生成式 AI 正在改變我們與科技互動的方式，並在提升企業效率的領域，開啟了廣大契機。但這些進步需要更大的計算能力和記憶體、以及更精準的溝通方式，才能訓練並微調功能最強大的模型，以為全球使用者提供順暢的互動服務體驗。十多年來，我們一直在開發客製化的 AI 專用硬體：Tensor Processing Unit（TPU），以推動 AI 在規模及效率的極限。
今天我們在 Google I/O 大會所發表的諸多創新都是由 TPU 所支援，這些創新包括 Gemini 1.5 Flash、Imagen 3 和 Gemma 2 等全新模型，這些模型不但是以 TPU 訓練打造，也透過 TPU 提供服務。為了提供下一代前沿模型，並協助使用者也能加入創新行列，我們很高興地宣布推出 Trillium，它是我們的第 6 代 TPU，也是迄今為止效能最高以及最節能的 TPU。
與 TPU v5e 相比，Trillium TPU 每一晶片峰值計算效能提升了 4.7 倍，為相當驚人的表現。我們將高頻寬記憶體（High Bandwidth Memory, HBM）的容量與頻寬提升 1 倍，晶片間互連網路（Interchip Interconnect, ICI）頻寬也提高了一倍。此外，Trillium 還配備了第三代 SparseCore，這是處理超大嵌體的專用加速器，常用於處理進階排名與推薦工作負載。Trillium TPU 可以更快速地訓練下一代基礎模型，並以較短的延遲時間與較低成本提供模型服務。重要的是，我們第 6 代 TPU 也最具永續特質：與 TPU v5e 相比， Trillium TPU 的能源效率高出 67%。
Trillium 可以在單個高頻寬、低延遲的 Pod 上擴展到多達 256 個 TPU。除了該 Pod 級別的可擴充性外，Trillium TPU 利用多切片技術（Multislice technology）和 Titanium 智慧處裡單元（Intelligence Processing Unit）優勢，還能擴充到數百個 Pods，連結媲美建築物的超級電腦中的數萬個晶片，這些晶片透過每秒多個 PB（petabit）的速率互連資料中心網路。
十多年前，Google 意識到需要一款專用於機器學習的全新晶片。因此，2013 年，我們開始研發製造全球首款專為 AI 打造的加速器 TPU v1，並於 2017 年推出首款 Cloud TPU。TPU 是 Google 許多廣受歡迎服務的最大功臣之一，要是少了它，我們的即時語音搜尋、相片物件識別和互動式語言翻譯，以及最先進的 Gemini、Imagen 及 Gemma 基礎模型等服務都無法問世。事實上，TPU 的規模和效率為 Google Research 的 Transformers 基礎工作奠定了基礎，而 Transformers 則是當今生成式 AI 的演算法基礎。
TPU 是專為神經網路而打造的，我們始終致力於進一步縮短 AI 工作負載的訓練和服務時間。和 TPU v5e 相比，Trillium 每個晶片尖峰效能提升了 4.7 倍。為了達到這樣的效能水平，我們擴大了矩陣乘法單元（MXU）的大小並提高了時脈速度（clock speed）。另外，SparseCore 透過策略性卸載來自 TensorCores 隨機與細粒度存取，以加速繁重的嵌入型工作負載。
將 HBM 容量和頻寬翻倍，使 Trillium 能處理具有更多權重和更大鍵值快取（key-value caches）的較大模型作業。下一代 HBM 實現更大的記憶體頻寬與效能，同時還具備靈活的通道架構，以提升記憶體處理量，這可改善大型模型的訓練時間和服務延遲。換句話說，等於可處理雙倍的模型權重和鍵值快取，能更快地進行存取，並具有更高的運算能力，來加速機器學習（ML）的工作負載。將晶片間互連網路（Inter-chip Interconnect, ICI）頻寬加倍，使訓練和推理作業能夠擴展至數萬個晶片，策略性結合訂製光學 ICI 與 Pod 中的 256 個晶片互連，並透過 Google Jupiter 網路將擴充性延伸到集群中的數百個 Pods。
Trillium TPU 將是下一波 AI 模型和虛擬專員的推手，我們期待幫助客戶藉由這些進階功能達到其商業目標。例如，自動駕駛汽車公司 Nuro 致力於透過使用 Cloud TPU 訓練自家模型來打造機器人，以建立更好的日常生活體驗；Deep Genomics 則借助 AI 推動藥物發現的未來，並期待運用由 Trillium 所支援的下一代基礎模型來改變病患的生活；勤業眾信作為 Google Cloud 年度 AI 合作夥伴，將提供 Trillium 來幫助企業利用生成式 AI 進行轉型。此外，支援 Trillium TPU 訓練與提供長篇脈絡、多模態模型，也將使 Google DeepMind 能夠比以往更快、更高效，以及更低延遲地訓練和提供下一代 Gemini 模型。
「 Gemini 1.5 Pro 是 Google 規模最大且功能最強的 AI 模型，訓練過程使用數萬個 TPU 加速器。我們團隊對於推出第六代 TPU 感到相當興奮，同時期待 Gemini 模型在大規模訓練和推理方面大幅提升性能和效率。」- Google DeepMind 及 Google Research 首席科學家 Jeff Dean
Trillium TPU 是 Google Cloud AI 超級電腦的一部分，這種電腦是劃時代的超級運算架構，專為尖端 AI 工作負載所設計。它集成了效能最佳化的基礎架構（包含 Trillium TPU）、開放原始碼軟體架構，以及靈活的消費模式。我們對開放原始碼程式庫（例如 JAX、PyTorch/XLA 和 Keras 3）的堅持與承諾，能使開發人員如虎添翼。再加上我們支援 JAX 和 XLA，意味著為上一代 TPU 所編寫的宣告式模型描述，可以順暢對應到 Trillium TPU 的全新硬體與網路功能。此外，我們還與 Hugging Face 合作開發 Optimum-TPU，以簡化模型訓練和服務。
「我們與 Google Cloud 的合作使 Hugging Face 的使用者可以更輕鬆地在 Google Cloud 的 AI 基礎設施（包括 TPU）上進行微調和運行開放模型。我們很期待透過即將推出的第六代 Trillium TPU 進一步加速開源 AI，並且我們預期開放式模型將繼續提供最佳效能，因為與上一代相比，每個晶片的效能提高了 4.7 倍。我們將透過我們新的 Optimum-TPU 庫，讓所有 AI 建造者皆能輕鬆體驗 Trillium 的性能！」- Hugging Face 產品主管 Jeff Boudier
AI 超級電腦還提供 AI 及機器學習（ML）工作負荷所需靈活有彈性的消費模式。動態工作負載排程（Dynamic Workload Scheduler, DWS）讓存取 AI 與 ML 資源變得更加容易，並能夠幫助客戶優化支出。彈性啟動模式（Flex Start Mode）能同時調度所有需要的加速器，以改善突發工作負載（例如訓練、微調或批次作業）的體驗，而且能支援下列所有進入點：Vertex AI 訓練、Google Kubernetes Engine（GKE）或 Google Cloud Engine。
Lightricks 很高興能夠從效能提升和 AI 超級電腦帶來的效率提升中，獲得價值回報。
「自 Cloud TPU v4 開始，我們就一直採用 TPU 處理文字轉圖像及文字轉影片的模型。憑藉 TPU v5p 和 AI 超級電腦的效能，我們的訓練速度實現了 2.5 倍的驚人提升！而第 6 代 Trillium TPU，和上一代相比，每個晶片的運算效能有驚人的 4.7 倍運算效能的提升， HBM 容量和頻寬則提高了 2 倍。 此新消息的發布，對於正要擴大文字轉影片生成模型的我們來說，時機再恰好不過。我們也期待開始運用動態工作負載排程（Dynamic Workload Scheduler, DWS）的彈性啟動模式，以妥善管理批次推理作業，並管理我們未來對 TPU 的預留。」Lightricks 核心生成式 AI 研究團隊主管 Yoav HaCohen 博士
Google Cloud TPU 是 AI 加速領域的前沿技術，經過客製化設計和優化，可賦能大型 AI 模型。TPU 由 Google Cloud 獨家提供，為訓練和提供 AI 解決方案提供無與倫比的效能和成本效益。不論是用來執行複雜用途的大型語言模型，或是圖像生成所需要的潛在創意，TPU 都有助於開發人員和研究者將人工智慧發揮到淋漓盡致。
第 6 代 Trillium TPU 集逾十年研究及創新於大成，預計今年底前推出。若需進一步瞭解 Trillium TPU 和 AI 超級電腦，請填寫此表單，我們的銷售團隊將主動與你聯絡。
本文作者：Google Cloud 機器學習、系統和 Cloud AI 副總裁暨總經理 Amin Vahdat
Follow
沒有留言 :
張貼留言