构建支持大模型训练的计算机系统需要考虑的4个问题

摘要

支持大模型训练的计算机系统有3种类型，其中基于国产AI芯片系统的生态系统不是很好，要想改变这个局面，需要做好AI编译器、并行加速等10个关键软件；基于超级计算机的系统需要做好软硬件协同设计，从而更好地服务于大模型训练。针对如何搭建大模型的基础设施，提出4点平衡设计，以确保系统的性能、可靠性和可扩展性。

关键词： 大模型训练 ; 计算机系统 ; 超算系统 ; 大模型基础设施

1 三大算力系统

目前，有3种支持大模型训练的算力系统，分别为基于英伟达公司GPU的系统、基于国产AI芯片的系统，以及基于超级计算机的系统，3种算力系统各有优劣。

<