Article / 文章中心

10万亿!达摩院发布全球最大AI预训练模型M6

发布时间:2021-11-26 点击数:184

今天,阿里巴巴达摩院公布多模态大模型M6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。

M6是达摩院研发的通用性人工智能大模型,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”。但大模型的算力成本相当高昂,训练1750亿参数语言大模型GPT-3所需能耗,相当于汽车行驶地月往返距离。

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八成、效率提升近11倍。

10月,M6再次突破业界极限,使用512 GPU在10天内即训练出具有可用水平的10万亿模型。相比去年发布的大模型GPT-3,M6实现同等参数规模,能耗仅为其1%。

image.png

将10万亿参数放进512张GPU

模型扩展到千亿及以上参数的超大规模时,将很难放在一台机器上。

为了帮助多模态预训练模型进行快速迭代训练,达摩院在阿里云PAI自研Whale框架上搭建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。

训练速度大幅度提升

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%。

image.png

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。

image.png

M6设计的飞行汽车

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。

达摩院智能计算实验室负责人周靖人表示:

“接下来,我们将深入研究大脑认知机理,致力于将M6的认知力提升至接近人类的水平;另一方面,还将不断增强M6在不同场景中的创造力,产生出色的应用价值。”

目前,达摩院联合阿里云已推出M6服务化平台(https://m6.aliyun.com),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。