大模型与AI底层技术揭秘（小结-上）

目前IT行业的首要热点，也就是所谓的“大模型”和“机器学习”等AI技术，背后的算法，本质上是列出一个参数方程，并根据现有样本(参数方程的输入和输出)，来迭代计算参数方程的参数，也就是所谓的调参。

最简单的机器学习算法是一元线性回归，也就是通过平面上若干个点的坐标（也称为观测值）来计算出与这些点距离总和最小的一元一次方程。具备数学知识的读者很容易就可以得出结论，每次一元线性回归需要计算6次向量卷积运算。这种简单重复的计算使用CPU是一种浪费，因此，工程师们使用GPU来执行这一计算任务。

在GPU中，具备大量的计算单元，如Nvidia的CUDA Core。在Nvidia的GPU中，CUDA Core是按照SM（Streaming processor）组织起来的。在每个SM中包含了若干CUDA Core和Tensor Core。CUDA Core可以执行加减乘除等运算，而Tensor Core可以一次性执行矩阵乘加运算。

为了帮助开发者们快速开发使用GPU进行并行运算的程序，NVidia在2008年提出了CUDA框架，并提供了相关的调用库。开发者可以很容易地使用C语言或其他高级语言，通过调用CUDA框架中的函数（写所谓的核函数），把并行化的计算任务交给GPU执行。在几年以后，Google又开发了Tensorflow机器学习框架，可以调用CUDA执行内置的常见机器学习算法。

Tensorflow还实现了多块GPU的协作运算，如把一个数万行列的矩阵拆开给多个GPU进行分布式计算。这就涉及到GPU之间的数据搬运，以及GPU从内存、硬盘搬运数据。为解决这一问题，NVidia推出了MagnumIO框架，使得GPU能够在CPU不感知的情况下，从内存、SSD盘、其他GPU，甚至远端服务器的GPU搬运数据。

GPU从远端GPU搬运数据的核心技术叫做GPU Direct Over RDMA。RDMA技术可以直接访问远端服务器的内存地址，从而实现GPU互相搬运数据。RDMA对网络的特殊需求是对丢包零容忍，因此需要以太网实现流控机制，在出现incast现象时，让发送方降低发送速度，避免拥塞丢包。

NVidia为了让业界更好地设计生产GPU服务器，率先垂范推出了DGX系列GPU服务器，如DGX A100，DGX H100等。DGX A100是一个划时代的产品，使用AMD处理器提供整机128个物理核，将GPU扣卡与主板分离设计，并引入了PCI-E Switch，扩展了CPU的IO能力，使得8块A100 GPU能够连接到主板。

在DGX A100的GPU扣卡上，还有6个NVLink Switch，提供了GPU之间的高速通信通道，GPU可以通过NVLink Switch交换数据，而不需要经过PCI-E。同时，NVidia还为每块GPU 配置了一块Mellanox CX6网卡，用于与远端服务器的GPU交换数据，这块网卡和GPU通过PCI-E Switch互联，避免CPU的PCI-E总线成为瓶颈。目前，主流的训练型GPU服务器均参照NVidia DGX系列设计。

为了实现多台DGX等GPU服务器的互联，我们还需要为其设计业务网络、存储网络和RDMA网络。其中，RDMA网络需要实现所谓的无阻塞交换，并通过以星脉高性能计算网络为代表的新一代SDN控制器进行全网的路径统筹，避免拥塞丢包。而另外两类网络可以参照云数据中心网络进设计。