大模型国产化算力方案

 

方案1 -  摩尔线程

MTT S4000 | 摩尔线程

大模型训练平台架构

摩尔线程大模型训练平台，完全兼容 CUDA 和 Pytorch 训练系统，支持 Megatron-LM、DeepSpeed、FSDP 和 Colossal-AI 等大模型分布式训练框架。具有全兼容、高性能、高灵活性和简单易用等特点。支持 GPT 系列、LLaMA 系列、GLM 系列等常见大模型的一键千卡训练。使用夸娥千卡智算集群进行大模型训练，线性加速比可达91%以上。支持 Pytorch 用户自主研发，支持模型训练全监控、自动拉起、断点续训等功能。

大模型训练 / 微调实例

MTT S4000 配备的 Tensor 核心算力、48GB 显存以及超高速卡间互连接口 MTLink，可以有效支持多种主流大语言模型训练，包括： LLaMA / GPT / ChatGLM / Qwen / Baichuan 等。 通过摩尔线程大模型训练平台，支持单机 8 卡和多机多卡等多种分布式训练策略，加速从 60 亿参数到千亿参数大语言模型训练以及微调任务。

集群扩展效率

摩尔线程 KUAE 千卡模型训练平台，支持千亿参数模型的预训练、微调和推理，可实现 91% 的千卡集群线性加速比，摩尔线程从应用、分布式系统、训练框架、通讯库、固件、算子、硬件全方位进行优化。MTLink 是基于 MTT S4000 自研的卡间互连技术，支持 2 卡、4卡、8 卡 MTLink Bridge 互连，提升了卡间互连带宽，卡间互连 I/O 带宽达到 240GB/s，可加速集群从 64 卡到 1024 卡的训练速度以及多卡互连的线性度。

参数规格

相关的报道可以看 https://www.thepaper.cn/newsDetail_forward_25728333

方案2 - 华为昇腾910

华为昇腾910代表昇腾系列AI新品的最强算力，是V100的2倍以上，略微超A100/A800 80G PCIe版本，但是相比H100/H800仍有不小的差距。

显存64GB