企業(yè)在開發(fā)及實施大模型應(yīng)用過程中，面臨四大挑戰(zhàn)：
● 首先，數(shù)據(jù)準備時間長，數(shù)據(jù)來源分散，歸集慢，預處理百TB數(shù)據(jù)需10天左右;
● 其次，多模態(tài)大模型以海量文本、圖片為訓練集，當前海量小文件的加載速度不足100MB/s，訓練集加載效率低;
● 第三，大模型參數(shù)頻繁調(diào)優(yōu)，訓練平臺不穩(wěn)定，平均約2天出現(xiàn)一次訓練中斷，需要Checkpoint機制恢復訓練，故障恢復耗時超過一天;
● 最后，大模型實施門檻高，系統(tǒng)搭建繁雜，資源調(diào)度難，GPU資源利用率通常不到40%。
華為順應(yīng)大模型時代AI發(fā)展趨勢，針對不同行業(yè)、不同場景大模型應(yīng)用，推出OceanStor A310深度學習數(shù)據(jù)湖存儲與FusionCube A3000訓/推超融合一體機。
華為數(shù)據(jù)存儲產(chǎn)品線總裁 周躍峰
OceanStor A310深度學習數(shù)據(jù)湖存儲，面向基礎(chǔ)/行業(yè)大模型數(shù)據(jù)湖場景，實現(xiàn)從數(shù)據(jù)歸集、預處理到模型訓練、推理應(yīng)用的AI全流程海量數(shù)據(jù)管理。
OceanStor A310單框5U支持業(yè)界最高的400GB/s帶寬以及1200萬IOPS的最高性能，可線性擴展至4096節(jié)點，實現(xiàn)多協(xié)議無損互通。全局文件系統(tǒng)GFS實現(xiàn)跨地域智能數(shù)據(jù)編織，簡化數(shù)據(jù)歸集流程;通過近存計算實現(xiàn)近數(shù)據(jù)預處理，減少數(shù)據(jù)搬移，預處理效率提升30%。
FusionCube A3000訓/推超融合一體機，面向行業(yè)大模型訓練/推理場景，針對百億級模型應(yīng)用，集成OceanStor A300高性能存儲節(jié)點、訓/推節(jié)點、交換設(shè)備、AI平臺軟件與管理運維軟件，為大模型伙伴提供拎包入住式的部署體驗，實現(xiàn)一站式交付。
FusionCube A3000開箱即用，2小時內(nèi)即可完成部署。訓/推節(jié)點與存儲節(jié)點均可獨立水平擴展，以匹配不同規(guī)模的模型需求。同時FusionCube A3000通過高性能容器實現(xiàn)多個模型訓練推理任務(wù)共享GPU，將資源利用率從40%提升到70%以上。FusionCube A3000支持兩種靈活的商業(yè)模式，包括華為昇騰一站式方案，以及開放計算、網(wǎng)絡(luò)、AI平臺軟件的第三方伙伴一站式方案。
在本次活動中，中科院自動化所紫東太初大模型中心常務(wù)副主任、武漢人工智能研究院院長王金橋;科大訊飛副總裁、AI工程院院長潘青華;智譜AI算法工程師陶治華分別就AI大模型的應(yīng)用實踐以及基于華為AI存儲的聯(lián)合創(chuàng)新發(fā)表主題演講。
中科院自動化所紫東太初大模型中心常務(wù)副主任
武漢人工智能研究院院長 王金橋
科大訊飛副總裁、AI工程院院長 潘青華
智譜AI算法工程師 陶治華
華為數(shù)據(jù)存儲產(chǎn)品線總裁周躍峰表示：大模型時代，數(shù)據(jù)決定AI智能的高度。作為數(shù)據(jù)的載體，數(shù)據(jù)存儲成為AI大模型的關(guān)鍵基礎(chǔ)設(shè)施。華為數(shù)據(jù)存儲未來將持續(xù)創(chuàng)新，面向AI大模型時代提供多樣化的方案與產(chǎn)品，攜手伙伴共同推進AI賦能千行百業(yè)。
下滑了解更多發(fā)布會精彩內(nèi)容
