首頁 > 科技要聞 > 科技> 正文

馬斯克燒幾十億美元造最大超算中心，10萬塊H100訓練Grok追趕GPT-4o

新智元 整合編輯：太平洋科技 發(fā)布于：2024-05-29 15:30

前段時間，OpenAI、谷歌、微軟相繼開大會，AI圈子的競爭如火如荼。

這么熱鬧的時候，怎么能少得了馬斯克。

前段時間忙著特斯拉和星鏈的他，最近好像開始騰出手，而且不鳴則已、一鳴驚人，直接放出一個大消息——自己要造世界上最大的超算中心。

今年3月，他旗下的xAI發(fā)布了最新版的Grok 1.5，此后一直有關(guān)于Grok 2即將面世的傳說，但卻遲遲沒有官方消息。

難道是因為算力不夠？

沒錯，億萬富翁可能也買不到足夠的芯片。今年四月他曾親自下場表示，沒有足夠多的先進芯片，推遲了Grok 2模型的訓練和發(fā)布。

他表示，訓練Grok 2需要大約2萬個基于Hopper架構(gòu)的英偉達H100 GPU，并補充說Grok 3模型及更高版本將需要10萬個H100 芯片。

特斯拉第一季度的財報也顯示，公司此前一直受到算力的限制，當時馬斯克的計劃還是年底前部署8.5萬個H100 GPU，將xAI從紅杉資本和其他投資者那里籌集的60億美元中的大部分都花在芯片上。

目前每臺H100的售價約為3萬美元，不算建造費用和其他服務(wù)器設(shè)備，僅僅是芯片就需要花掉28億美元。

根據(jù)馬斯克的估算，這個芯片儲量訓練Grok 2綽綽有余。

但可能老馬思考了一個月之后，覺得這一步邁得還不夠大，不夠有突破性。畢竟xAI的定位是要和OpenAI、谷歌這種強勁對手正面掰頭的，以后想訓練模型可不能再因為算力掉鏈子。

于是，他最近公開表示，xAI需要部署10萬個H100來訓練和運行Grok的下一個版本。

而且，xAI還計劃將所有芯片串聯(lián)成一個巨大的計算機——馬斯克稱之為「超級計算工廠」（Gigafactory of Compute）。

老馬這個月已經(jīng)向投資者表示，他希望在2025年秋季之前讓這臺超級計算機運行起來，而且他將「個人負責按時交付超級計算機」，因為這對于開發(fā)LLM至關(guān)重要。

這臺超算可能由xAI與Oracle合作共建。這幾年來，xAI已經(jīng)從Oracle租用了帶有約1.6萬個H100芯片的服務(wù)器，是這些芯片最大的訂單來源。

如果不發(fā)展自己的算力，未來幾年xAI在云服務(wù)器上很可能就要花費100億美元，算下來居然還是「超級計算工廠」比較省錢。

目前最大GPU集群

這個「超級計算工廠」一旦完工，規(guī)模將至少是當前最大GPU集群的4倍。

比如Meta官網(wǎng)在3月發(fā)布的數(shù)據(jù)顯示，他們當時推出了2個包含2.4萬個H100 GPU的集群用于Llama 3的訓練。

雖然英偉達已經(jīng)宣布今年下半年開始生產(chǎn)并交付，但馬斯克目前的計劃還是采購H100。

為什么不用最新型號的芯片，反而要大批量購入快要淘汰的型號？這其中的原因，老黃本人向我們解釋過——「在今天的AI競爭里，時間很重要」。

“英偉達會每一年更新一代產(chǎn)品，而如果你想等我的下一個產(chǎn)品，那么你就丟失了訓練的時間和先發(fā)優(yōu)勢。

下一個達到里程碑的公司會宣布一個突破性的AI，而接下來的第二名只在它上面提升0.3%。你要選擇做哪一種？

這就是為什么一直做技術(shù)領(lǐng)先的公司很重要，你的客戶會在你上面建設(shè)并且相信你會一直領(lǐng)先。這里面時間很重要。

這就是為什么我的客戶現(xiàn)在依然瘋狂的在建設(shè)Hopper系統(tǒng)。時間就是一切。下一個里程碑馬上就來。”

然而，即使一切順利，「超級計算工廠」在馬斯克的「個人負責」下按時交付，這個集群到了明年秋天是否仍然有規(guī)模優(yōu)勢，也是一個未知數(shù)。

扎克伯格今年1月曾經(jīng)在Instagram上發(fā)帖，稱Meta到今年底將再部署35萬個H100，加上之前的算力總共相當于60萬個H100，但他并未提及單個集群的芯片數(shù)量。

但這個數(shù)字沒過半年就幾乎翻了一番，5月初Llama 3發(fā)布前，有消息稱Meta已從英偉達額外購買了50萬塊GPU，總數(shù)達到 100 萬塊，零售價值達300億美元。

同時，微軟的目標是到年底擁有180萬個 GPU，OpenAI甚至更加激進，希望為最新的AI模型使用1000萬個GPU。這兩家公司也在討論開發(fā)一個價值1000億美元的超級計算機，包含數(shù)百萬個英偉達GPU。

這場算力之戰(zhàn)，最后誰會勝出呢？

應(yīng)該是英偉達吧。

而且不僅僅是H100，英偉達CFO Colette Kress曾經(jīng)提到過一份Blackwell旗艦芯片的優(yōu)先客戶名單，包括OpenAI、亞馬遜、谷歌、xAI等等。

即將投產(chǎn)的B100，以及英偉達之后將要，將會源源不斷地進入科技巨頭們的超算中心，幫助他們完成算力的升級迭代。

芯片短缺，電也不夠

馬斯克在談到特斯拉的算力問題時也補充說，雖然迄今為止芯片短缺是AI發(fā)展的一大制約因素，但電力供應(yīng)在未來一兩年將至關(guān)重要，甚至會取代芯片成為最大的限制因素。

包括新建的這家「超級計算工廠」的選址，最需要考慮的因素也是電力供應(yīng)。一個擁有10萬GPU的數(shù)據(jù)中心可能需要100兆瓦的專用電力。

要提供這種量級的電力，xAI總部辦公室所在的舊金山灣區(qū)顯然不是理想的選擇。為了降低成本，數(shù)據(jù)中心往往建在電力更便宜且供應(yīng)更充足的偏遠地區(qū)。

例如，微軟和OpenAI除了計劃那個耗資千億美元的超算，也正在威斯康星州建造大型數(shù)據(jù)中心，建設(shè)成本約為100億美元；亞馬遜云服務(wù)的數(shù)據(jù)中心則選址在亞利桑那州。

「超級計算工廠」一個非�？赡艿倪x址，是特斯拉總部，德克薩斯州奧斯汀市。

去年特斯拉宣布建造的Dojo就部署在了這里。這臺超算基于定制芯片，幫助訓練AI自動駕駛軟件，也可以用于向外界提供云服務(wù)。

第一臺Dojo運行在1萬個GPU上，建造成本約為3億美元。馬斯克4月表示，特斯拉目前共有3.5萬個GPU用于訓練自動駕駛系統(tǒng)。

在數(shù)據(jù)中心進行模型訓練是一個極其耗電的過程。據(jù)估計，訓練GPT-3的耗電量為1287兆瓦時，大約相當于130個美國家庭每年消耗的電量。

注意到AI電力問題的CEO不止馬斯克一人，Sam Altman本人曾向初創(chuàng)公司Helion Energy投資3.75 億美元，這家公司旨在利用核聚變提供一種更環(huán)保、更低成本的 AI 數(shù)據(jù)中心運行方式。

馬斯克則沒有押注在核聚變技術(shù)上，他認為，AI公司很快將開始爭奪降壓變壓器（step down transformer），可以將高壓電流轉(zhuǎn)換為電網(wǎng)可用的電力，「從公用電網(wǎng)獲得的電力（例如 300 千伏）降至 1 伏以下是一個巨大的下降」。

芯片之后，AI行業(yè)需要「transformers for Transformers」。

參考資料：

https://www.theinformation.com/articles/musk-plans-xai-supercomputer-dubbed-gigafactory-of-compute?rc=epv9gi

https://www.inc.com/ben-sherry/elon-musk-touts-nvidia-dominance-predicts-a-giant-leap-in-ai-power.html

https://finance.yahoo.com/news/jensen-huang-elon-musk-openai-182851783.html?guccounter=1

本文來源：新智元

 
新智元

網(wǎng)友評論

聚超值•精選

推薦 手機 筆記本 影像 硬件 家居 商用 企業(yè) 出行 未來
二維碼 回到頂部