Tiếp theoHướng dẫn tiếp theo
Ước tính bộ nhớ GPU cần thiết cho LLM
kỹ thuật
HƯỚNG DẪN KỸ THUẬT
Bộ nhớ băng thông cao
Bộ nhớ băng thông cao (HBM) là bộ nhớ xếp chồng được đặt ngay cạnh GPU giúp cung cấp dữ liệu nhanh hơn nhiều so với RAM thông thường.
Nghe hướng dẫn nàyAI thuật lại · ~2 min
Trên trang nàyĐọc trong 2 phút
Tổng quan
Đó là thứ giúp các bộ tăng tốc AI luôn được cung cấp năng lượng, ngăn các lõi điện toán mạnh mẽ không hoạt động trong khi chờ đợi trọng lượng và dữ liệu của mô hình.
Lặn sâu
HBM giải quyết nút cổ chai cơ bản: chip AI hiện đại có thể thực hiện hàng nghìn tỷ thao tác mỗi giây, nhưng chỉ khi dữ liệu đến đủ nhanh. Bộ nhớ GDDR tiêu chuẩn kết nối qua một bus tương đối hẹp, trong khi HBM xếp chồng nhiều DRAM theo chiều dọc và kết nối chúng bằng hàng nghìn dây dọc nhỏ gọi là vias xuyên silicon (TSV). Các ngăn xếp này nằm trên một bộ chuyển đổi silicon cách GPU vài milimet, tạo ra đường dẫn dữ liệu cực rộng, xử lý hàng nghìn bit cùng một lúc thay vì hàng trăm. Kết quả là băng thông được đo bằng terabyte mỗi giây. Các thế hệ đã nâng cấp từ HBM2 lên HBM2e, HBM3 và HBM3e, mỗi thế hệ đều nâng cao cả công suất và tốc độ. Đối với các mô hình ngôn ngữ lớn, có trọng số phải được truyền phát liên tục, dung lượng và băng thông HBM thường quan trọng hơn tính toán thô.
Triển khai trong thế giới thực
Giữ trọng số hàng chục hoặc hàng trăm gigabyte cho một mô hình ngôn ngữ lớn gần GPU để chúng có thể được truyền phát trong mỗi bước suy luận.
Cho phép GPU trung tâm dữ liệu NVIDIA H100 và H200 đạt băng thông bộ nhớ nhiều terabyte mỗi giây để đào tạo.
Hỗ trợ các cụm đào tạo AI nơi có nhiều GPU dựa vào HBM để tránh bị đình trệ giữa các hoạt động ma trận.
Hỗ trợ các mô hình hình ảnh và video có độ phân giải cao phải di chuyển các tensor kích hoạt khổng lồ vào và ra khỏi bộ nhớ một cách nhanh chóng.
Tương lai của bộ nhớ băng thông cao
Băng thông bộ nhớ hiện là hạn chế hàng đầu đối với AI, vì vậy HBM đang phát triển nhanh chóng. HBM3e đang được vận chuyển trong các máy gia tốc hàng đầu, trong đó HBM4 sắp ra mắt hứa hẹn các giao diện rộng hơn, ngăn xếp cao hơn và nhiều dung lượng hơn trên mỗi gói. Mong đợi sự đồng thiết kế chặt chẽ hơn giữa bộ nhớ và logic, có thể là khuôn cơ sở tùy chỉnh và xử lý gần bộ nhớ, cộng với sự cạnh tranh khốc liệt giữa các nhà cung cấp như SK hynix, Samsung và Micron. Khi các mô hình phát triển, việc thu thập nhiều dữ liệu hơn để tính toán nhanh hơn và tiêu thụ ít năng lượng hơn sẽ là trọng tâm trong quá trình phát triển phần cứng AI.
Đưa nó vào thực tế
Tại sao nó quan trọng
- Chi phí và ngân sách. Các quyết định về kiến trúc sẽ thúc đẩy hiệu suất và chi phí vận hành trong nhiều năm.
- Quyết định rõ ràng hơn. Giáo dục kỹ thuật giúp các nhóm chọn nhóm phù hợp chứ không chỉ nhóm mới nhất.
- Kiểm soát chất lượng. Lựa chọn kỹ thuật tốt hơn làm giảm sự cố về độ tin cậy trong sản xuất.
coi chừng
- Tối ưu hóa một điểm chuẩn có thể che giấu những điểm yếu của hệ thống rộng hơn.
- Chi phí cơ sở hạ tầng và bảo trì thường được đánh giá thấp.
- Khoảng cách về bảo mật và khả năng quan sát có thể tăng lên khi hệ thống trở nên phức tạp hơn.
Các bước tiếp theo
- Xác định các mục tiêu về độ trễ, chất lượng và chi phí trước khi triển khai.
- Điểm chuẩn trong điều kiện tải và dữ liệu thực tế.
- Giám sát thiết bị về lỗi, độ lệch và tác động của người dùng.
- Chuẩn bị đường dẫn khôi phục và ứng phó sự cố trước khi mở rộng quy mô.
Tiếp tục khám phá
Bản tin miễn phí
Nhận bản tóm tắt AI hàng ngày
Ba câu chuyện AI đã được xác minh vào mỗi buổi sáng các ngày trong tuần, được viết bằng tiếng Anh đơn giản. Miễn phí mãi mãi, không có quảng cáo.
Một email mỗi ngày trong tuần. Hủy đăng ký trong một cú nhấp chuột. Chúng tôi không bao giờ bán hoặc chia sẻ địa chỉ của bạn.
Tự kiểm tra
Take the High Bandwidth Memory quiz
Phản hồi tức thì về mọi câu trả lời và chứng chỉ có thể chia sẻ với ID có thể xác minh sau khi bạn vượt qua khóa học.
Hỗ trợ giáo dục AI miễn phí. AI Understanding là tổ chức phi lợi nhuận 501(c)(3) — không bao giờ có quảng cáo, không có tường phí. Hãy quyên góp
Câu hỏi thường gặp
Bộ nhớ băng thông cao là gì?
Bộ nhớ băng thông cao (HBM) là bộ nhớ xếp chồng được đặt ngay cạnh GPU giúp cung cấp dữ liệu nhanh hơn nhiều so với RAM thông thường. Đó là thứ giúp các bộ tăng tốc AI luôn được cung cấp năng lượng, ngăn các lõi điện toán mạnh mẽ không hoạt động trong khi chờ đợi trọng lượng và dữ liệu của mô hình.
Bộ nhớ băng thông cao giải quyết vấn đề chính nào cho máy gia tốc AI?
Chip AI chỉ có thể thực hiện hàng nghìn tỷ thao tác mỗi giây nếu dữ liệu đến đủ nhanh; HBM cung cấp băng thông đó để các lõi không bị thiếu.
HBM được xây dựng về mặt vật lý khác với bộ nhớ GDDR thông thường như thế nào?
HBM xếp các DRAM chồng lên nhau và liên kết chúng với hàng nghìn dây dọc (TSV), tạo ra đường dẫn dữ liệu rất rộng.
HBM chủ yếu dựa vào điều gì để đạt được băng thông cao?
Thay vì tăng tốc nhanh hơn, HBM có giao diện rất rộng (1024 bit trên mỗi ngăn xếp trở lên) nên nhiều byte di chuyển cùng một lúc.
Tại sao các ngăn xếp HBM được đặt trên một bộ chuyển đổi silicon ngay cạnh GPU?
Các dây ngắn trên bộ chuyển tiếp dùng chung giúp giảm năng lượng cần thiết cho mỗi bit được truyền và giảm độ trễ giữa bộ nhớ và điện toán.
Đặc biệt đối với các mô hình ngôn ngữ lớn, tại sao HBM lại quan trọng như tính toán thô?
Suy luận LLM liên tục truyền các ma trận có trọng số lớn, do đó dung lượng bộ nhớ và băng thông thường trở thành yếu tố hạn chế thay vì thông lượng tính toán.
Tiếp tục học hỏi
Hướng dẫn liên quan
Đã chọn thêm hướng dẫn cho chủ đề này