11月8日,阿里巴巴达摩院公布了多模态大模型M6”的最新进展,其参数已从万亿跃迁至10万亿,成为全球最大的AI预训练模型。
作为通用性AI大模型,M6拥有多模态、多任务能力,尤其擅长设计、写作、问答,在电商、制造业、文学艺术、科学研究等领域有广泛应用前景。
与传统AI相比,大模型拥有成百上千倍神经元”数量,认知和创造能力也更胜一筹,被普遍认为是未来的基础模型”。
但是,大模型的算力成本相当高昂,比如训练1750亿参数语言大模型GPT-3所需能耗,能让一辆汽车在地月之间往返一趟。
今年5月,通过专家并行策略及优化技术,达摩院M6团队将万亿模型能耗降低超过80%,效率提升近11倍。
10月,M6再次突破业界极限,使用512颗GPU,在10天内就训练出了具有可用水平的10万亿模型,相比去年发布的大模型GPT-3,M6实现了同等参数规模,能耗却只有1%。
另一方面,AI大模型扩展到千亿及以上参数的超大规模时,很难放在一台机器上,为此达摩院在阿里云PAI自研Whale框架上搭建了MoE模型,并通过更细粒度的CPU offload技术,最终实现将10万亿参数放进512张GPU:
自研Whale框架:
自研Whale分布式深度学习训练框架,针对数据并行、模型并行、流水并行、混合并行等多种并行模型进行了统一架构设计,让用户在仅仅添加几行API调用的情况下就可以实现丰富的分布式并行策略。
MoE专家并行策略:
在Whale架构中实现Mixture-of-Experts(MoE)专家并行策略,在扩展模型容量、提升模型效果的基础上,不显著增加运算FLOPs(每秒所执行的浮点运算次数),从而实现高效训练大规模模型的目的。
CPU offload创新技术:
在自研的分布式框架Whale中通过更细粒度的CPU offload,解决了有限资源放下极限规模的难题,并通过灵活地选择offload的模型层,进一步地提高GPU利用率。
此外,针对训练效率问题,M6团队设计了Pseudo-to-Real(共享解除)机制,即利用训练好的共享参数模型初始化大模型,让收敛效率进一步提升7倍,解决大模型训练速度慢的问题。
对比不使用该机制,预训练达到同样loss用时仅需6%;和此前万亿模型相比,训练样本量仅需40%。
作为国内首个商业化落地的多模态大模型,M6已在超40个场景中应用,日调用量上亿。
今年,大模型首次支持双11,应用包括但不限于:
- M6在犀牛智造为品牌设计的服饰已在淘宝上线;
- 凭借流畅的写作能力,M6正为天猫虚拟主播创作剧本;
- 依靠多模态理解能力,M6正在增进淘宝、支付宝等平台的搜索及内容认知精度。
未来,M6将积极探索与科学应用的结合,通过AI for science让大模型的潜力充分发挥,并加强M6与国产芯片的软硬一体化研究。
目前,达摩院联合阿里云已推出M6服务化平台,为大模型训练及应用提供完备工具,首次让大模型实现开箱即用”,算法人员及普通用户均可方便地使用平台。
(举报)