Sizing Tool -- 大模型所需GPU计算资源

在当今人工智能技术飞速发展的背景下，大模型训练和推理所需资源成为行业关注的焦点。本文将从四个方面介绍大模型相关资源情况：

1. 训练资源概述：分析了大模型训练过程中所需的GPU计算资源
2. 推理资源的计算方法：为读者提供了一套实用的计算框架
3. GPU服务器概述：英伟达服务器及海光服务器配置简介
4. 推理集群配置建议：为读者在大模型推理环境搭建过程中提供参考

通过本文的阅读，希望读者能够对大模型所需的GPU计算资源有一个全面、深入的了解，为人工智能领域的研究和实践提供有力支持。

一、训练资源概述

要训练一个 100B 规模的 LLM，通常需要庞大的数据资源和计算资源，例如拥有万卡 GPU 的集群，TB级的数据。

• 计算资源：大模型训练需要大量的计算资源，包括GPU和分布式计算系统。Meta 在训练其 LLaMA3 系列模型时使用了 15T 的 Token，这一过程是在 2 个 24K H100 集群上完成的。LLaMA 2 70B 训练需要 1.7M GPU hours（A100），要是用 1 个 GPU，那得算 200 年。要在一个月这种比较能接受的时间周期内训练出来，就得至少有 2400 块 A100。OpenAI在GPT-4的训练中动用了大约25000个A100 GPU，历时近100天，并采用分布式计算以加速模型的训练过程。此外，对于GPT-3的微调，使用1个节点(8xA100)在1亿令牌上训练1.3亿参数模型需要7.1小时，而使用16个节点(128xA100)只需要0.5小时，显示了分布式并行训练在加速大模型训练中的重要性。
• 数据资源：大模型训练需要海量的数据来学习语言的深层次规律和语义信息。例如，GPT-3的训练数据据说就达到了45 TB,GPT-4 的训练数据集包含约 130B个 token。数据集的质量、规模和多样性直接影响到模型的性能和泛化能力。高质量的数据集可以提供丰富的语言知识和语义信息，使得模型能够学习到更准确的语言规律。

此外，大模型训练的算力需求可以通过公式 6∗N∗D来计算，其中 N是模型的参数量， D是你要用的训练token的数量。例如，一个82B参数的GPT-3，用150B的token来训练，如果拥有1024个A100 GPU，可以计算出所需的算力。由于作者未参与过模型训练，以上只是理论数据。本篇主要详细介绍一下推理所需的计算资源（不涉及训练数据资源，相对简单）。

二、推理资源计算明细

在系统的介绍GPU资源使用情况前，我们有必要先了解一下GPU的算力具体是怎么衡量的。下图是一个简单算力表格对比：

型号	显存	FP32	FP16	INT8	INT4
海光Z100L 深算一号(MI50)	32GB	12TF	25TF
海光K100 深算二号	64GB	25TF	100TF	200TF
英伟达A100 PCIe	80GB		312TF	624TF
英伟达4090	24GB	83TF	330TF
英伟达A30	24GB	10TF	165TF	330TF	661TF
英伟达V100	32GB		125TF
英伟达K80	12GB	8.73TF
昇腾910B	64GB		256TF	512TF

根据显存大小计算所需卡数计算公式：

以FP16为基准：参数大小nB * 2/单卡显存 = 需要的卡数量

以INT4为基准：参数大小nB /2/单卡显存 = 需要的卡数量

以上计算时还需要考虑冗余显存，加载KV Cache、Prompt Cache等，一般40 GB KV Cache即可,Prompt Cache根据大模型支持情况而定，一般32K（较大）。

型号	Qwen1.5-14B-FP16	Qwen1.5-32B-FP16	Qwen1.5-32B-INT4	Qwen1.5-72B-INT4	Qwen1.5-110B-INT4
海光Z100L 深算一号(MI50)	Y *2
海光K100 深算二号
英伟达A100 PCIe	Y*1	Y*1	Y*1	Y*1	Y*1
英伟达4090	Y *2	Y*4	Y*2	Y*4	Y*4
英伟达A30	Y*4			N
英伟达V100
英伟达K80	N	N	N	N	N
昇腾910B

以上有标注Y/N的是作者实践过的场景，Y*2代表可以运行推理，需要2张卡，N代表不能运行。其余空白读者可以自行计算。

三、GPU服务器概述

HGX 是 NVIDIA 出的高性能服务器，通常一台机器包含 8 个或 4 个 GPU，搭配 Intel 或 AMD CPU，并且使用 NVLink 和 NVSwitch 实现全互联（8 个 GPU 通常也是除 NVL 和 SuperPod 之外的 NVLink 全互联的上限），而且一般会采用风冷散热。

• 从 HGX A100 -> HGX H100 和 HGX H200，其 FP16 稠密算力增加到 3.3 倍，而功耗不到原来的 2 倍。
• 从 HGX H100 和 HGX H200 -> HGX B100 和 HGX B200，其 FP16 稠密算力增加到 2 倍左右，而功耗相当，最多不到 50%。

NVIDIA DGX 和 HGX 是两种高性能解决方案，它们都是针对深度学习、人工智能和大规模计算需求的，但是设计和目标应用有所不同：

• DGX：主要面向普通消费者，提供即插即用的高性能解决方案，配套全面的软件支持，包括 NVIDIA 的深度学习软件栈、驱动程序和工具等，通常是预构建的、封闭的系统。
• HGX：主要面向云服务提供商和大规模数据中心运营商，适合用于构建自定义的高性能解决方案。

国产化方面，了解到的海光DCU服务器Hygon /380配置如下（单机4卡）：

DDR4 3200 32G*16
1.2TB 2.5吋10K12Gb SAS硬盘*3
480G 2.5 SATA 6GD R SSD^2
8口RAID卡(9540)
横插04盘12G SAS 硬盘背板*2
双口10G 含模块光纤网卡*2
HG DCU K100 -E4x16 64GB 300W 双宽 GPU卡*4
42000W电源模块4/托轨 /150cm 国标电源线*4

四、推理集群配置建议

1) 推荐配置

大模型	系统版本	CPU	内存	磁盘	GPU	GPU显存
Qwen14B	Centos7.9	Intel x8632C	64G	1T	1 * NVIDIA A100	80G
Qwen72B	Centos7.9	Intel x8632C	64G	1T	4 * NVIDIA A100	80G
Qwen110B	Centos7.9	Intel x8632C	64G	1T	6 * NVIDIA A100	80G

2) 国产化配置

大模型	系统版本	CPU	内存	磁盘	GPU	GPU显存
Qwen14B	Centos7.9	x86 32C	64G	1T	4 * HG DCU	64G
Qwen72B	Centos7.9	x86 32C	64G	1T	8 * HG DCU K100	64G
Qwen110B	–	–	–	–	–	–

3) 高性价比配置

大模型	系统版本	CPU	内存	磁盘	GPU	GPU显存
Qwen14B	Centos7.9	Intel x8632C	64G	1T	2 * NVIDIA	24G
Qwen72B	Centos7.9	Intel x8632C	64G	1T	4 * NVIDIA	24G
Qwen110B	–	–	–	–	–	–