中英文最大AI模型世界纪录产生，大模型竞赛新阶段来了

　　边策发自凹非寺

　　量子位报道公众号 QbitAI

　　超大 AI 模型训练成本太高 hold 不住？连市值万亿的公司都开始寻求合作了。

　　本周，英伟达与微软联合发布了5300 亿参数的“威震天-图灵”（Megatron-Turing），成为迄今为止全球最大 AI 单体模型。

　　仅仅在半个月前，国内的浪潮发布了2500 亿参数的中文AI 巨量模型“源1.0”。

　　不到一个月的时间里，最大英文和中文 AI 单体模型的纪录分别被刷新。

　　而值得注意的是：

　　技术发展如此之快，“威震天-图灵”和“源 1.0”还是没有达到指数规律的预期。

　　要知道，从 2018 年开始，NLP 模型参数近乎以每年一个数量级的速度在增长。

　　△ 近年来 NLP 模型参数呈指数级上涨（图片来自微软）

　　而 GPT-3 出现后，虽然有 Switch Transformer 等万亿参数混合模型出现，但单体模型增长速度已经明显放缓。

　　无论是国外的“威震天-图灵”，还是国内的“源 1.0”，其规模和 GPT-3 没有数量级上的差异。即便“威震天-图灵”和“源 1.0”都用上了各自最强大的硬件集群。

　　单体模型是发展遇到瓶颈了么？

　　超大模型的三个模式

　　回答这个疑问，首先得梳理一下近年来出现的超大规模 NLP 模型。

　　如果从模型的开发者来看，超大规模 NLP 模型的研发随时间发展逐渐形成了三种模式。

　　一、以研究机构为主导

　　无论是开发 ELMo 的 Allen 研究所、还是开发 GPT-2 的 OpenAI（当时还未引入微软投资）都不是以盈利为目标。

　　且这一阶段的超大 NLP 模型都是开源的，得到了开源社区的各种复现与改进。

　　ELMo 有超过 40 个非官方实现，GPT-2 也被国内开发者引入，用于中文处理。

　　二、科技企业巨头主导

　　由于模型越来越大，训练过程中硬件的优化变得尤为重要。

　　从 2019 年下半年开始，各家分别开发出大规模并行训练、模型扩展技术，以期开发出更大的 NLP 模型。英伟达 Megatron-LM、谷歌 T5、微软 Turing-NLG 相继出现。

　　今年国内科技公司也开始了类似研究，中文 AI 模型“源 1.0”便是国内硬件公司的一次突破——

　　成就中文领域最大 NLP 模型，更一度刷新参数最多的大模型纪录。

　　“源 1.0”不仅有高达 5TB 的全球最大中文高质量数据集，在总计算量和训练效率优化上都是空前的。

　　三、巨头与研究机构或巨头之间相互合作

　　拥有技术的 OpenAI 由于难以承受高昂成本，引入了微软 10 亿美元投资。依靠海量的硬件与数据集资源，1750 亿参数的 GPT-3 于去年问世。

　　但是，今年万亿参数模型的 GPT-4 并没有如期出现，反而是微软与英伟达联手，推出了“威震天-图灵”。

　　我们再把目光放回到国内。

　　“威震天-图灵”发布之前，国内外涌现了了不少超大 AI 单体模型，国内就有阿里达摩院 PLUG、“源 1.0”等。

　　像英伟达、微软、谷歌、华为、浪潮等公司加入，一方面是为 AI 研究提供大量的算力支持，另一方面是因为他们在大规模并行计算上具有丰富的经验。

　　当 AI 模型参数与日俱增，达到千亿量级，训练模型的可行性面临两大挑战：

　　1、即使是最强大的 GPU，也不再可能将模型参数拟合到单卡的显存中；

　　2、如果不特别注意优化算法、软件和硬件堆栈，那么超大计算会让训练时长变得不切实际。

　　而现有的三大并行策略在计算效率方面存在妥协，难以做到鱼与熊掌兼得。

　　英伟达与微软合体正是为此，同样面对该问题，浪潮在“源 1.0”中也用了前沿的技术路径解决训练效率问题。

　　从“源 1.0”的 arXiv 论文中，我们可以窥见这种提高计算效率的方法。

　　在对源的大规模分布式训练中，浪潮采用了张量并行、流水线并行和数据并行的三维并行策略。

　　“威震天-图灵”和“源 1.0”一样，在张量并行策略中，模型的层在节点内的设备之间进行划分。

　　流水线并行将模型的层序列在多个节点之间进行分割，以解决存储空间不足的问题。

　　另外还有数据并行策略，将全局批次规模按照流水线分组进行分割。

　　三家公司运用各自的技术，将最先进的 GPU 与尖端的分布式学习软件堆栈进行融合，实现了前所未有的训练效率，最终分别打造出英文领域和中文领域的最大 AI 单体模型。

　　训练超大规模自然语言模型成本升高，技术上殊途同归，形成研究机构与科技巨头协同发展，三种探索模式并驾齐驱的局面。

　　中英 AI 模型互有胜负

　　训练成本趋高，技术趋同，为何各家公司还是选择独自研究，不寻求合作？

　　我们从 GPT-3 身上或许可见一斑。

　　去年发布的 GPT-3 不仅未开源，甚至连 API 都是限量提供，由于获得微软的投资，今后 GPT-3 将由微软独享知识产权，其他企业或个人想使用完整功能只能望洋兴叹。

　　训练成本奇高、道德伦理问题以及为了保证行业领先地位，让微软不敢下放技术。其他科技公司也不可能将自己的命运交给微软，只能选择独自开发。

　　尤其对于中国用户来说，以上一批超大模型都不是用中文数据集训练，无法使用在中文语境中。

　　中文语言的训练也比英文更难。英文由单词组成，具有天然的分词属性。

　　而中文需要对句子首先进行分词处理，如“南京市长江大桥”， 南京市长江大桥、南京市长江大桥，错误的分词会让 AI 产生歧义。

　　相比于英文有空格作为分隔符，中文分词缺乏统一标准，同样一个词汇在不同语境、不同句子中的含义可能会相差甚远，加上各种网络新词汇参差不齐、中英文混合词汇等情况，要打造出一款出色的中文语言模型需要付出更多努力。

　　所以国内公司更积极研究中文模型也就不难理解了。

　　即便难度更高，国内公司还一度处于全球领先，比如数据集和训练效率方面。

　　据浪潮论文透露，“源 1.0”硬件上使用了 2128 块 GPU，浪潮共搜集了 850TB 数据，最终清洗得到 5TB 高质量中文数据集。

　　其文字数据体积多于“威震天-图灵”(835GB)，而且中文信息熵大大高于英文，信息量其实更大。

　　在训练效率方面，“源 1.0”训练用了 16 天，“图灵威-震天”用了一个多月，前者数据量是后者 3 倍有余，耗时却只有后者一半——

　　其专注中文，关注效率努力也可见一斑。

　　大模型你来我往间能看出，发展已走入百花齐放互不相让的阶段，这给我们带来新的思考：AI 巨量模型既然不“闭门造车”，那如何走向合作？

　　多方合作可能才是未来

　　表面上“威震天-图灵”（Megatron-Turing NLG）是第一次由两家科技巨头合作推出超大 AI 模型。

　　其背后，双方不仅组成了“超豪华”硬件阵容，在算法上也有融合。强强联合成为超大 AI 模型落地的一种新方式，

　　国外巨头开启先例，那么国内公司的现状又是如何呢？其实有机构已经迈出合作的第一步。

　　诸如浪潮的“源 1.0”，和当初的“威震天”一样，也是由硬件厂商主导开发的超大规模自然语言模型。

　　浪潮透露，实际上 9 月 28 日的发布会上，他们邀请了国内的学者和数家科技公司共同探讨未来“源 1.0”合作的可能性。

　　在产业界，浪潮早就提出了“元脑计划”的生态联盟，“源 1.0”未来将向元脑生态社区内所有开发者开放 API，所有加入生态的 AI 技术公司都可以利用“源 1.0”进行二次开发，从而制造出更强大的功能。

　　国内超大规模自然语言模型合作的时代正在开启。

　　合作开发巨量模型能带来什么？李飞飞等知名学者已经给出答案：当数据规模和参数规模大到一定程度时，量变最终能产生质变，GPT-3 就是先例。

　　如今大模型越来越多，但未来关键还在于如何纵横捭阖，打造属于一套开放合作体系，让所有技术公司群策群力。

　　而 AI 巨量模型在这样的生态体系下会带来怎样的变化，在“源 1.0”等一大批模型开放后，应该很快就能看见。

　　参考链接：

　　[1]https://arxiv.org/abs/2110.04725

　　[2]https://www.microsoft.com/en-us/research/blog/turing-nlg-a-17-billion-parameter-language-model-by-microsoft/

　　[3]https://mp.weixin.qq.com/s/0SE3rv3MdDzbqwAVFtSe8Q