華為AI訓練集群是什么？華為AI訓練集群主要是在做什么的內容曝光

網易科技訊 9月18日消息，華為全聯接2019大會上，華為副董事長胡厚崑發布了Atlas 900 AI訓練集群。此次發布的Atlas 900 AI訓練集群由數千顆昇騰910 AI處理器互聯構成，是當前全球最快的AI訓練集群，代表了當今全球的算力巔峰。其總算力達到256P～1024P FLOPS @FP16，相當于50萬臺PC的計算能力。

AI算力領先

Atlas 900 AI訓練集群采用業界單芯片算力最強的昇騰910 AI處理器，每顆昇騰910 AI處理器內置32個達芬奇AI Core，單芯片提供比業界高一倍的算力。Atlas 900 AI訓練集群將數千顆昇騰910 AI處理器互聯，打造業界第一的算力集群。

昇騰910 AI處理器采用SoC設計，集成“AI算力、通用算力、高速大帶寬I/O”，大幅度卸載Host CPU的數據預處理任務，充分提升訓練效率。

最佳集群網絡

Atlas 900 AI訓練集群采用“HCCS、 PCIe 4.0、100G以太”三類高速互聯方式，百TB全互聯無阻塞專屬參數同步網絡，降低網絡時延，梯度同步時延縮短10~70%。

在AI服務器內部，昇騰910 AI處理器之間通過HCCS高速總線互聯；昇騰910 AI處理器和CPU之間以最新的PCIe 4.0（速率16Gb/s）技術互聯，其速率是業界主流采用的PCIe 3.0（8.0Gb/s）技術的兩倍，使得數據傳輸更加快速和高效。在集群層面，采用面向數據中心的CloudEngine 8800系列交換機，提供單端口100Gbps的交換速率，將集群內的所有AI服務器接入高速交換網絡。

獨創iLossless 智能無損交換算法，對集群內的網絡流量進行實時的學習訓練，實現網絡0丟包與E2E μs級時延。

系統級調優

Atlas 900 AI訓練集群通過華為集合通信庫和作業調度平臺，整合HCCS、 PCIe 4.0和100G RoCE三種高速接口，充分釋放昇騰910 AI處理器的強大性能。

華為集合通信庫提供訓練網絡所需的分布式并行庫，通信庫+網絡拓撲+訓練算法進行系統級調優，實現集群線性度>80%，極大提升了作業調度效率。

散熱系統

傳統數據中心多以風冷技術對設備進行散熱，但在人工智能時代傳統數據中心卻面臨非常大的挑戰。高功耗器件比如CPU和AI芯片帶來更大的熱島效應要求更高效的冷卻方式。液冷技術可以滿足數據中心高功率、高密部署、低PUE的超高需求。

Atlas 900 AI訓練集群采用全液冷方案，創新性設計業界最強柜級密閉絕熱技術，支撐＞95%液冷占比。單機柜支持高達50kW超高散熱功耗，實現PUE＜1.1的極致數據中心能源效率。

另外，在空間節省方面，與8kW風冷機柜相比，節省機房空間79%。極致的液冷散熱技術滿足了高功率、高密設備部署、低PUE的需求，極大地降低了客戶的TCO。

據了解，華為已在華為云上部署了一個Atlas 900 AI訓練集群，集群規模為1024顆昇騰910 AI處理器。基于當前最典型的“ResNet-50 v1.5模型”和“ImageNet-1k數據集”，Atlas 900AI訓練集群只需59.8秒就可完成訓練，排名全球第一。

“ImageNet-1k數據集”包含128萬張圖片，精度為75.9%，在同等精度下，其他兩家業界主流廠家測試成績分別是70.2s和76.8s，Atlas 900 AI訓練集群比第2名快15%。

Atlas 900 AI集群主要為大型數據集神經網絡訓練提供超強算力，可廣泛應用于科學研究與商業創新，讓研究人員更快地進行圖像、視頻和語音等AI模型訓練，讓人類更高效地探索宇宙奧秘、預測天氣、勘探石油和加速自動駕駛的商用進程。