Meta新增两大万卡集群，投入近50000块英伟达H100 GPU

人工智能3月14日 Meta日前推出两个功能强大的GPU集群，用于支持下一代生成式AI模型的训练，包括即将推出的Llama 3。
据悉，这两个数据中心的GPU数量均高达24,576块，专为支持比之前发布的更大、更复杂的生成式AI模型而构建。

作为一种流行的开源算法模型，Meta的Llama能与OpenAI的GPT和Google的Gemini相媲美

Meta刷新AI集群规模 

极客网了解到，这两个GPU集群都采用了英伟达当前功能最强大的H100 GPU，并且比Meta之前推出的大型集群规模要大得多。此前Meta的集群约有16,000块Nvidia A100 GPU。

据报道，Meta为此抢购了数千块英伟达最新推出的GPU。调研机构Omdia在最近的一份报告中声称，Meta已经成为英伟达最大的客户之一。

Meta工程师表示，该公司将使用新的GPU集群对现有的AI系统进行微调，并训练更新、更强大的AI系统，其中包括Llama 3。

该工程师指出，Llama 3的开发工作目前正在“进行中”，但并没有透露何时对外发布。

从长远来看，Meta的目标是创建通用人工智能(AGI)系统，应为AGI在创造力方面比现有的生成式AI模型更像人类。

新的GPU集群将有助于Meta实现这些目标。此外，该公司正在改进PyTorch AI框架，使其能够支持更多的GPU。

两个GPU集群采用不同架构

值得一提的是，虽然这两个集群的GPU数量完全相同，都能以每秒400GB的端点相互连接，但它们采用了不同的架构。

其中，一个GPU集群可以通过融合以太网网络结构远程访问直接存储器或RDMA，该网络结构采用Arista Networks的Arista 7800与Wedge400和Minipack2 OCP机架交换机构建。另一个GPU集群使用英伟达的Quantum2 InfiniBand网络结构技术构建。

这两个集群都使用了Meta的开放式GPU硬件平台Grand Teton，该平台旨在支持大规模的AI工作负载。Grand Teton的主机到GPU带宽是其前身Zion-EX平台的四倍，计算能力、带宽以及功率是Zion-EX的两倍。

Meta表示，这两个集群采用了最新的开放式机架电源和机架基础设施，旨在为数据中心设计提供更大的灵活性。Open Rack v3允许将电源架安装在机架内部的任何地方，而不是将其固定在母线上，从而实现更灵活的配置。

此外，每个机架的服务器数量也是可定制的，从而在每个服务器的吞吐量容量方面实现更有效的平衡。

在存储方面， 这两个GPU集群基于YV3 Sierra Point服务器平台，采用了最先进的E1.S固态硬盘。

更多GPU正在路上

Meta工程师在文中强调，该公司致力于AI硬件堆栈的开放式创新。“当我们展望未来时，我们认识到，以前或目前有效的方法可能不足以满足未来的需求。这就是我们不断评估和改进基础设施的原因。”

Meta是最近成立的AI联盟的成员之一。该联盟旨在创建一个开放的生态系统，以提高AI开发的透明度和信任，并确保每个人都能从其创新中受益。

Meta方面还透露，将继续购买更多的Nvidia H100 GPU，计划在今年年底前拥有35万块以上的GPU。这些GPU将用于持续构建AI基础设施，意味着未来还有更多、更强大的GPU集群问世。