近兩年，人工智能大模型日益受到社會(huì)關(guān)注，AI+算力正在驅(qū)動(dòng)千行百業(yè)的智能化轉(zhuǎn)型。
有一位“AI工匠”王斌，他帶領(lǐng)團(tuán)隊(duì)駕馭大規(guī)模國(guó)產(chǎn)智算集群，訓(xùn)練出了一套全系統(tǒng)自主可控的九天大模型，打造面向未來的大國(guó)重器。
中國(guó)移動(dòng)研究院人工智能中心高級(jí)總監(jiān) 王斌：這是北京市最典型的一個(gè)覆蓋居民區(qū)的基站，類似的基站中國(guó)移動(dòng)已經(jīng)開通了686萬臺(tái)，這些基站實(shí)際上每天會(huì)消耗大量的電力。
信號(hào)基站引入九天人工智能大模型技術(shù)，對(duì)海量手機(jī)流量信號(hào)精確預(yù)測(cè)，給出每臺(tái)基站的智能節(jié)能方案，全國(guó)600多萬臺(tái)基站通過人工智能等多種技術(shù)實(shí)現(xiàn)全年節(jié)電2.5億度。
王斌：我們的大模型的定位，不光是要能夠?qū)懺娮鳟?，除了能夠識(shí)別傳統(tǒng)的文本類和圖片類知識(shí)，它還要能看得懂像這種雷達(dá)、紅外，這種射頻信號(hào)。
搶抓人工智能發(fā)展的歷史機(jī)遇，2023年初，我國(guó)提出，根據(jù)通信、電力、交通物流、能源等領(lǐng)域的需求，使用國(guó)產(chǎn)軟硬件，打造人工智能大模型，形成自主可控的全新的產(chǎn)業(yè)生態(tài)。
作為中國(guó)移動(dòng)研究院AI技術(shù)專家，王斌有十多年芯片研發(fā)技術(shù)背景，之后又投入人工智能這一新賽道，是我國(guó)為數(shù)不多的既精通AI芯片又熟悉AI模型的技術(shù)人員。訓(xùn)練九天大模型這一國(guó)之重器的任務(wù)就落在了王斌團(tuán)隊(duì)肩上。
王斌：這是我們的一個(gè)機(jī)房，智算的服務(wù)器就在這個(gè)機(jī)架里面。
記者：有多少臺(tái)？
王斌：整個(gè)樓里面一共有2304臺(tái)服務(wù)器，折算成AI加速卡的話，超過1.8萬張。
這個(gè)全國(guó)規(guī)模最大的軟硬件都基于國(guó)產(chǎn)技術(shù)的智算集群就是九天大模型的最強(qiáng)大腦。
王斌帶領(lǐng)團(tuán)隊(duì)，收集了近500萬億字符的原始文本數(shù)據(jù)，幾乎涵蓋了人類有史以來全量的文本類知識(shí)，從中篩選出超10萬億字符的高質(zhì)量訓(xùn)練數(shù)據(jù)集。讓大模型記住這些知識(shí)不難，難的是怎么學(xué)會(huì)運(yùn)用，這正是王斌必須邁過的第一道關(guān)卡。
王斌：大模型的結(jié)構(gòu)跟咱們?nèi)祟惖拇竽X結(jié)構(gòu)是比較類似的，像人類大腦也有差不多1000億個(gè)神經(jīng)元，可能不同的神經(jīng)元是負(fù)責(zé)不同的任務(wù)。我們平時(shí)做數(shù)學(xué)題用到的神經(jīng)元，跟做語文題用到的神經(jīng)元可能是不一樣的。
記者：所以這大模型也是這么分的？
王斌：像一個(gè)千億的大模型，我們要拆成18000份，每一個(gè)芯片在訓(xùn)練它所負(fù)責(zé)那部分的時(shí)候，都要高效地從這些數(shù)據(jù)中把知識(shí)萃取出來。
大模型的18000張芯片要學(xué)會(huì)理解知識(shí)之間的邏輯關(guān)系，還要各有分工，彼此聯(lián)動(dòng)，逐漸變得聰明起來，王斌帶領(lǐng)團(tuán)隊(duì)給大模型設(shè)計(jì)學(xué)習(xí)知識(shí)的算法、控制學(xué)習(xí)進(jìn)程、矯正大模型的價(jià)值觀。然而，他卻碰到了一個(gè)棘手的難題。
王斌：在我們這個(gè)行業(yè)，有個(gè)說法叫得開發(fā)者得天下。像國(guó)際主流AI芯片，它的開發(fā)者人數(shù)有好幾百萬，它會(huì)有很多優(yōu)化的手段，這種優(yōu)化手段會(huì)帶來整個(gè)訓(xùn)練效率的提升。咱們現(xiàn)在國(guó)內(nèi)的AI芯片，它的開發(fā)者人數(shù)可能都不到10萬，可能里面還會(huì)有很多缺陷，只能說是一個(gè)坑一個(gè)坑去蹚，一個(gè)坎一個(gè)坎去邁。
從系統(tǒng)設(shè)計(jì)到功能模塊開發(fā)，近150名工程師歷時(shí)一年半時(shí)間，寫出了超過120萬行的代碼，構(gòu)建了一套完整的平臺(tái)軟件，瞄準(zhǔn)國(guó)際先進(jìn)行列，加速追趕。
這個(gè)智算集群里的18000張芯片運(yùn)行時(shí)，好像一個(gè)龐大的方陣，整齊劃一，共同推進(jìn)，只要有一張卡出現(xiàn)問題，就會(huì)導(dǎo)致整個(gè)方陣混亂，訓(xùn)練任務(wù)失敗。在訓(xùn)練了兩個(gè)月的時(shí)候，這一巨大方陣就出現(xiàn)了嚴(yán)重故障。王斌帶領(lǐng)技術(shù)骨干扎入18000張卡的數(shù)字深海，一層層排查，直到智算集群最底部。
中國(guó)移動(dòng)研究院人工智能中心高級(jí)工程師 叢鵬宇：王斌原來積累的硬件知識(shí)，在做大模型訓(xùn)練過程中，特別是排障過程中，其實(shí)發(fā)揮了很重要的作用。有很高的技術(shù)的前瞻性和技術(shù)的敏感性，能夠指導(dǎo)大家從更加廣泛的角度、更加有建設(shè)性的角度來解決問題。
7天后終于找到了一張故障卡。然而，這7天的停滯卻導(dǎo)致整個(gè)訓(xùn)練任務(wù)要從頭再來。
王斌：這么大規(guī)模的資源，已經(jīng)執(zhí)行了這么長(zhǎng)時(shí)間任務(wù)，整個(gè)效果要清零是多么大的一個(gè)打擊。為了解決這個(gè)問題，我們必須有一個(gè)即時(shí)檢測(cè)技術(shù)。
半年多，王斌帶領(lǐng)團(tuán)隊(duì)對(duì)上萬次大大小小的故障逐個(gè)分析，找到每一個(gè)故障的根本原因，歸類整理，做出了一份故障處置清單，打造了一套自動(dòng)檢測(cè)軟件，把各類故障的排查恢復(fù)時(shí)間從幾天縮短到了十幾分鐘。
在王斌團(tuán)隊(duì)的努力下，國(guó)產(chǎn)AI芯片在萬卡規(guī)模上的訓(xùn)練效率達(dá)到同代國(guó)際主流AI芯片水平，為后續(xù)國(guó)產(chǎn)芯片在其他領(lǐng)域更廣泛的應(yīng)用打下了堅(jiān)實(shí)基礎(chǔ)。
目前九天大模型已經(jīng)進(jìn)入了通信、石油生產(chǎn)、農(nóng)業(yè)種植、智能制造等很多領(lǐng)域，正在用智慧賦能新質(zhì)生產(chǎn)力。2025年1月，九天大模型被評(píng)為央企大國(guó)重器。
中國(guó)信息通信研究院人工智能研究所平臺(tái)與工程化部副主任 董昊：九天大模型不僅是我們自主技術(shù)的一種突破，同時(shí)也為我們國(guó)家大模型的應(yīng)用落地提供了可復(fù)制可借鑒的成熟解決方案。
王斌：國(guó)家給了我們這種期許，能夠用國(guó)產(chǎn)算力實(shí)現(xiàn)對(duì)國(guó)際主流算力的替代，我們九天大模型還在持續(xù)迭代升級(jí)，在AI賽道上任重道遠(yuǎn)，我們有信心有決心來應(yīng)對(duì)挑戰(zhàn)。