当前位置:首页 > 芯闻号 > 产业新闻
[导读]北京2023年3月8日 /美通社/ -- 经过60余年的等待,生成式AI(Generative AI)终于爆发了。 早在1957年,莱杰伦·希勒和伦纳德·艾萨克森就完成了历史上第一支由计算机创作的弦乐四重奏《伊利亚克组曲》。而生成式AI真正走向产业化...

北京2023年3月8日 /美通社/ -- 经过60余年的等待,生成式AI(Generative AI)终于爆发了。

早在1957年,莱杰伦·希勒和伦纳德·艾萨克森就完成了历史上第一支由计算机创作的弦乐四重奏《伊利亚克组曲》。而生成式AI真正走向产业化发展则是在2022年。这一年,Stability AI获得超过一亿美元的融资,估值突破十亿美元,并选择亚马逊云科技作为首选云供应商,其提供的开源AI模型Stable Diffusion可以根据用户输入的文字自动生成图片。Stability AI由此成为生成式AI领域第一家独角兽企业。

Gartner预计,到2025年,大型企业机构对外营销信息中的合成信息比例将从2022年的不到2%上升到30%。

在生成式AI方面,亚马逊云科技已经深耕了很长时间,拥有成熟的生成式AI专属解决方案,既提供经过广泛验证且易于部署的先进AI算法模型,又提供丰富且高性价比的云端资源以优化成本,旨在帮助游戏、电商、媒体、影视、广告、传媒等行业快速构建生成式AI应用通路,打造AI时代的领先生产力。

"从AI技术发展来看,生成式AI开启了一次范式变迁。大模型、多模态、高算力和海量数据将主导新一轮科技范式的发展,为内容、营销、游戏等行业带来颠覆性创新。"亚马逊云科技大中华区产品部总经理陈晓建表示,"亚马逊云科技广泛而深入的生成式AI专属解决方案,以先进的性能、更优的性价比和全面的服务赋能千行百业,助力各个规模的企业拥抱生成式AI的浪潮。"

降低成本,让生成式AI触手可及

亚马逊云科技认为,目前生成式AI模型主要集中在文本和图片生成,正在逐步渗透到音频和视频内容生成,未来将出现越来越多的跨模态/多模态内容生成。通用大模型更容易引发热议,但对企业而言,针对特定场景的模型在成本和准确度方面都更具优势,也是目前企业主要采用的模型。芯片性能和高质量训练既是生成式AI爆发的基础,也是其实现飞跃式发展的瓶颈。

之前模型的参数量级可能是千级或百万级,但今天拥有十亿百亿级参数的模型比比皆是,下一代模型有可能会朝着万亿级参数级别去发展。因此,降低大模型的成本至关重要。

虽然,机器学习的芯片差不多每两年或每几年就会有一倍或数倍的提升,但仍然不足以跟上训练模型复杂度的提升。替代的解决办法就是利用分布式多处理器,通过一个网络进行协同计算、协同训练。亚马逊云科技专门为云中高性能模型训练而搭建的Trn1实例最多可以搭载16颗专门用于机器学习训练的Trainium芯片,512GB加速器内存和800GBps的网络带宽。

Trn1是拥有高性价比的深度学习实例,与基于GPU的类似实例相比,训练成本降低了50%。以一个具备万亿级参数的大模型进行两周训练为例,GPU服务器P3dn需要600个实例,最新一代GPU实例P4d需要128个实例,但Trn1只需要用96个实例。

2022亚马逊云科技re:Invent全球大会推出了一款基于Trn1的网络优化型实例Trn1n,进一步把网络带宽增加一倍,从800GBps跃升到1600GBps,其强大的网络吞吐能力能够将超过1万个Trainium芯片构建在一个超大规模集群里,并在集群中进行模型的并行训练。

除训练外,大模型也需要超高的推理能力。所以亚马逊云科技构建了Inf1实例,用自研的推理芯片Inferentia提供支持,实现低延时低成本的推理。Inf1实例和GPU的实例相比,每次推理成本可以降低70%。

亚马逊云科技re:Invent全球大会还推出了下一代自研推理芯片Inferentia2以及基于此的Amazon EC2 Inf2实例。这是唯一一个专门为大型Transformer模型分布式推理建立的实例。与Inf1实例相比,它提供高达4倍的吞吐量,降低多达10倍的延迟,与基于GPU的实例相比,每瓦性能提升高达45%,同时也支持诸如GPT类型的大型复杂模型,并且可以用单实例实现1750亿参数模型的推理。

行业先行者的最佳实践

以AI绘画走红全球的Stability AI备受瞩目,其开源AI模型Stable Diffusion自2022年8月推出以来,已经被全球超过20万开发者下载和授权。在算力需求方面,Stable Diffusion模型所需的算力硬件成本已超过5000万美元。

Stability AI利用亚马逊云科技上的大规模GPU集群和Amazon Trainium机器学习训练芯片组成的高性能计算集群来训练其生成式AI基础模型,并通过云上模型训练的弹性来优化成本,最终将其使用的GPT-NeoX等开源语言模型的训练时间和成本减少58%。

Qualtrics是一家设计和开发体验管理软件的公司。"Qualtrics的重点是借助技术创新缩小体验差距。为实现这一目标,我们正在开发复杂的多任务、多模态的深度学习模型,包括文本分类、序列标记、话语分析、关键短语提取、主题提取、聚类以及端到端对话理解等。"Qualtrics 核心机器学习负责人 Aaron Colak 表示,"随着我们在更多应用程序中使用这些复杂的模型以及非结构化数据量不断增长,为给客户提供最佳体验,我们需要像Inf2 实例这样性能更高的推理优化解决方案来满足我们的需求。我们很高兴看到新一代 Inf2 实例的推出,它不仅让我们实现更高的吞吐量,显著降低延迟,而且还引入了分布式推理和支持增强的动态形状输入等功能。随着我们部署更大、更复杂的模型,这将能进一步满足我们对部署的更高要求。"

本站声明: 本文章由作者或相关机构授权发布,目的在于传递更多信息,并不代表本站赞同其观点,本站亦不保证或承诺内容真实性等。需要转载请联系该专栏作者,如若文章内容侵犯您的权益,请及时联系本站删除。
换一批
延伸阅读

北京——2024年3月29日 亚马逊云科技宣布,通过与光环新网和西云数据的紧密合作,在亚马逊云科技(北京)区域和(宁夏)区域推出文件存储服务Amazon FSx for OpenZFS,为客户提供基于 OpenZFS文件...

关键字: 生成式AI 机器学习 电子芯片设计

语音识别相信大家并不陌生,近些年来语音识别技术的应用层出不穷,同时也更加智能。

关键字: 语音识别 语音 AI

通过大量的数据,训练出一个能处理此类数据的模型,使得这个模型可以根据已知的数据,准确率很高的判断出未知的数据,从而使得人类能够采取正确的方法去处理某些事情。

关键字: 机器学习 模型 图像

在监督学习中,系统会被给定一组已知输入和输出,需要学习到一种函数,使得该函数能够根据给定的输入预测出正确的输出。代表算法有线性回归、逻辑回归、决策树、深度神经网络等。

关键字: 机器学习 数据源 图像

3月29日消息,根据国外媒体报道,2024年2月,韩国半导体产业迎来了显著的增长,其产量增幅达到了14年来的最高水平,同比增长65.3%。

关键字: AI ChatGPT 人工智能

深度学习需要大量的计算。它通常包含具有许多节点的神经网络,并且每个节点都有许多需要在学习过程中必须不断更新的连接。换句话说,神经网络的每一层都有成百上千个相同的人工神经元在执行相同的计算。

关键字: 机器学习 神经网络 TensorFlow

随着人工智能(AI)模型变得越来越复杂,数据量不断攀升,数据中心正在通过改变系统架构,来实现更快、更高效的处理。

关键字: AI 连接器

近日举办的GTC大会把人工智能/机器学习(AI/ML)领域中的算力比拼又带到了一个新的高度,这不只是说明了通用图形处理器(GPGPU)时代的来临,而是包括GPU、FPGA和NPU等一众数据处理加速器时代的来临,就像GPU...

关键字: FPGA AI 图形处理器

西门子作为制造业数字化转型成功的代表企业之一,面对生产、服务与业务增长等挑战,积极拥抱AI、自动化等新兴技术,优化企业业务流程,打造企业数字化技术新基座,开拓出更多业务转型思路。

关键字: 自动化 AI 数字化
关闭