微軟已經(jīng)開始將其在美國各地的人工智能數(shù)據(jù)中心連接起來，創(chuàng)建了一種稱為新型連接系統(tǒng)——“人工智能超級工廠”。該網(wǎng)絡(luò)中的前兩個站點位于佐治亞州亞特蘭大和威斯康星州，亞特蘭大自今年10月以來一直在運營，威斯康星州上周公開推出。這些設(shè)施由高速專用光纖骨干網(wǎng)連接，旨在在大規(guī)模的人工智能工作負載上協(xié)同工作，近乎實時跨站點拆分和同步作業(yè)。

這種連接的架構(gòu)，微軟稱之為Fairwater（靜水），代表了從孤立的云區(qū)域到統(tǒng)一的、特定于任務(wù)的基礎(chǔ)設(shè)施模型的轉(zhuǎn)變。該公司表示，這些網(wǎng)站經(jīng)過優(yōu)化，可以使用數(shù)十萬個GPU運行計算繁重的人工智能作業(yè)，而不是處理數(shù)百萬個較小的工作負載。

隨著微軟擴大其人工智能基礎(chǔ)設(shè)施的足跡，預(yù)計未來幾個月將有更多的Fairwater地點上線。微軟高管表示，這種做法標志著大規(guī)模人工智能系統(tǒng)的構(gòu)建和運營方式發(fā)生了根本性轉(zhuǎn)變。

微軟專注于Azure基礎(chǔ)設(shè)施的總經(jīng)理Alistair Speirs表示：“這是關(guān)于構(gòu)建一個分布式網(wǎng)絡(luò)，它可以作為一臺虛擬超級計算機，以一種在單一設(shè)施中無法實現(xiàn)的方式應(yīng)對世界上最大的挑戰(zhàn)。”

他補充道：“傳統(tǒng)的數(shù)據(jù)中心旨在為多個客戶運行數(shù)百萬個獨立的應(yīng)用程序?！薄拔覀兎Q之為人工智能超級工廠的原因是，它在數(shù)百萬個硬件上運行同一項復(fù)雜的工作。這不僅僅是一個訓(xùn)練人工智能模型的單一站點，而是一個支持這項工作的站點網(wǎng)絡(luò)?！?/p>

大多數(shù)云數(shù)據(jù)中心都是作為單層倉庫構(gòu)建的，以支持廣泛的應(yīng)用程序。Fairwater采用了一種不同的方法，使用兩層設(shè)計在更小的空間內(nèi)堆疊更多的GPU機架。這種垂直布局縮短了組件之間的距離，有助于減少延遲并加快系統(tǒng)之間的通信。

在機架內(nèi)，微軟正在使用英偉達的GB200 NVL72系統(tǒng)——為大規(guī)模人工智能作業(yè)設(shè)計的72個GPU的預(yù)配置集群。該公司表示，這種設(shè)置允許Fairwater架構(gòu)在各個站點擴展到數(shù)十萬個GPU。據(jù)微軟稱，芯片和機架設(shè)計提供了目前所提供的任何云平臺中最高的每機架吞吐量。

保持硬件溫度是另一個關(guān)鍵區(qū)別。Fairwater設(shè)施依靠先進的閉環(huán)液體冷卻系統(tǒng)，而不是傳統(tǒng)的冷卻塔或恒定的取水口。該公司表示，這種設(shè)置幾乎不使用額外的水，并支持緊湊型人工智能加速器的散熱需求。站點內(nèi)的智能網(wǎng)絡(luò)有助于GPU高效地相互通信，同時每個位置也硬連線到微軟的專用光纖網(wǎng)絡(luò)中，作為更大分布式系統(tǒng)的一部分連接到其他Fairwater站點。

微軟Cloud+AI執(zhí)行副總裁Scott Guthrie表示：“在人工智能領(lǐng)域處于領(lǐng)先地位不僅僅是增加更多的GPU，而是建立使它們作為一個系統(tǒng)協(xié)同工作的基礎(chǔ)設(shè)施?！?/p>

他說：“我們花了數(shù)年時間推進可靠訓(xùn)練最大模型所需的架構(gòu)、軟件和網(wǎng)絡(luò)，這樣我們的客戶就可以充滿信心地進行創(chuàng)新。Fairwater反映了端到端的工程，旨在通過實際性能而不僅僅是理論能力來滿足日益增長的需求?！?/p>

將所有這些連接在一起的是一個專門為人工智能構(gòu)建的專用網(wǎng)絡(luò)。微軟已經(jīng)鋪設(shè)了超過19.3萬多公里的光纖來連接其Fairwater站點——不是用于一般的云流量，而是用于依賴速度和緊密協(xié)調(diào)的高強度訓(xùn)練工作。該公司建立了一個自定義協(xié)議，可以在站點之間以最小的延遲移動數(shù)據(jù)，因此即使相隔數(shù)百公里的設(shè)施也可以像一臺機器一樣運行。

隨著越來越多的網(wǎng)站上線，該網(wǎng)絡(luò)旨在與他們一起發(fā)展。每個設(shè)施都遵循相同的布局，插入相同的互連，并有助于將能源負荷分散到不同的地區(qū)。這個想法是在不達到網(wǎng)格限制的情況下進行擴展，也不必每次都重新發(fā)明架構(gòu)。

“為了提高人工智能的能力，你需要有越來越大的基礎(chǔ)設(shè)施來訓(xùn)練它。”微軟Azure首席技術(shù)官、首席信息安全官副兼技術(shù)研究員Mark Russinovich說?！艾F(xiàn)在訓(xùn)練這些模型所需的基礎(chǔ)設(shè)施數(shù)量不僅僅是一個數(shù)據(jù)中心，也不是兩個，而是更多個。”

微軟正在下大賭注——不是在更大更多的芯片上，而是在更智能的基礎(chǔ)設(shè)施上。該公司認為，人工智能的未來不會依賴于孤立的超級計算機，而是依賴于緊密相連的站點作為一個整體協(xié)同工作。Fairwater首次嘗試大規(guī)模證明這一想法。每個數(shù)據(jù)中心都連接到下一個數(shù)據(jù)中心，在全國范圍內(nèi)形成一種人工智能網(wǎng)格。

其他公司也在快速發(fā)展，但到目前為止，還沒有人公開以這種方式將他們的設(shè)施聯(lián)系在一起。無論這是成為一種持久的優(yōu)勢，還是只是一條前進的道路，有一件事是清楚的：人工智能軍備競賽正在向數(shù)據(jù)中心更深入地發(fā)展——在這場競賽中，架構(gòu)和計算能力一樣重要。

與 Ai 時代前沿合作，將大門向更多普通用戶敞開！無論你是對新技術(shù)充滿好奇心的愛好者，還是希望提升自己技能的職場人士，這里都有適合你的課程和資源。歡迎掃碼加入我們！