北京2023年3月22日 /美通社/ -- 亞馬遜旗下的亞馬遜云科技和英偉達宣布了一項多方合作，致力于構建全球最具可擴展性且按需付費的人工智能（AI）基礎設施，以便訓練日益復雜的大語言模型（LLM）和開發生成式AI應用程序。
借助由NVIDIA H100 Tensor Core GPU支持的下一代Amazon Elastic Compute Cloud（Amazon EC2）P5實例，以及亞馬遜云科技最先進的網絡和可擴展性，此次合作將提供高達20 exaFLOPS的計算性能來幫助構建和訓練更大規模的深度學習模型。P5實例將是第一個利用亞馬遜云科技第二代Amazon Elastic Fabric Adapter（EFA）網絡技術的GPU實例，可提供3200 Gbps的低延遲和高帶寬網絡吞吐量。因此客戶能夠在Amazon EC2 UltraCluster中擴展多達2萬個H100 GPU，滿足按需訪問超級計算機的AI性能需求。
"亞馬遜云科技和英偉達合作已超過12年，為人工智能、機器學習、圖形、游戲和高性能計算（HPC）等各種應用提供了大規模、低成本的GPU解決方案。"亞馬遜云科技首席執行官Adam Selipsky表示，"亞馬遜云科技在交付基于GPU的實例方面擁有無比豐富的經驗，每一代實例都大大增強了可擴展性，如今眾多客戶將機器學習訓練工作負載擴展到1萬多個GPU。借助第二代Amazon EFA，客戶能夠將其P5實例擴展到超過2萬個英偉達H100 GPU，為包括初創公司、大企業在內的所有規模客戶提供所需的超級計算能力。"
"加速計算和人工智能已經到來，而且適逢其時。加速計算提升性能的同時，降低了成本和功耗，讓企業事半功倍。生成式AI已促使企業重新思考產品和商業模式，力求成為顛覆者，而不是被顛覆。"英偉達創始人兼首席執行官黃仁勛表示，"亞馬遜云科技是英偉達的長期合作伙伴，也是首家提供英偉達GPU的云服務提供商。我們很高興能夠結合各自的專長、規模和業務范圍，幫助客戶利用加速計算和生成式AI抓住未來的大好機遇。"
新的超級計算集群
新的P5實例構建于亞馬遜云科技和英偉達十多年來在AI和HPC基礎設施交付方面的合作基礎之上，也立足于雙方在P2、P3、P3dn和P4d(e）前四代實例方面的合作。P5實例是基于英偉達GPU的第五代亞馬遜云科技產品，與最初部署的英偉達GPU（始于CG1實例）已相隔近13年。
P5實例非常適合對日益復雜的LLM和計算機視覺模型進行訓練和運行推理，并應用于要求嚴苛的計算密集型生成式AI應用程序，包括問題回答、代碼生成、視頻圖像生成和語音識別等領域。
對于致力于以可擴展和安全的方式將AI賦能的創新推向市場的企業和初創公司而言，P5實例是不二之選。P5實例采用8個英偉達H100 GPU，能夠在一個Amazon EC2實例中實現16 petaFLOPs的混合精度性能、640 GB的高帶寬內存和3200 Gbps的網絡連接（比上一代實例高出8倍）。P5實例性能的提升使機器學習模型訓練時間加快了6倍（將訓練時間從數天縮短到數小時），額外的GPU內存可幫助客戶訓練更龐大更復雜的模型。預計P5實例的機器學習模型訓練成本將比上一代降低40%。相比靈活性較差的云產品或昂貴的本地系統，它為客戶提供了更高的效率。
Amazon EC2 P5實例部署在Amazon EC2 UltraCluster的超大規模集群中，該集群由云端最高性能的計算、網絡和存儲系統組成。每個EC2 UltraCluster都是世界上功能最強大的超級計算機之一，助力客戶運行最復雜的多節點機器學習訓練和分布式HPC工作負載。它們采用PB級無阻塞網絡，基于Amazon EFA，這種面向Amazon EC2實例的網絡接口使客戶能夠在亞馬遜云科技上運行需要在大規模高級節點間通信的應用程序。EFA的定制操作系統繞過硬件接口，并與英偉達GPUDirect RDMA整合，可降低延遲、提高帶寬利用率，從而提升實例間通信性能，這對于在數百個P5節點上擴展深度學習模型的訓練至關重要。借助P5實例和EFA，機器學習應用程序可以使用NVIDIA Collective Communications Library（NCCL）擴展到多達2萬個H100 GPU。因此，客戶可以通過亞馬遜云科技的按需彈性和靈活擴展能力，獲得本地HPC集群的應用性能。除了這些出色的計算能力外，客戶可以使用業界最廣泛最深入的服務組合，比如面向對象存儲的Amazon S3、面向高性能文件系統的Amazon FSx，以及用于構建、訓練和部署深度學習應用的Amazon SageMaker。P5實例將在今后幾周提供有限預覽版。欲了解詳情，請訪問https://pages.awscloud.com/EC2-P5-Interest.html。
借助新的Amazon EC2 P5實例，Anthropic、Cohere、Hugging Face、Pinterest和Stability AI等客戶將能夠大規模構建和訓練最龐大的機器學習模型。基于其它幾代Amazon EC2實例的合作將幫助初創公司、大企業和研究人員無縫擴展來滿足各自的機器學習需求。
Anthropic構建了可靠、可解釋和可操控的AI系統，將創造巨大商業價值并造福公眾。 "Anthropic正在努力構建可靠、可解釋和可操控的AI系統。雖然當前已有的大型通用AI系統大有助益，但它們卻是不可預測、不可靠和不透明的。我們的目的是解決這些問題，為人們部署更實用的系統。"Anthropic的聯合創始人Tom Brown表示，"我們是全球為數不多的在深度學習研究領域建立基礎模型的組織之一。這種模型高度復雜，為了開發和訓練先進的模型，我們需要在龐大的GPU集群中有效地分布這些模型。我們正在廣泛應用Amazon EC2 P4實例，我們更為即將發布的P5實例感到興奮。預計P5實例會提供比P4d實例更顯著的性價比優勢，它們可以滿足構建下一代大語言模型和相關產品的大規模需求。"
Cohere是自然語言AI領域的先驅，它幫助開發者和企業使用世界領先的自然語言處理（NLP）技術構建出色的產品，同時確保數據的隱私和安全。 "Cohere不遺余力地幫助企業利用自然語言AI的強大功能，以自然直觀的方式探索、生成和搜索信息，并做出反應，并將產品部署在多云的數據環境中，為客戶提供最佳體驗。"Cohere首席執行官Aidan Gomez表示，"基于英偉達H100的Amazon EC2 P5實例將釋放企業潛能，利用計算能力以及Cohere最先進的LLM和生成式AI能力，更快地開發產品、拓展業務和擴大規模。"
Hugging Face的使命是普及優秀的機器學習。 "作為發展最迅猛的機器學習開源社區，我們如今在面向NLP、計算機視覺、生物學和強化學習等領域的平臺上提供逾15萬個預訓練模型和2.5萬個數據集。"Hugging Face首席技術官兼聯合創始人Julien Chaumond表示，"鑒于大語言模型和生成式AI取得了顯著進步，我們正與亞馬遜云科技合作，以構建和貢獻未來的開源模型。我們希望在結合了EFA的UltraCluster集群中通過大規模Amazon SageMaker使用Amazon EC2 P5實例，加快為所有客戶交付新的基礎AI模型。"
如今，全球超過4.5億人通過Pinterest尋找視覺靈感，以購買符合自己品味的個性化產品、尋求線下創意，并發現最有才華的創作者。 "我們在用例中廣泛使用深度學習技術，比如對上傳到我們平臺上的數十億張照片進行標記和分類，以及讓用戶獲得從靈感到付諸行動的視覺搜索能力。"Pinterest首席架構師David Chaiken表示，"我們使用P3和最新的P4d等Amazon GPU實例構建和部署了這些應用場景。我們希望使用由H100 GPU、EFA和Ultracluster加持的Amazon EC2 P5實例，加快產品開發，為我們的客戶提供共情式AI（Empathetic AI）體驗。"
作為多模態、開源AI模型開發和部署領域的領導者，Stability AI與公共和私營部門的合作伙伴合作，將這種下一代基礎架構提供給全球受眾。 "Stability AI的目標是最大限度地提高現代AI的普及性，以激發全球創造力和創新性。"Stability AI首席執行官Emad Mostaque表示，"我們于2021年開始與亞馬遜云科技合作，使用Amazon EC2 P4d實例構建了一個潛在的文本到圖像擴散模型Stable Diffusion，我們將該模型部署在大規模環境下，將模型訓練時間從數月縮短到數周。當致力于開發下一代開源生成式AI模型并擴展到新模型時，我們很高興能使用第二代EC2 UltraCluster中的Amazon EC2 P5實例。我們預計P5實例會進一步將我們的模型訓練時間縮短4倍，從而使我們能夠以更低的成本更快地提供突破性的AI。"
為可擴展、高效的AI采用新的服務器設計
在H100發布之前，英偉達和在熱力、電氣和機械領域擁有專業知識的亞馬遜云科技工程團隊合作設計了服務器，以利用GPU提供大規模AI，重點關注亞馬遜云科技基礎設施的能源效率。在某些AI工作負載下，GPU的能效通常是CPU的20倍，對于LLM而言，H100的能效比CPU高300倍。
雙方的合作包括開發系統散熱設計、集成式安全和系統管理、與Amazon Nitro硬件加速虛擬機管理程序一起實現安全性，以及針對亞馬遜云科技定制EFA網絡結構的英偉達GPUDirect?優化技術。
在亞馬遜云科技和英偉達專注于服務器優化工作的基礎上，兩家公司現已開始合作開發未來的服務器設計，以借助新一代系統設計、冷卻技術和網絡可擴展性提高擴展效率。
