GPU云产品体系介绍和应用场景分享

百度智能云异构计算产品经理：玄凌博

由于今天主要围绕算力维度进行讨论，所以首先回顾下企业在计算方面的发展。按照时间维度，企业有四个典型的计算发展阶段：

1、2006年以前，大多数企业仍是以传统物理机为主的单体IT架构；
2、2006年以后，随着企业上云的大趋势，迎来了云计算的时代，并随着云服务器、弹性裸金属等产品的爆发，能够弹性按需的满足企业对IT资源的使用诉求；
3、2017年以后，随着云原生技术的成熟，像容器、微服务等技术不断的商业化落地，能够为企业提供极致弹性，云原生应用的开发架构；
4、2020年以后，随着人工智能技术不断的爆发及增长，现在正迎来一个AI原生云的阶段。企业需要极强的AI算力，来满足各个 AI应用相关的开发及训练。在这个时代，云服务器厂商需要提供极致弹性且高性能AI算力，是适用于AI应用开发的云架构。

为了更好的解决人工智能计算的并发问题，通常会使用适用于计算密集且易于并行计算的GPU。

随着计算架构的不断发展，异构计算加速器通常会包含多种计算核心，来更有效率的加速特殊数据格式的计算。以NVIDIA GPU为例，通常CUDA Core是面向通用计算的计算核，能够计算几乎所有的数据格式。RT Core则是面向渲染里做光线追踪的加速单元，而Tensor Core则是面向人工智能或深度学习里做矩阵向量乘加的核心。近年来，很多国产的AI芯片也采取了类似的思路和策略，例如昆仑芯，包含拥有大量的面向矩阵做加速的处理单元。

异构计算是AI原生时代重要的算力底座。百度内部拥有大量的AI应用场景，多年的AI算力建设经验和技术积累，通过百度智能云对外提供的异构计算云服务，能够赋能千行百业。

云上的异构计算服务主要分为两种：一种是以BCC异构计算云服务器的形态，提供极致弹性、灵活、高性价比的算力规格。而搭配BBC异构计算的弹性裸金属服务器，能够做到算力的零虚拟化损失、百分百服务于客户业务，提供极高性能的算力，且满足部分客户对安全隔离性的要求。

回到异构加速卡，百度智能云支持丰富的异构加速卡的型号，支持英伟达最新的安培架构计算卡，也提供自研的加速芯片昆仑芯。在高性能的异构计算上，用户可以在分钟级创建以往可能花费需要数月来构建的InfiniBand集群环境。

在产品命名上，主力产品的实例规格族和异构卡类型是一一对应的，比如GN5通常会支持英伟达安培架构的卡，GN3会支持上一代的架构，像V100、T4等。在实例规格的搭配方面，实例根据GPU的一些物理规格，例如显存、SM等，经过了合理CPU、内存配比。针对部分的异构计算卡也提供了像vGPU的实例，能够提供更具性价比的计算算力和渲染算力服务。

在面向AI应用爆发的时代，异构计算产品也在不断打磨，推出新的产品特性。除了业界对云服务的一些通用要求，像运维及弹性按需之外，百度智能云也深耕GPU虚拟化技术，通过透传、GPU分片以及多容器共享等技术，能够更好的提高客户对资源的利用率。在硬件层面上，也是百度智能云投入的重点，陆续推出了自研的AI芯片、AI架构服务器，即X-MAN，以及云上高性能的网络组网方式，目的是能够不断提高AI全栈的负载计算效率。

下面会围绕异构计算卡、服务器和网络几个方面介绍下百度智能云的产品能力。

不同GPU的型号都有不同的定位，面向计算的GPU，比如AI推理、训练或者HPC的型号，通常会在双精度浮点FP64以及半精度FP 16上做一些特殊的加强。有些gpu则会支持更多的应用场景，例如A10，有更多的CUDA Core和RT Core，在渲染场景也有很好的性能，提供更强的单精度算力。

除了计算单元，显存也是一个很重要的参数。A100 和A30都是支持HBM的。对于一些访问密集型的计算，HBM显存会有更强的性能表现。此外一点是GPU的P2P能力，PCle这一代在双向带宽上可以做到64GB，而支持NVLink的计算卡，比如A100、V100，能够在 GPU P2P上有进一步的能力提升，像最新的NVLink 3.0，可以做到双向600GB的量级。

除了英伟达的卡，昆仑芯也来迎来了第二代。第二代的昆仑芯在性能上都有了全方位、大幅度的提升，比如在通用性以及各个规格的算力，工艺也从13纳米到了7纳米。除了性能的提升，也集成了ARM核，可以更好的适用于一些边缘计算场景。此外，也考虑到了分布式的典型AI应用场景，昆仑芯也可以支持K-Link这种高速P2P能力。如果客户在云上突然对虚拟化有一些诉求，昆仑芯可以在物理上支持虚拟化。在软件的适配性上，提供了更友好的开发环境，支持C和C++编程。

本次讲解的重点话题是云上的高性能计算集群，以往企业搭建一套高性能计算集群，需要投入极高的人力成本和数月的时间成本。而大部分客户使用高性能计算，追求的是极高的业务时效性。使用百度智能云可以分钟级获取到一套高性能的异构计算实例，也就是利用最新发布的高性能H5系列，来组建高性能集群，这套实体也是基于X-MAN架构来对外提供服务。

在计算效率上，数据的访问效率及通信效率都进行了硬件层面的升级与增强；在配置上，标配了业界最高规格的配置，比如英特尔铂金系列CPU，全闪存的本地盘，还有和GPU 1:1配比的InfiniBand网卡；I/O设备可以直连A 100 GPU，这样可以通过GDR、GDS加速GPU读取I/O设备的访问效率。

在集群分布式的AI训练中，往往会有一半的时间用于GPU节点之间做梯度交换，而在交换时则会造成计算资源的闲置或浪费，影响了整个模型的收敛效率。那RDMA的高性能网络，可以极大的降低节点之间的时延，而InfiniBand作为天然支持RDMA的通信协议，有极强的性能表现。InfiniBand对比传统TCP IP协议，对时延有极大的提升。

从实际模型的训练表现来看，以BERT的训练为例子，高性能计算 H5对比云上普通的A100，在单节点上差距并不明显，但在整个集群训练中，即便是4节点的小规模计算集群，高性能计算H5也可以带来近2倍的吞吐性能。更高的吞吐意味着模型收敛时间可以进一步降低，一个小时的训练任务可以缩短到接近半个小时，成本可以节约近50%。

那么如何更有效率的发挥硬件的性能？百度在去年推出了百度百舸·AI异构计算平台，除了高性能H5这些计算实例外，也推出了AI容器、AI存储，进一步能提高GPU工作效率和作业效率，像AI存储可以提供百万级IOPS和百万GB吞吐的能力，可以进一步的提高训练数据读取效率；AI容器则提供多种调度以及GPU增强能力，比如AI作业调度、集群管理能力，并且提供GPU容器虚拟共享。

视频回放链接：https://www.bilibili.com/video/BV1UF411s7bL