Meta新增兩大萬卡集群，投入近50000塊英偉達H100 GPU
Meta日前推出兩個功能強大的GPU集群，用于支持下一代生成式AI模型的訓練，包括即將推出的Llama 3。
據悉，這兩個數據中心的GPU數量均高達24,576塊，專為支持比之前發布的更大、更復雜的生成式AI模型而構建。
作為一種流行的開源算法模型，Meta的Llama能與OpenAI的GPT和Google的Gemini相媲美。
Meta刷新AI集群規模
極客網了解到，這兩個GPU集群都采用了英偉達當前功能最強大的H100 GPU，并且比Meta之前推出的大型集群規模要大得多。此前Meta的集群約有16,000塊Nvidia A100 GPU。
據報道，Meta為此搶購了數千塊英偉達最新推出的GPU。調研機構Omdia在最近的一份報告中聲稱，Meta已經成為英偉達最大的客戶之一。
Meta工程師表示，該公司將使用新的GPU集群對現有的AI系統進行微調，并訓練更新、更強大的AI系統，其中包括Llama 3。
該工程師指出，Llama 3的開發工作目前正在“進行中”，但并沒有透露何時對外發布。
從長遠來看，Meta的目標是創建通用人工智能(AGI)系統，應為AGI在創造力方面比現有的生成式AI模型更像人類。
新的GPU集群將有助于Meta實現這些目標。此外，該公司正在改進PyTorch AI框架，使其能夠支持更多的GPU。
兩個GPU集群采用不同架構
值得一提的是，雖然這兩個集群的GPU數量完全相同，都能以每秒400GB的端點相互連接，但它們采用了不同的架構。
其中，一個GPU集群可以通過融合以太網網絡結構遠程訪問直接存儲器或RDMA，該網絡結構采用Arista Networks的Arista 7800與Wedge400和Minipack2 OCP機架交換機構建。另一個GPU集群使用英偉達的Quantum2 InfiniBand網絡結構技術構建。
這兩個集群都使用了Meta的開放式GPU硬件平臺Grand Teton，該平臺旨在支持大規模的AI工作負載。Grand Teton的主機到GPU帶寬是其前身Zion-EX平臺的四倍，計算能力、帶寬以及功率是Zion-EX的兩倍。
Meta表示，這兩個集群采用了最新的開放式機架電源和機架基礎設施，旨在為數據中心設計提供更大的靈活性。Open Rack v3允許將電源架安裝在機架內部的任何地方，而不是將其固定在母線上，從而實現更靈活的配置。
此外，每個機架的服務器數量也是可定制的，從而在每個服務器的吞吐量容量方面實現更有效的平衡。
在存儲方面， 這兩個GPU集群基于YV3 Sierra Point服務器平臺，采用了最先進的E1.S固態硬盤。
更多GPU正在路上
Meta工程師在文中強調，該公司致力于AI硬件堆棧的開放式創新。“當我們展望未來時，我們認識到，以前或目前有效的方法可能不足以滿足未來的需求。這就是我們不斷評估和改進基礎設施的原因。”
Meta是最近成立的AI聯盟的成員之一。該聯盟旨在創建一個開放的生態系統，以提高AI開發的透明度和信任，并確保每個人都能從其創新中受益。
Meta方面還透露，將繼續購買更多的Nvidia H100 GPU，計劃在今年年底前擁有35萬塊以上的GPU。這些GPU將用于持續構建AI基礎設施，意味著未來還有更多、更強大的GPU集群問世。
