新一代 HCC 高效能運算集群，採用最新一代星星海自研伺服器，搭載英偉達 H800 Tensor Core GPU。
騰訊官方稱，該叢集基於自研網路、儲存架構，帶來 3.2T 超高連網頻寬、TB 級吞吐能力和千萬級 IOPS。實測結果顯示，新一代集群算力效能較前代提升 3 倍。
去年 10 月，騰訊完成首個萬億參數的 AI 大模型 —— 混元 NLP 大模型訓練。在同等資料集下，將訓練時間由 50 天縮短至 11 天。如果基於新一代集群，訓練時間將進一步縮短至 4 天。
運算層面，伺服器單機效能是叢集算力的基礎，騰訊雲新一代叢集的單 GPU 卡在不同精確度下，支援輸出最高 1979 TFlops 的算力。
針對大模型場景，星星海自研伺服器採用6U 超高密度設計，相較業界可支援的上架密度提高30%；利用平行運算概念，透過CPU 與GPU 節點的一體化設計，將單點算力效能提升至更高。
網路層面，計算節點間，存在著海量的資料互動需求。隨著叢集規模擴大，通訊效能會直接影響訓練效率，需要實現網路和運算節點的最大協同。
騰訊自研的星脈高效能運算網絡，號稱具備業界最高的 3.2T RDMA 通訊頻寬。實測結果顯示，搭載同等數量的 GPU，3.2T 星脈網絡相較 1.6T 網絡，集群整體算力提升 20%。
同時，騰訊自研的高效能集合通訊庫 TCCL，融入客製化設計的解決方案。相對業界開源集合通訊庫，為大模型訓練優化 40% 負載效能，消除多個網路原因導致的訓練中斷問題。
儲存層面，大模型訓練中，大量運算節點會同時讀取一批資料集，需要盡可能縮短資料載入時長，避免運算節點產生等待。
騰訊雲端自研的儲存架構，具備 TB 級吞吐能力和千萬級 IOPS，支援不同場景下對儲存的需求。 COS GooseFS 物件儲存方案和 CFS Turbo 高效能檔案儲存方案，充分滿足大模型場景下高效能、大吞吐和海量儲存需求。
此外，新一代叢集整合了騰訊雲自研的TACO 訓練加速引擎，對網路協定、通訊策略、AI 框架、模式編譯進行大量系統級最佳化，大幅節約訓練調優和算力成本。
騰訊混元大模型背後的訓練架構 AngelPTM，也已透過騰訊雲端 TACO 提供服務，幫助企業加速大模式落地。
透過騰訊雲端 TI 平台的大模型能力和工具箱，企業可結合產業場景資料進行精調訓練，提升生產效率、快速創建和部署 AI 應用。
依托分散式雲端原生的治理能力，騰訊雲智算平台提供 16 EFLOPS 的浮點算力。
以上是騰訊發布新一代超強算力集群：面向大模型訓練，效能提升 3 倍的詳細內容。更多資訊請關注PHP中文網其他相關文章！
