王曉慧分享道，大模型訓練需要消耗大量的計算資源和時間，如何高效地搭建和管理訓練集群成為加速大模型落地的核心挑戰(zhàn)。在NVIDIA的支持下，優(yōu)刻得率先將DPU應用于裸金屬物理云，實現(xiàn)了軟件定義的計算、存儲和網(wǎng)絡，助力集群計算效率提升。她強調，DPU裸金屬訓練集群為高帶寬、低延遲、數(shù)據(jù)密集的大模型訓練場景提供強大的計算引擎，大幅提升了網(wǎng)絡處理能力和數(shù)據(jù)傳輸速度。
基于DPU裸金屬所構建的訓練集群在高性能計算、數(shù)據(jù)和模型并行處理等方面優(yōu)勢突出，可輕松應對大模型時代下的嚴苛性能要求和工作負載挑戰(zhàn)。DPU裸金屬集群可以提供訓練所需的強大算力，具備千卡規(guī)模的模型訓練能力；同時以低延遲、高吞吐的特性，充分滿足了大規(guī)模數(shù)據(jù)處理和高并發(fā)場景的需求，加速模型訓練過程。此外，DPU的引入賦予了訓練集群更高的靈活性和可擴展性，使得用戶能夠根據(jù)實際業(yè)務需求靈活選擇適配的硬件和軟件堆棧，確保持續(xù)優(yōu)化模型的訓練性能和效率。
會上，王曉慧還進一步分享了優(yōu)刻得孔明智算平臺在大模型訓練場景中的優(yōu)勢?？酌髦撬闫脚_是優(yōu)刻得自主研發(fā)的一款智能算力管理平臺，能夠幫助大模型公司提高訓練效率、優(yōu)化模型性能、降低開發(fā)成本。用戶可以輕松構建并管理訓練集群，并對計算資源的智能調度和優(yōu)化配置，無需將更多精力關注在底層資源層面，從而實現(xiàn)更加高效的大模型訓練。
為應對大模型訓練過程中通信異常挑戰(zhàn)、及時發(fā)現(xiàn)故障所在，優(yōu)刻得結合英偉達的GPU Direct Storage技術，自主研發(fā)了UPFS并行文件存儲系統(tǒng)。UPFS顯著提升了存儲系統(tǒng)的吞吐能力，使得CheckPoint的速度相較于傳統(tǒng)存儲提升了近10倍，確保提高訓練效率和快速恢復訓練。優(yōu)刻得智算平臺支持對同構、異構卡的統(tǒng)一調度與管理，以分區(qū)的方式提供不同的資源池；同時，支持TCP/IP協(xié)議、IB和RoCE等多樣化的網(wǎng)絡接入方案，擁有斷點續(xù)訓、數(shù)據(jù)備份、自定義故障恢復等機制，避免訓練過程中的意外中斷，為大模型訓練的安全性和連續(xù)性提供保障。
目前，優(yōu)刻得DPU裸金屬訓練集群和智算平臺已在大模型分布式訓練、自動駕駛、生物醫(yī)藥、工業(yè)制造等領域落地應用，能夠勝任在AI領域內(nèi)的各類業(yè)務需求。在生物醫(yī)藥領域，基于高性能計算能力，研究人員能夠更快速地進行復雜的分子模擬和仿真訓練，加速藥物研發(fā)和優(yōu)化過程；在工業(yè)制造領域，幫助企業(yè)提高工業(yè)仿真、工業(yè)復核等任務效率，優(yōu)化生產(chǎn)流程，以實現(xiàn)智能制造。
優(yōu)刻得智能算力已廣泛服務于大模型和人工智能企業(yè)，為智譜AI構建超千卡規(guī)模推理集群，實現(xiàn)成本效益和服務質量的平衡；為AI繪畫平臺圖蠅AI提升圖片生成效率和質量，設計效率提升5倍以上；為出門問問數(shù)字人應用研發(fā)提供海量算力，5分鐘內(nèi)即可實現(xiàn)數(shù)字員工形象定制和上崗。
當下，優(yōu)刻得已在GPU、DPU和存儲等多個領域建立了優(yōu)勢，不僅為用戶提供高性能底層算力資源，更憑借豐富的大模型工程化實踐，為眾多大模型企業(yè)提供有力支持。未來，優(yōu)刻得將更好地為全球用戶提供智能高效、穩(wěn)定可靠的AI智算基礎設施，助推更多大模型應用的研發(fā)與落地。
