6月26日消息，據(jù)The Next Platform報道，近日AMD執(zhí)行副總裁兼數(shù)據(jù)中心解決方案集團總經(jīng)理Forrest Norrod在接受采訪時表示，AMD將助力構建全球最大的單體人工智能（AI）訓練集群，將集成高達120萬片的GPU。

120萬片GPU 是一個非常驚人的數(shù)字，要知道目前全球最強的超級計算機Frontier 所配備的 GPU 數(shù)量才只有37888片，這也意味著AMD所支持的AI訓練集群的GPU規(guī)模將達到Frontier的30多倍。不過，F(xiàn)orrest Norrod沒有透露哪個組織正在考慮構建這種規(guī)模的AI系統(tǒng)，但確實提到“非常清醒的人”正在考慮在AI訓練集群上花費數(shù)百億到數(shù)千億美元。

目前的AI訓練集群通常由幾千個 GPU 構建而成，這些 GPU 通過跨多個服務器機架或更少的高速互連連接。如果要創(chuàng)建一個擁有高達 120 萬個 GPU 的單體 AI 集群，意味著將會面臨極為復雜的高速互連網(wǎng)絡，并且還會有延遲、功耗、硬件故障等諸多的問題，這似乎是難以實現(xiàn)的。

比如，AI工作負載對延遲非常敏感，尤其是尾部延遲和異常值，其中某些數(shù)據(jù)傳輸比其他數(shù)據(jù)傳輸花費的時間要長得多，并且會中斷工作負載。此外，當今的超級計算機也會面臨每隔幾個小時就會發(fā)生的 GPU 或其他硬件故障。當擴展到當今最大的超級計算機集群的 30 倍時。更為關鍵的是，如此龐大的AI訓練集群，將會產(chǎn)生極為龐大的能耗，不僅穩(wěn)定的供電將會是一個大難題，而且配套的散熱解決方案也面臨巨大挑戰(zhàn)。

編輯：芯智訊-浪客劍