史上最快AI晶片「Sohu」,速度10倍於B200,哈佛輟學生打造

机器之心發表於2024-06-26

生成式 AI 推理價效比是 GPU 的 140 倍。

大模型時代,全球都缺算力,買鏟子的英偉達市值被炒上了天。

現在,終於有一家公司帶著自己的 AI 晶片來叫板了。

今天凌晨,科技圈迎來了一個重要新聞。美國晶片創業公司 Etched 推出了自己的第一塊 AI 晶片 Sohu,它執行大模型的速度比英偉達 H100 要快 20 倍,比今年 3 月才推出的頂配晶片 B200 也要快上超過 10 倍。

圖片

一臺 Sohu 的伺服器執行 Llama 70B 每秒可輸出超過 50 萬個 token,比 H100 伺服器(23,000 個 token / 秒)多 20 倍,比 B200 伺服器(約 45,000 個 token / 秒)多 10 倍。圖片

Sohu 是世界第一款專用於 Transformer 計算的晶片,歷時兩年打造。

作為一塊 ASIC(專用積體電路),Sohu 把對於 transformer 架構的最佳化硬化在晶片中,無法執行大多數「傳統」的 AI 模型:如為 Instagram 廣告提供支援的 DLRM、AlphaFold 2 等蛋白質摺疊模型或 Stable Diffusion 2 等較舊的影像生成模型。我們也無法執行 CNN、RNN 或 LSTM。

但另一方面,對於 transformer 來說,Sohu 就是有史以來最快的晶片,與其他產品之間是量級的區別。如今的每款主流 AI 產品如 ChatGPT、Claude、Gemini 和 Sora 都是由 transformer 驅動的。

最近一段時間,由於摩爾定律放緩,GPU 效能的提升很大程度上需要依賴於增加晶片面積和功耗。不論是英偉達 B200、AMD MI300X 還是 Intel Gaudi 3,都不約而同的使用「二合一」的方式提升效能,功耗也翻倍了。

圖片
從 2022 年到 2025 年,AI 晶片的效能並沒有真正變得更好,而是變得更大了。

但如果大模型廣泛使用 Transformer 架構,追求專業化或許是提高效能的好方向。

作為一個新興領域,AI 模型的架構過去變化很大。但自 GPT-2 以來,最先進的模型幾乎都在使用 Transformer,從 OpenAI 的 GPT 系列、谷歌的 PaLM、Facebook 的 LLaMa,再到特斯拉 FSD 自動駕駛所需的模型。

圖片

Etched 給我們算了一筆賬:晶片專案的成本為 5000 萬至 1 億美元,需要數年時間才能投入生產。另一方面,當模型訓練成本超過 10 億美元、推理成本超過 100 億美元時,使用專用晶片是不可避免的。在這種產業規模下,1% 的改進就能撬動硬體架構的更新。

速度超 H100 20 倍,FLOPS 利用率超 90%

作為世界上首款 transformer ASIC(應用型專用積體電路)晶片,一臺整合了 8 塊 Sohu 的伺服器可以匹敵 160 塊 H100 GPU。也即,Sohu 的執行速度是 H100 的 20 多倍。

具體來講,透過專門化,Sohu 具備了前所未有的效能。一臺整合 8 塊 Sohu 晶片的伺服器每秒可以處理 50 萬的 Llama 7B tokens。

針對 Llama 3 70B 的 FP8 精度基準測試顯示:無稀疏性、8 倍模型並行、2048 輸入或 128 輸出長度。

此外,對於 Llama、Stable Diffusion 3,Sohu 僅支援 transformer 推理。Sohu 支援了當前谷歌、Meta、微軟、OpenAI、Anthropic 等各家的模型,未來還會適配模型調整。

由於 Sohu 僅能執行一種演算法,因此可以刪除絕大多數控制流邏輯,從而允許擁有更多數學塊。也因此,Sohu 實現了 90% 以上的 FLOPS 利用率,而使用 TRT-LLM 的 GPU 約為 30%。

Sohu 為何能輸出更多 FLOPS?

英偉達 H200 支援 989 TFLOPS 的 FP16/BF16 計算能力,並且沒有稀疏性。這是當前最先進的晶片,而 2025 年推出的 GB200 將在計算能力上提升 25%,支援 1250 TFLOPS。

由於 GPU 的絕大部分割槽域都是可程式設計的,因此專注於 transformer 會容納更多的計算。這可以從第一性原理中證明:

構建單個 FP16/BF16/FP8 乘加電路需要 10000 個電晶體,這是所有矩陣數學的基石。H100 SXM 擁有 528 個張量核心,每個核心擁有 4× 8 × 16 FMA 電路。乘法告訴我們:H100 有 27 億個電晶體用於張量核心。

但是,H100 卻有 800 億個電晶體。這意味著 H100 GPU 上只有 3.3% 的電晶體用於矩陣乘法。這是英偉達和其他晶片廠商經過深思熟慮的設計決定。如果你想支援所有型別的模型(CNN、LSTM、SSM 等),那麼沒有比這更好的了。

而透過僅執行 transformer,Etched 可以讓 Sohu 晶片輸出更多的 FLOPS,且需要降低精度或稀疏性。

記憶體頻寬也不是瓶頸

實際上,對於像 Llama 3 這樣的模型,情況並非如此。

我們以英偉達和 AMD 的標準基準為例:2048 個輸入 token 和 128 個輸出 token。大多數 AI 產品的 prompt 更長,比如最新的 Claude 聊天機器人在系統 prompt 中擁有 1000+tokens。

在 Sohu 上,推理是分 batch 執行的。每個 batch 都需要載入所有模型權重一次,並在 batch 的每個 token 中重複使用。通常來說,LLM 輸入是計算密集型的,而 LLM 輸出是記憶體密集型的。當我們將輸入和輸出 token 與連續 batch 結合時,工作負載變成了高度計算密集型。

以下為 LLM 連續 batching 處理的示例,這裡執行具有四個輸入 token 和四個輸出 token 的序列。每種顏色代表不同的序列。

圖片

我們可以擴充套件相同的技巧,從而執行具有 2048 個輸入 token 和 128 個輸出 token 的 Llama 3 70B。每個 batch 中包含用於一個序列的 2048 個輸入 token,以及用於 127 個不同序列的 127 個輸出 token。

如果這樣做了,則每個 batch 需要大約 (2048 + 127)×70B 引數 × 每個引數 2 位元組 = 304 TFLOP,而僅需要載入 70B 引數 × 每個引數 2 位元組 = 140 GB 的模型權重和大約 127× 64 × 8 × 128 × (2048 + 127) × 2 × 2 = 72GB 的 KV 快取權重。這比記憶體頻寬需要的計算量多得多:H200 需要 6.8 PFLOPS 的計算才能最大化其記憶體頻寬。這還是利用率為 100% 的情況,如果利用率僅為 30%,則需要 3 倍以上的記憶體。

Sohu 擁有了更多的計算能力且利用率非常高, 因此可以執行巨大的吞吐量,而不會出現記憶體頻寬瓶頸。

軟體如何工作

在 GPU 和 TPU 上,軟體是一場噩夢。處理任意 CUDA 和 PyTorch 程式碼需要極其複雜的編譯器。第三方 AI 晶片(如 AMD、Intel、AWS 等)在軟體上總共花費了數十億美元,但收效甚微。

而 Sohu 只執行 transformer,因此只需要為 transformer 編寫軟體。

大多數執行開源或內部模型的公司都使用特定於 transformer 的推理庫,比如 TensorRT-LLM、vLLM 或 HuggingFace 的 TGI。

這些框架非常僵化,雖然你可以進行模型超引數調優,但實際上不支援更改底層模型程式碼。但這沒關係,因為所有 transformer 模型都非常相似(甚至是文字 / 影像 / 影片模型),所以超引數調優就是你真正需要的。

雖然 95% 的 AI 公司是這樣,但一些最大的 AI 實驗室採用定製方式。他們有工程師團隊來手動調整 GPU 核心以實現更高的利用率,並進行逆向工程以將暫存器對每個張量核心的延遲將至最低。

Etched 讓我們不需要再進行逆向工程,他們的軟體(從驅動程式、核心到服務堆疊)都將是開源的。如果你想實現自定義 transformer 層,則核心嚮導可以自由地這樣做。

創業團隊:哈佛輟學生領銜

Etched 的 CEO Gavin Uberti 告訴記者:「如果未來 Transformer 不再是主流,那我們就會滅亡。但如果它繼續存在,我們就會成為有史以來最大的公司。」

打造 Sohu 晶片的 Etched 位於加州庫比蒂諾,公司成立僅兩年,目前團隊只有 35 人,創始人是一對哈佛輟學生 Gavin Uberti(前 OctoML 和前 Xnor.ai 員工)和 Chris Zhu,他們與 Robert Wachen 和前賽普拉斯半導體公司技術長 Mark Ross 一起,一直致力於打造專用於 AI 大模型的晶片。

圖片

在 Sohu 晶片釋出的同時,Etched 也宣佈已完成了 1.2 億美元的 A 輪融資,由 Primary Venture Partners 和 Positive Sum Ventures 共同領投。Etched 的總融資額已達到 1.2536 億美元,本輪融資的重要投資者包括 Peter Thiel、GitHub 執行長 Thomas Dohmke、Cruise 聯合創始人 Kyle Vogt 和 Quora 聯合創始人 Charlie Cheever。

不過對於佔據超過 80% AI 晶片市場份額的英偉達來說,1.2 億美元只相當於它半天的收入。

「我們如此興奮的原因,選擇輟學的原因,以及我們召集團隊,投身晶片專案的原因在於 —— 這是最重要的工作,」Etched 運營主管 Robert Wachen 說道。「整個技術的未來將取決於算力基礎設施能否實現大規模。」

Uberti 聲稱到目前為止,已有匿名客戶預訂了「數千萬美元」的硬體,預計在今年三季度,Sohu 將推向市場。

未來真的如 Uberti 所說,只有在 Sohu 這樣的晶片上,影片生成、音訊生成、具身智慧等技術才能真正落地嗎?

參考內容:

https://www.etched.com/announcing-etched

https://twitter.com/Etched/status/1805625693113663834

https://www.cnbc.com/2024/06/25/etched-raises-120-million-to-build-chip-to-take-on-nvidia-in-ai.html

https://techcrunch.com/2024/06/25/etched-is-building-an-ai-chip-that-only-runs-transformer-models/

相關文章