Китайская компания создала технологию способную объединить тысячи ИИ-чипов в один суперкомпьютер
Китайский разработчик чипов Biren Technology представил новую архитектуру оптических соединений, которая может изменить подход к созданию мощных систем искусственного интеллекта. Компания рассчитывает с помощью этой технологии объединять тысячи вычислительных ускорителей в единую систему, способную справляться с моделями ИИ нового поколения.
По мере роста сложности искусственного интеллекта производительность одного отдельного процессора перестаёт быть главным фактором. Разработчики всё чаще переходят к созданию огромных вычислительных кластеров, где тысячи графических процессоров и специализированных ускорителей работают как единый вычислительный механизм.
Такие системы становятся ключевым направлением конкуренции между компаниями, занимающимися инфраструктурой для искусственного интеллекта. Главная проблема заключается в том, что современные технологии соединения между чипами постепенно упираются в физические ограничения.
По словам вице-президента Biren по архитектуре ИИ-фреймворков Дин Юньфаня, дальнейшее увеличение мощности отдельных графических процессоров уже не способно решить задачи, связанные с обучением огромных моделей искусственного интеллекта с триллионами параметров.
Главным вызовом становится создание масштабируемых систем, в которых тысячи ускорителей смогут работать как единый вычислительный комплекс без потери скорости передачи данных.
Компания считает, что решить эту проблему помогут оптические соединения, которые способны заменить традиционные электрические каналы передачи данных между чипами.
Современные серверные системы в основном используют медные соединения, однако они постепенно приближаются к пределу своих возможностей. По оценкам Biren, такие технологии фактически ограничивают масштабирование современных серверных архитектур примерно 128 графическими процессорами.
Чтобы преодолеть это ограничение, компания разработала распределённую архитектуру суперузла, основанную на технологии NPO (near-packaged optics), в которой оптические волокна располагаются максимально близко к вычислительным чипам.
Такой подход позволяет увеличить пропускную способность каналов связи, снизить задержки передачи данных и создать значительно более крупные вычислительные системы.
По заявлению Biren, новая архитектура потенциально способна поддерживать кластеры с количеством до 1024 ИИ-ускорителей, что значительно превышает возможности современных серверных платформ.
Компания из Шанхая является одной из нескольких китайских организаций, работающих над подобными решениями. Среди конкурентов находятся MetaX, Enflame и Alibaba, которые также разрабатывают собственные архитектуры для крупных ИИ-кластеров.
Эти компании стремятся конкурировать с решениями NVIDIA, включая платформы NVL72 и будущие системы NVL144, созданные для объединения большого количества графических процессоров в единую вычислительную инфраструктуру.
Компания MetaX, например, представила собственный ИИ-суперузел Xijing S600, где в одной серверной стойке объединены 64 графических процессора. Разработчики утверждают, что отказ от большого количества внешних кабелей позволяет уменьшить потери сигнала и повысить эффективность работы системы.
Biren также продолжает развивать альтернативные архитектуры. Совместно с телекоммуникационной компанией ZTE она работает над ортогональной аппаратной архитектурой, использующей традиционные электрические соединения.
Одновременно компания испытывает прототип системы связи на основе технологии NPO. По мнению разработчиков, в будущем такие оптические соединения смогут поддерживать суперузлы более чем с 512 вычислительными ускорителями.
Однако специалисты отмечают, что оптические технологии для ИИ-инфраструктуры пока находятся на ранней стадии развития. Несмотря на большой потенциал, перед массовым внедрением необходимо решить ряд инженерных задач и провести масштабные испытания в реальных условиях.
Дин Юньфань считает, что коммерческое распространение систем на основе NPO может начаться примерно в 2028 году. К этому времени производители рассчитывают довести технологию до уровня, подходящего для массового использования в крупных центрах обработки данных.
Развитие подобных решений может стать одним из ключевых факторов дальнейшего роста искусственного интеллекта, поскольку будущие модели будут требовать всё больше вычислительных ресурсов и способности тысяч чипов работать одновременно как единый сверхмощный компьютер.