重新構(gòu)建生成式人工智能時代的數(shù)據(jù)中心
如今,任何有關(guān)人工智能的討論都必然會涉及ChatGPT的崛起,這是一款基于OpenAI的GPT系列大型語言模型(LLM)構(gòu)建的無處不在的聊天機(jī)器人。但是,如何在數(shù)據(jù)中心滿足這種生成式人工智能技術(shù)的需求呢?
這款聊天機(jī)器人于去年年底推出,并以其內(nèi)容生成功能引起轟動。人們正在使用ChatGPT和其他供應(yīng)商的競爭機(jī)器人來回答復(fù)雜的問題,以及自動化編寫軟件代碼和制作營銷文案等任務(wù)。
但由于這種生成式人工智能技術(shù)固有的所有可能性,充分利用基礎(chǔ)模型的潛力一直很困難。大多數(shù)模型都是根據(jù)公開數(shù)據(jù)進(jìn)行訓(xùn)練的,這使得它們不太適合特定的企業(yè)應(yīng)用,例如查詢敏感的內(nèi)部文檔。
企業(yè)希望這些模型能夠處理企業(yè)內(nèi)部數(shù)據(jù)。但這是否意味著企業(yè)必須全力以赴、從頭開始構(gòu)建?讓我們深入了解一下。
構(gòu)建大型語言模型:數(shù)據(jù)中心中成本高昂之事
構(gòu)建LLM的任務(wù)需要多個步驟,例如GPT-3或GPT-4,首先需要進(jìn)行大量的計算訓(xùn)練,這需要數(shù)百甚至數(shù)千個昂貴的GPU在數(shù)據(jù)中心服務(wù)器中聚集在一起,持續(xù)數(shù)周或數(shù)月。
隨著模型規(guī)模的增加,訓(xùn)練和再訓(xùn)練所需的GPU數(shù)量也會增加。例如,Google必須插入6144個芯片來訓(xùn)練其5400億參數(shù)的PaLM模型。這一過程還需要高級培訓(xùn)技術(shù)和工具方面的專業(yè)知識,例如Microsoft DeepSpeed和Nvidia MegaTron-LM,而這些在組織中可能并不容易獲得。
訓(xùn)練完成后,這些芯片就需要在模型上持續(xù)運行推理,這進(jìn)一步增加了成本。從這個角度來看,如果只使用500臺Nvidia DGX A100多GPU服務(wù)器(通常用于LLM訓(xùn)練和推理),每臺售價19.9萬美元,就意味著該項目的支出約為1億美元。除此之外,服務(wù)器產(chǎn)生的額外功耗和熱量輸出將增加總擁有成本。
這是對數(shù)據(jù)中心基礎(chǔ)設(shè)施的大量投資,特別是對于那些不是專門的人工智能組織、只希望LLM加速某些業(yè)務(wù)用例的企業(yè)來說。
人工智能時代數(shù)據(jù)中心的理想方法
除非企業(yè)擁有獨特的高質(zhì)量數(shù)據(jù)集,可以創(chuàng)建具有堅實競爭優(yōu)勢的模型,值得投資。否則最好的方法是針對組織自身數(shù)據(jù)(企業(yè)文檔、客戶電子郵件等)的特定用例,對現(xiàn)有開源LLM進(jìn)行微調(diào)。
一個很好的反例是BloombergGPT模型。這是Bloomberg從頭開始訓(xùn)練的一個包含500億個參數(shù)的[模型]……有多少組織可以自信地聲稱其擁有相同數(shù)量的獨特高質(zhì)量數(shù)據(jù)?其實,沒有那么多。
另一方面,微調(diào)是一個更輕量級的過程,只需要一小部分時間、預(yù)算和精力。
如果企業(yè)確實看到從頭開始構(gòu)建LLM的價值,那么就應(yīng)該從小規(guī)模開始,使用托管云基礎(chǔ)設(shè)施和機(jī)器學(xué)習(xí)(ML)服務(wù),而不是立即購買昂貴的GPU進(jìn)行現(xiàn)場部署。
云還提供了更多培訓(xùn)選項可供選擇,不僅包括Nvidia GPU,還包括AMD和Intel的GPU,以及Google TPU和AWS Trainium等客戶加速器。
另一方面,如果當(dāng)?shù)胤苫蚍ㄒ?guī)強制要求遠(yuǎn)離云端,現(xiàn)場部署GPU等加速硬件將是默認(rèn)的首選。
規(guī)劃仍然是關(guān)鍵
在急于為特定領(lǐng)域的LLM和基于其的應(yīng)用投資GPU、技能或云合作伙伴之前,技術(shù)決策者必須通過與企業(yè)中的其他領(lǐng)導(dǎo)者和主題專家合作來制定明確的戰(zhàn)略。專注于決策的業(yè)務(wù)案例,大致了解此類工作負(fù)載當(dāng)前和未來的需求將會很有幫助。
通過這種規(guī)劃,企業(yè)可以做出明智的決定,決定何時以及如何投資培訓(xùn)LLM。這包括選擇什么樣的硬件、可以在哪里使用其他人開發(fā)的現(xiàn)有模型,以及誰可能是人工智能之旅的合適合作伙伴等方面。
人工智能/機(jī)器學(xué)習(xí)的發(fā)展速度令人難以置信……如果以傳統(tǒng)的面向未來的思維方式來對待這些新技術(shù),那么解決方案很可能會相對較快地過時。所涉及的技術(shù)和硬件的特殊性意味著,更好的選擇可能是首先開發(fā)解決方案前景,并相應(yīng)地升級數(shù)據(jù)中心。
在沒有正當(dāng)理由的情況下,人們很容易相信采用新技術(shù)的炒作和趨勢,但這無疑會導(dǎo)致失望,并可能拒絕企業(yè)未來可以從中受益的實際用例。更好的方法是保持頭腦冷靜,投入時間了解相關(guān)技術(shù),并與利益相關(guān)者合作,評估可以從集成中獲得的好處。
- 智能家居與可再生能源的未來:2025年的創(chuàng)新趨勢
- 智能眼鏡的進(jìn)步:可穿戴技術(shù)的下一步
- 2025年技術(shù)預(yù)測:人工智能、5G及其他
- 為什么云安全審計在現(xiàn)代數(shù)字環(huán)境中至關(guān)重要
- 中國移動水冷柴油發(fā)電機(jī)產(chǎn)品集采:通本電力等中標(biāo)
- 人工智能如何塑造可持續(xù)設(shè)計的未來
- 中國移動戶外小型一體化直流電源(6kw)集采:蘇駝、融等8廠商中標(biāo)
- 中國移動固定翼無人機(jī)機(jī)載基站設(shè)備集采:中移成都信息公司中標(biāo)
- 中國移動光纜終端盒產(chǎn)品集采:規(guī)模為127.58萬個
- 2025年可再生能源的未來是什么?
免責(zé)聲明:本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿,凡在本網(wǎng)站出現(xiàn)的信息,均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性,但不保證有關(guān)資料的準(zhǔn)確性及可靠性,讀者在使用前請進(jìn)一步核實,并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏,概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時,應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明,并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后,將會依法盡快聯(lián)系相關(guān)文章源頭核實,溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。