作者：Bill Jenkins，Achronix人工智能/機(jī)器學(xué)習(xí)產(chǎn)品營(yíng)銷(xiāo)總監(jiān)

　　探索FPGA加速語(yǔ)言模型如何通過(guò)更快的推理、更低的延遲和更好的語(yǔ)言理解來(lái)重塑生成式人工智能

　　簡(jiǎn)介：大語(yǔ)言模型

　　近年來(lái)，大型語(yǔ)言模型（Large Language Models，LLM）徹底改變了自然語(yǔ)言處理領(lǐng)域，使機(jī)器能夠生成類(lèi)似人類(lèi)的文本并進(jìn)行有意義的對(duì)話(huà)。這些模型，例如OpenAI的GPT，擁有驚人的語(yǔ)言理解和生成能力。它們可以被用于廣泛的自然語(yǔ)言處理任務(wù)，包括文本生成、翻譯、自動(dòng)摘要、情緒分析等。

　　大語(yǔ)言模型通常是基于深度學(xué)習(xí)技術(shù)來(lái)構(gòu)建，特別是廣泛使用了transformer架構(gòu)。Transformer是一類(lèi)神經(jīng)網(wǎng)絡(luò)模型，擅長(zhǎng)捕捉語(yǔ)言序列中的遠(yuǎn)關(guān)聯(lián)關(guān)系，這使得它們非常適合于語(yǔ)言理解和生成任務(wù)。訓(xùn)練一種大語(yǔ)言模型的方法是將模型暴露給大量文本數(shù)據(jù)中，這些文本數(shù)據(jù)通常來(lái)源于書(shū)籍、網(wǎng)站和其它文本資源。該模型學(xué)會(huì)了預(yù)測(cè)句子中的下一個(gè)單詞，或者根據(jù)它所看到的上下文填充缺失的單詞。通過(guò)這個(gè)過(guò)程，它獲得了關(guān)于語(yǔ)法、句法的知識(shí)，甚至是一定程度的世界知識(shí)。

　　與大語(yǔ)言模型相關(guān)的主要挑戰(zhàn)之一是其巨大的計(jì)算和內(nèi)存需求。這些模型由數(shù)十億個(gè)參數(shù)組成，需要強(qiáng)大的硬件和大量的計(jì)算資源來(lái)有效地訓(xùn)練和部署它們，正如Nishant Thakur在2023年3月于領(lǐng)英發(fā)布的文章《ChatGPT背后令人難以置信的處理能力和成本：構(gòu)建終極AI聊天機(jī)器人需要什么？》*中所討論的。資源有限的組織機(jī)構(gòu)和研究人員在充分利用這些模型的潛力方面經(jīng)常遇到瓶頸，因?yàn)樵贫诵枰罅康奶幚砟芰蛸Y金。此外，在生成響應(yīng)時(shí)，為創(chuàng)建適當(dāng)?shù)姆?hào)、單詞或單詞子部分，上下文長(zhǎng)度會(huì)急劇增長(zhǎng)，對(duì)內(nèi)存和計(jì)算資源產(chǎn)生更多的需求。

　　這些計(jì)算挑戰(zhàn)導(dǎo)致更高的延遲，這使得大語(yǔ)言模型的采用變得更加困難，并且不是實(shí)時(shí)的，因此不那么自然。在這篇博客中，我們將深入研究大語(yǔ)言模型遇到的困難，并探索潛在的解決方案，這些解決方案可以為其增強(qiáng)的可用性和可靠性鋪平道路。

　　大語(yǔ)言模型的加速

　　大語(yǔ)言模型的構(gòu)建通常需要一個(gè)大規(guī)模的系統(tǒng)來(lái)執(zhí)行該模型，這個(gè)模型會(huì)持續(xù)變大，在其發(fā)展到一定程度后，僅靠在CPU上的運(yùn)行就不再具有成本、功耗或延遲的優(yōu)勢(shì)了。使用GPU或FPGA這樣的加速器可顯著提高計(jì)算能效、大幅降低系統(tǒng)延遲，并以更小的規(guī)模實(shí)現(xiàn)更高的計(jì)算水平。雖然GPU無(wú)疑正在成為硬件加速的標(biāo)準(zhǔn)選擇，主要是因?yàn)樗哂械目稍L(fǎng)問(wèn)性和易于編程特性；實(shí)際上，在低延遲方面，F(xiàn)PGA架構(gòu)比GPU有更卓越的性能。

　　由于本質(zhì)上GPU是采用扭曲鎖定（warp-locked）架構(gòu)，跨多個(gè)內(nèi)核并行執(zhí)行超過(guò)32個(gè)SIMT線(xiàn)程，因此它們通常也需要批量處理大量數(shù)據(jù)，以嘗試和偏移warp-locked架構(gòu)并保持流水線(xiàn)被充滿(mǎn)。這等同于更大的延遲和更多系統(tǒng)內(nèi)存的需求。同時(shí)，F(xiàn)PGA可構(gòu)建自定義數(shù)據(jù)路徑來(lái)同時(shí)在多個(gè)數(shù)據(jù)模塊上執(zhí)行多個(gè)不同的指令，這意味著它可以非常有效地運(yùn)行，一直到批量大小為1，這是實(shí)時(shí)的，延遲要低得多，同時(shí)最大限度地減少外部存儲(chǔ)器需求。因此，與其他競(jìng)爭(zhēng)性架構(gòu)相比，F(xiàn)PGA能夠顯著提高其TOPs的利用率——隨著系統(tǒng)規(guī)模擴(kuò)展到ChatGPT系統(tǒng)大小時(shí)，這種性能差距只會(huì)繼續(xù)增加。

　　當(dāng)系統(tǒng)規(guī)模擴(kuò)展到需要超過(guò)8個(gè)處理器件時(shí)（GPT3的訓(xùn)練需要使用10，000個(gè)GPU），用Achronix的FPGA來(lái)執(zhí)行大語(yǔ)言模型可在吞吐量和延遲方面勝過(guò)GPU。如果模型可以使用INT8精度，那么使用GPT-20B作為參考的Achronix FPGA則具有更大的優(yōu)勢(shì)，如下表所示。這些數(shù)據(jù)說(shuō)明使用FPGA是有優(yōu)勢(shì)的，因?yàn)镚PU需要較長(zhǎng)的交付時(shí)間（高端GPU超過(guò)一年）、得到的用戶(hù)支持可能也很少，并且比FPGA貴得多（每塊GPU的成本可能超過(guò)10，000美元）。

　　Speedster7t FPGA芯片與GPU的性能比較

　　將大語(yǔ)言模型映射到Achronix的FPGA加速器上

　　Achronix的Speedster7t FPGA具有一個(gè)獨(dú)特的架構(gòu)，使其非常適合這些類(lèi)型的模型。首先，它有一個(gè)硬二維片上網(wǎng)絡(luò)（2D NoC），解決了整個(gè)器件的數(shù)據(jù)傳輸以及輸入輸出。此外，它使用了帶有緊耦合RAM的機(jī)器學(xué)習(xí)處理器（MLP），以便在計(jì)算之間實(shí)現(xiàn)高效的結(jié)果重用。最后，與GPU類(lèi)似但與其他FPGA不同，Achronix的Speedster7t FPGA具有八組高效的GDDR6存儲(chǔ)器IP，可支持更高的帶寬，并且能夠以4 Tbps的速度加載參數(shù)。

　　由于這些系統(tǒng)需要可擴(kuò)展性，F(xiàn)PGA可以實(shí)現(xiàn)各種標(biāo)準(zhǔn)接口，以將加速卡互連在一起，并可實(shí)現(xiàn)卡之間無(wú)縫地傳輸數(shù)據(jù)。Achronix的Speedster7t AC7t1500器件具有32個(gè)100 Gbps的SerDes通道，不需要諸如NVLink這樣的專(zhuān)有且成本高昂的解決方案。

　　大語(yǔ)言模型的未來(lái)：升級(jí)為增強(qiáng)型語(yǔ)言理解方案及領(lǐng)域特定方案

　　由于這些大語(yǔ)言模型需要巨大的規(guī)模才能以最小的延遲影響來(lái)執(zhí)行訓(xùn)練和推理，模型的復(fù)雜性將繼續(xù)增加，這將使得不斷發(fā)展的語(yǔ)言理解、生成，甚至預(yù)測(cè)能力具有令人難以置信的準(zhǔn)確性。雖然目前許多GPT類(lèi)模型都是通用的，很可能接下來(lái)會(huì)出現(xiàn)針對(duì)某些領(lǐng)域，如醫(yī)學(xué)、法律、工程或金融等而訓(xùn)練的專(zhuān)用模型?？傊?，在很長(zhǎng)一段時(shí)間內(nèi)，這些系統(tǒng)將協(xié)助人類(lèi)專(zhuān)家處理由人工智能系統(tǒng)處理的更多平凡的任務(wù)，并為提供解決方案建議或協(xié)助完成創(chuàng)造性的任務(wù)。

　　編輯：黃飛