پلتفرم جدید متا مبتنی بر NVIDIA Grand Teton AI به زودی در مراکز داده های فوق مقیاس قرار خواهد گرفت

پلتفرم جدید متا مبتنی بر NVIDIA Grand Teton AI به زودی در مراکز داده های فوق مقیاس قرار خواهد گرفت

در کنفرانس Open Compute Project 2022، گرند تتون جدید متا، پلتفرم نسل بعدی آنها برای هوش مصنوعی در مقیاس معرفی شد.

متا در یک پست وبلاگی گفت که هوش مصنوعی در مقیاس یکی از بزرگ‌ترین چالش‌های پیش روی صنعت فناوری است و با پیش‌روی شرکت به سمت دنیای متاورز، نیاز به نوآوری‌های باز جدید برای تقویت هوش مصنوعی حتی واضح‌تر می‌شود.

به گفته متا، گرند تتون، یکی دیگر از پلتفرم‌های سخت‌افزاری مبتنی بر GPU مبتنی بر NVIDIA و پیرو پلتفرم قبلی Zion-EX است. Grand Teton از پردازنده‌های گرافیکی NVIDIA H100 Tensor Core برای آموزش و اجرای مدل‌های هوش مصنوعی استفاده می‌کند که به سرعت در حال رشد در اندازه و قابلیت هستند و به قدرت مح،اتی بیشتری نیاز دارند.

معماری NVIDIA Hopper که H100 بر اساس آن ساخته شده است، شامل یک موتور ترانسفورماتور برای تسریع کار بر روی این ش،ه‌های عصبی است که اغلب مدل‌های پایه نامیده می‌شوند، زیرا می‌توانند به مجموعه گسترده‌ای از برنامه‌ها از پردازش زبان طبیعی گرفته تا مراقبت‌های بهداشتی، روباتیک و غیره بپردازند.

NVIDIA H100 برای عملکرد و همچنین بهره وری انرژی طراحی شده است. سرورهای دارای شتاب H100، هنگامی که به ش،ه NVIDIA در میان هزاران سرور در مراکز داده فوق مقیاس متصل می شوند، می توانند 300 برابر بیشتر از سرورهای فقط CPU کارآمد انرژی داشته باشند.

ال،یس بیورلین، معاون مهندسی متا در پست وبلاگ گفت:

همانطور که مدل‌های هوش مصنوعی پیچیده‌تر می‌شوند، حجم کاری مرتبط با آنها نیز افزایش می‌یابد. Grand Teton با ظرفیت مح،اتی بیشتر برای پشتیب، بهتر از حجم کاری محدود به پهنای باند حافظه در Meta، مانند ما طراحی شده است. DLRM های منبع باز. بسته قدرت مح،اتی عملیاتی توسعه یافته Grand Teton آن را برای بارهای کاری مح،اتی، مانند درک محتوا، بهینه می کند.

در مقایسه با پلت فرم نسل قبلی Zion EX این شرکت، سیستم Grand Teton دارای حافظه، پهنای باند ش،ه و ظرفیت مح،اتی بیشتری است. این به آن بهبودهای عملکردی متعددی نسبت به مدل قبلی خود، Zion می‌دهد، مانند چهار برابر پهنای باند میزبان به GPU، دو برابر پهنای باند ش،ه مح،اتی و داده‌ای، و دوبرابر پوشش انرژی. همچنین در مقایسه با Zion-EX که شامل چندین زیرسیستم مستقل است، دارای یک شاسی یکپارچه است.

به گفته بجورلین، پهنای باند ش،ه و حافظه افزوده شده متا را قادر می سازد تا خوشه های بزرگتری از سیستم ها را برای آموزش و اجرای مدل های هوش مصنوعی بزرگتر ایجاد کند.