腾讯发布超强算力集群：面向大模型训练

雷递网 乐天 4月14日

腾讯今日官宣，发布的面向大模型训练的新一代HCC（High-Performance Computing Cluster）高性能计算集群，称整体性能比过去提升了3倍。

这一高性能计算集群搭载了NVIDIA H800 Tensor Core GPU，能提供高性能、高带宽、低延迟的智算能力支撑，面向大模型训练，腾讯称，当前大热的人工智能大模型训练，离不开高性能的算力集群。

一般运算，由运算卡（芯片）来完成。但遇到海量运算，单块芯片无力支撑，就要将成千上万台服务器，通过网络联结，组成大型的算力集群，同心合力，更高更强。

一个人工智能大模型，通常得用数万亿个单词训练，参数量也“飙升”到了上万亿。这个时候，只有高性能的计算集群能hold住。算力集群的“强”，由单机算力、网络、存储共同决定。就像一个牢固的木桶，缺一不可。

腾讯称，腾讯云新一代集群通过对单机算力、网络架构和存储性能进行协同优化，能够为大模型训练提供高性能、高带宽、低延迟的智算能力支撑。

计算方面，性能强——

在单点算力性能最大优化的基础上，腾讯还将不同种类的芯片组合起来，GPU+CPU，让每块芯片去最恰当的地方，做最擅长的事情。

网络方面，带宽足——

GPU擅长并行计算，一次可以做多个任务。腾讯的自研星脉高性能网络，让成千上万的GPU之间互相“通气”，信息传递又快又不堵车，打一场漂亮的配合战，大模型集群训练效率提升了20%。

存储方面，读取快——

训练大模型时，几千台服务器会同时读取一批数据集，如果加载时间过长，也会成为木桶的短板。我们的最新自研存储架构，将数据分类放进不同“容器”，用作不同的场景，读取更快更高效。

随着算力需求的陡增，自己采购GPU的价格昂贵，甚至有钱也买不到，给创业企业、中小企业带来很大压力。腾讯的新一代HCC集群，能够帮助在云上训练大模型，希望缓解他们的压力。

腾讯有训练框架AngelPTM，对内支持了腾讯混元大模型的训练，也已通过腾讯云对外提供服务，在去年10月，完成了首个万亿参数大模型训练，并将训练时间缩短80%。

腾讯的TI平台（一站式机器学习平台）拥有大模型能力和工具箱，能帮助企业根据具体场景，进行精调训练，提升生产效率，快速创建和部署 AI 应用。

腾讯的自研芯片已经量产，包括用于AI推理的紫霄芯片。它采用自研存算架构和自研加速模块，可提供高达3倍的计算加速性能和超过45%的整体成本节省。

腾讯表示，正以新一代HCC为标志，基于自研芯片、自研服务器等方式，软硬一体，打造面向AIGC的高性能智算网络。