微軟自曝花數(shù)億美元為OpenAI組裝超算開發(fā)ChatGPT 使用數(shù)萬個英偉達芯片

3月14日消息，美國當?shù)貢r間周一，微軟發(fā)文透露其斥資數(shù)億美元幫助OpenAI組裝了一臺AI超級計算機，以幫助開發(fā)爆火的聊天機器人ChatGPT。這臺超算使用了數(shù)萬個英偉達圖形芯片A100，這使得OpenAI能夠訓練越來越強大的AI模型。

OpenAI試圖訓練越來越大的AI模型，這些模型正在吸收更多的數(shù)據(jù)，學習越來越多的參數(shù)，這些參數(shù)是AI系統(tǒng)通過訓練和再培訓找出的變量。這意味著，OpenAI需要很長時間才能獲得強大的云計算服務支持。

為應對這一挑戰(zhàn)，當微軟于2019年向OpenAI投資10億美元時，該公司同意為這家AI研究初創(chuàng)公司組裝一臺巨大的尖端超級計算機。但問題在于，微軟沒有任何OpenAI所需的東西，也不完全確定其能否能在不破壞Azure云服務的情況下構建如此龐大的設備。

為此，微軟不得不想方設法將英偉達的數(shù)萬個A100圖形芯片連接起來，并改變服務器在機架上的放置方式以防止斷電。A100圖形芯片是培訓AI模型的主力。微軟負責云計算和AI業(yè)務的執(zhí)行副總裁斯科特·格思里（Scott Guthrie）沒有透露該項目的具體成本，但其暗示可能達數(shù)億美元。

微軟Azure AI基礎設施總經(jīng)理尼迪·卡佩爾（Nidhi Cappell）說：“我們構建了一個系統(tǒng)構架，它可以在非常大的范圍內運行且十分可靠，這是ChatGPT成功的重要原因。這只是我們從中得出的一個模式，還會有許許多多其他的模型?！?/p>

基于這項技術，OpenAI發(fā)布了爆火的聊天機器人ChatGPT。在去年11月上線后幾天，它就吸引了100多萬用戶，現(xiàn)在正被納入其他公司的商業(yè)模式。隨著企業(yè)和消費者對ChatGPT等生成式人工智能（AIGC）工具的興趣越來越大，微軟、亞馬遜和谷歌等云服務提供商將面臨更大的壓力，以確保他們的數(shù)據(jù)中心能夠提供所需的巨大算力。

與此同時，微軟現(xiàn)在也開始使用它為OpenAI構建的基礎設施來訓練和運行自己的大型AI模型，包括上個月推出的新必應搜索聊天機器人。該公司還向其他客戶銷售該系統(tǒng)。這家軟件巨頭已經(jīng)在研發(fā)下一代AI超級計算機，這是微軟與OpenAI擴大合作的一部分，微軟在交易中增加了100億美元投資。

格思里在接受采訪時說：“我們并沒有為OpenAI定制任何東西，盡管其最初是定制的，但我們總是以一種泛化的方式構建它，這樣任何想要訓練大型語言模型的人都可以利用同樣的改進技術。這真的幫助我們在更廣泛的范圍內成為更好的AI智能云?！?/p>

訓練規(guī)模龐大的AI模型需要在某個地方有大量相互連接的圖形處理單元，就像微軟組裝的AI超級計算機那樣。一旦模型投入使用，回答用戶查詢的所有問題（這個過程稱為推理）需要略有不同的設置。為此，微軟還部署了用于推理的圖形芯片，但這些處理器（成千上萬個）在地理上分散在該公司60多個數(shù)據(jù)中心里。微軟表示，現(xiàn)在該公司正在添加用于AI工作負載的最新英偉達圖形芯片H100以及最新版Infiniband網(wǎng)絡技術，以更快地共享數(shù)據(jù)。

新的必應仍處于測試階段，微軟正在逐步從申請測試名單中增加更多用戶。格思里的團隊與大約20多名員工每天都要舉行會議，他將這些員工稱為“pit crew”，原指賽車中車隊后勤維護組的技師。這些人的工作是找出如何讓更多的計算能力快速上線，以及解決突然出現(xiàn)的問題。

云服務依賴于數(shù)千個不同的部件，包括服務器、管道、建筑物的混凝土、不同的金屬和礦物，而任何一個組件的延遲或短缺，無論多么微小，都可能導致整個項目中斷。最近，“pit crew”團隊不得不幫助解決電纜托盤短缺的問題，這是一種籃狀的裝置，用來固定從機器上順下來的電纜。因此，他們設計了一種新的電纜橋架。格思里說，他們還致力于研究如何在世界各地的現(xiàn)有數(shù)據(jù)中心壓榨盡可能多的服務器，這樣他們就不必等待新的建筑竣工。

當OpenAI或微軟開始訓練大型AI模型時，這項工作需要一次完成。工作被分配給所有的GPU，在某些時候，這些GPU需要相互交流來分享他們所做的工作。對于AI超級計算機，微軟必須確保處理所有芯片之間通信的網(wǎng)絡設備能夠處理這種負載，并且它必須開發(fā)出最大限度地利用GPU和網(wǎng)絡設備的軟件。該公司現(xiàn)在已經(jīng)開發(fā)出一種軟件，可以用來訓練數(shù)十萬億個參數(shù)的AI模型。

因為所有機器都是同時啟動的，微軟不得不考慮安放它們的位置，以及電源該應該放在哪里。否則，數(shù)據(jù)中心最終可能會斷電。Azure全球基礎設施總監(jiān)阿利斯泰爾·斯皮爾斯（Alistair Speirs）說，微軟還必須確保能夠冷卻所有這些機器和芯片，該公司在較涼爽的氣候中使用蒸發(fā)；冷卻方式、在較冷的氣候中使用室外空氣，在炎熱的氣候中使用高科技沼澤冷卻器。

格思里說，微軟將繼續(xù)致力于定制服務器和芯片設計，以及優(yōu)化供應鏈的方法，以盡可能地提高速度、提高效率和節(jié)省成本。他說：“現(xiàn)在令世界驚嘆的AI模型是基于我們幾年前開始建造的超級計算機構建的，而新模型將使用我們現(xiàn)在正在訓練的新超級計算機。這臺計算機要大得多，可以實現(xiàn)更復雜的技術?！?/p>

微軟已經(jīng)在努力使Azure的AI功能更加強大，推出了新的虛擬機，使用英偉達的H100和A100 Tensor Core GPU，以及Quantum-2 InfiniBand網(wǎng)絡。微軟表示，這將允許OpenAI和其他依賴Azure的公司訓練更大、更復雜的AI模型。

微軟Azure AI企業(yè)副總裁埃里克·博伊德（Eric Boyd）在一份聲明中說：“我們發(fā)現(xiàn)，我們需要構建專門的集群，專注于支持大量的培訓工作，而OpenAI就是早期的證據(jù)之一。我們正與他們密切合作，了解他們在建立訓練環(huán)境時需要的關鍵條件，以及他們需要的其他東西?！?/p>