享。

在推理應用方面時，需要考慮計算資源的負載均衡策略優(yōu)化。結合AI計算全流程，從數(shù)據(jù)預處理、開發(fā)、訓練到推理上線，對一個平臺的資源進行管理。

基于這方面，浪潮AIStation計算管理平臺應運而生，它可以針對不同應用采用比較便于安裝的方式，利用容器化的方式進行打包、安裝和部署，只需一鍵便能實現(xiàn)。此前，部署一套框架需要1-2周的時間，并且需要靠人為方式去安裝，而現(xiàn)在，靠容器方式就可以實現(xiàn)。并且也支持可視化調試，加快模型開發(fā)時間，并且實現(xiàn)整個計算資源的統(tǒng)一管理和調度。

從實際案例效果來看，沒有部署AIStation和部署之后的效果對比相當明顯：在部署前，整個GPU利用率只有40%，通過AI平臺統(tǒng)一管理后，GPU利用率可以達到70%以上。整個作業(yè)調度吞吐從原來支持的200個以上達到600個以上，整個資源效率實現(xiàn)大幅度提升。

AI計算框架與AI應用性能優(yōu)化

圍繞AI計算框架，開源的框架很多，需針對性能和擴展性兩個方面進一步做更深入的優(yōu)化：

在計算方面，不僅僅是GPU滿負荷運行，需實現(xiàn)CPU與GPU共同并行計算，進一步提高資源利用率，同時，圍繞新的芯片架構的計算特點，采用混合精度或半精度計算，發(fā)揮計算芯片的效率；在通信方面，可以采用異步或半異步方式實現(xiàn)計算與通訊隱藏的優(yōu)化，通過合并小數(shù)據(jù)，提升通信效率來提升整個通信效果；在IO吞吐方面，采取多線程的數(shù)據(jù)讀取與預取機制。

在圍繞AI應用性能的優(yōu)化方面，針對訓練端AI應用，需要從以下幾個維度考慮：

首先需要進行應用性能分析；其次，對整個硬件系統(tǒng)、軟件系統(tǒng)進行適配優(yōu)化；另外，還需針對GPU架構特點、框架特點、網(wǎng)絡算法特點進行優(yōu)化。

例如，浪潮幫助某用戶實現(xiàn)高性能人臉識別訓練應用時，優(yōu)化后性能與優(yōu)化之前相比提升了2.6倍以上；而面對用戶應用從消費級卡到工業(yè)級卡的升級，我們針對工業(yè)卡的特性也做了一些相關優(yōu)化，相關應用性能提升了4倍。

而針對推理端AI應用性能優(yōu)化，整個架構不僅僅是采用通用架構，如CPU與GPU，而是更多地開始關注定制化架構平臺，如TPU或其他PU。而充分發(fā)揮定制化芯片架構的性能，則需要算法和硬件協(xié)同優(yōu)化。

最后，我將進行簡單地總結：如今，AI面臨著巨大的計算挑戰(zhàn)，提高AI計算系統(tǒng)性能與效率變得尤為重要，我們需要從系統(tǒng)的角度進行綜合考慮。

而AI計算系統(tǒng)設計與優(yōu)化需要從四大方面著手：

通過計算平臺與算法、應用場景的Co-Design；

通過計算平臺管理優(yōu)化，提升計算吞吐與并發(fā)；

通過計算框架的并行優(yōu)化，提升擴展效率與性能；

通過計算應用自身的優(yōu)化，提升應用性能。