文 | 智能相對論
作者 | 陳泊丞
近半年來，MoE混合專家大模型徹底是火了。
在海外，OpenAI的GPT-4、谷歌的Gemini、Mistral AI的Mistral、xAI的Grok-1等主流大模型都采用了MoE架構(gòu)。而在國內(nèi)，浪潮信息也剛剛發(fā)布了基于MoE架構(gòu)的“源2.0-M32”開源大模型。
為什么MoE大模型備受矚目，并逐步成為AI行業(yè)的共識？
知名科學雜志《Nature》在今年發(fā)表了一篇關(guān)于大模型未來發(fā)展之路的文章，《In Al, is bigger always better?》（人工智能，越大型越好？）。爭議的出現(xiàn)，意味著AI的發(fā)展方向出現(xiàn)了分歧。
如今，“大”不再是模型的唯一追求，綜合應用需要關(guān)注模型本身的計算效率和算力開銷兩大問題成為新的行業(yè)焦點。
浪潮信息人工智能首席科學家吳韶華在與「智能相對論」交流時也強調(diào)，事實上他們當前做的，是在模型能力持續(xù)提升的情況下，盡可能降低它的算力開銷。因為今天大模型本身就是由兩個主要因素來決定的，一個是模型能力，一個是算力開銷。
因此，MoE大模型的盛行，實際上對應的正是模型能力和算力開銷兩大問題的解決。這也是為什么眾多大模型廠商如OpenAI、谷歌、Mistral AI、浪潮信息等陸續(xù)基于MoE架構(gòu)升級自家大模型產(chǎn)品的原因。
MoE模型大火的背后，需要厘清三點認知
一、解題思路的轉(zhuǎn)變：三個“臭皮匠”，頂個“諸葛亮”。
中國有句古語：術(shù)業(yè)有專攻，正是MoE模型的最直接的工作設計思路，即把任務分門別類，交由不同的“專家”進行解決。
如果說稠密（Dense）模型是個“全才”模型，旨在培養(yǎng)一個精通各個領域、能解決多個問題的“諸葛亮”，那么混合專家（MoE）模型則是個“專才”模式，側(cè)重于培養(yǎng)多個“臭皮匠”（即“專家”），配合著以更專業(yè)、更高效的團隊模式解決各種問題。
圖片來源：《GShard: Scaling Giant Models with Conditional Computation and Automatic Sharding》
由此便不難理解為什么MoE模型會如此火爆。因為，培養(yǎng)一個“諸葛亮”所需要消耗的資源、成本都太高了，甚至慢慢地超出了普通企業(yè)的承受范圍。根據(jù)計算，訓練一個5000億參數(shù)規(guī)模的Dense模型，基礎算力設施投入約10億美金，無故障運行21個月，電費約5.3億元——這是現(xiàn)階段無法接受的算力投入。
那么，“三個臭皮匠”不僅能“頂個諸葛亮”，同時培養(yǎng)“三個臭皮匠”所需要的資源和成本可比培養(yǎng)“諸葛亮”可就相對簡單多了。像源2.0-M32在處理邏輯、代碼生成、知識等方面的能力是可以對標Llama3-700億的，但其所需要但推理算力卻低了一個量級，只有Llama3-700億的十九分之一。
相當?shù)闹悄芩?，但算力投入?yún)s大幅減少，這也就意味著通過模算效率的提升，我們完全可以用更少的算力投入產(chǎn)出更智能的模型。這會是未來解決算力挑戰(zhàn)的一個關(guān)鍵思路，MoE模型的大火，所帶來的是一個AI行業(yè)解題思路的大轉(zhuǎn)變。
二、算法層面的優(yōu)化：三個“臭皮匠”的搭配和配合是一門藝術(shù)。
雖說“三個臭皮匠，頂個諸葛亮”，但是這“三個臭皮匠”如何選擇、搭配以及配合處理任務，恰恰才是其“頂個諸葛亮”的根本。
更直觀的對比，以古代作戰(zhàn)為例，同樣是一群人打架，為什么散兵游勇很難和正規(guī)軍進行對抗、戰(zhàn)斗？其根本在于正規(guī)軍有專業(yè)的兵種搭配和配合，也就是“兵法”的輔助。放到AI領域，算法即“兵法”。
在MoE模型上，雖說核心思路是一致的，但是關(guān)于門控網(wǎng)絡的位置、模型、專家數(shù)量、以及MoE與Transformer架構(gòu)的具體結(jié)合方案，各家方案都不盡相同，由此將拉開各家MoE模型在應用上的差距。
比如，在算法層面，源2.0-M32就提出并采用了一種新型的算法結(jié)構(gòu)：基于注意力機制的門控網(wǎng)絡（Attention Router）。針對MoE模型核心的專家調(diào)度策略，這種新的算法結(jié)構(gòu)更關(guān)注專家模型之間的協(xié)同性度量，有效解決傳統(tǒng)門控網(wǎng)絡下，選擇兩個或多個專家參與計算時關(guān)聯(lián)性缺失的問題，使得專家之間協(xié)同處理數(shù)據(jù)的水平大為提升。
同時，源2.0-M32采用了源2.0-2B為基礎模型設計，由此得以沿用并融合局部過濾增強的注意力機制（LFA, Localized Filtering-based Attention），通過先學習相鄰詞之間的關(guān)聯(lián)性，然后再計算全局關(guān)聯(lián)性的方法，能夠更好地學習到自然語言的局部和全局的語言特征，對于自然語言的關(guān)聯(lián)語義理解更準確，進而提升了模型精度。
基于注意力機制的門控網(wǎng)絡（Attention Router）
在MoE模型中，算法層面的優(yōu)化將是模算效率提升的一個很好補充。簡單來說，“三個臭皮匠”，能基于算法優(yōu)化而發(fā)揮出更大的價值，在處理問題上得到更好的反饋。這或許也是接下來各家MoE模型進一步拉開差距的關(guān)鍵。
三、數(shù)據(jù)需求的延續(xù)：“諸葛亮”和“臭皮匠”都需要高質(zhì)量的數(shù)據(jù)投喂。
這一點毋庸置疑，“諸葛亮”和“臭皮匠”同屬于“人”，其成長的根本在于高質(zhì)量知識的吸收。同樣的，MoE模型和Dense模型也都同屬于AI模型，都需要高質(zhì)量的數(shù)據(jù)投喂，數(shù)據(jù)質(zhì)量越高，對應產(chǎn)出的模型精度越高。
為什么源2.0-M32在代碼生成、代碼理解、代碼推理、數(shù)學求解等方面有著出色的表現(xiàn)，其根本在于數(shù)據(jù)質(zhì)量。源2.0-M32基于2萬億的token進行訓練，覆蓋萬億量級的代碼、中英文書籍、百科、論文及合成數(shù)據(jù)。其中，大幅擴展代碼數(shù)據(jù)占比至47.5%，從6類最流行的代碼擴充至619類，并通過對代碼中英文注釋的翻譯，將中文代碼數(shù)據(jù)量增大至1800億token。
總的來說，培養(yǎng)“臭皮匠”與培養(yǎng)“諸葛亮”所需要的資源并沒有太多本質(zhì)上的區(qū)別，只是培養(yǎng)的思路、方法有所優(yōu)化，從而使得我們能用更少的資源、成本就培養(yǎng)出了一個能相當甚至是超過“諸葛亮”的“臭皮匠”智囊團。由此，MoE模型成了各大廠商爭先布局的重要方向。
MoE模型普及的關(guān)鍵，仍需要解決最核心的算力問題
正如前面所說，MoE模型和Dense模型同屬于AI，在發(fā)展需要上并沒有太大的本質(zhì)區(qū)別。因此，長期以來困擾AI發(fā)展的算力問題如算力太貴、算力供給不足、算力資源不平衡、算力利用率低等，還是MoE同樣面對的，甚至是其走向大眾市場的一個明顯阻礙。
浪潮信息在發(fā)布源2.0-M32大模型時，吳韶華就提到，“這個模型我們在研發(fā)的初衷就是為了大幅提升基礎模型的模算效率，在這里面有兩個層面，一方面是提升它的精度，另一方面是降低同等精度水平下的算力開銷。”
現(xiàn)如今，很多企業(yè)對MoE模型的重視大多聚焦模型能力，殊不知算力開銷也是一個重要考量。若能花更少的算力，辦更多的事情，那么對于MoE模型而言將是普及的關(guān)鍵。
目前，源2.0-M32大幅提升了模型算力效率，在實現(xiàn)與業(yè)界領先開源大模型性能相當?shù)耐瑫r，顯著降低了在模型訓練、微調(diào)和推理所需的算力開銷。
源2.0-M32業(yè)界主流評測任務表現(xiàn)
其中，在模型推理運行階段，源2.0-M32處理每token所需算力僅為7.4Gflops，而LLaMA3-70B所需算力則為140Gflops。在模型微調(diào)訓練階段，同樣是對1萬條平均長度為1024 token的樣本進行全量微調(diào)，源2.0-M32消耗算力約0.0026PD(PetaFLOPs/s-Day)，而LLaMA3消耗算力約為0.05PD。
目前，源2.0-M32的激活參數(shù)為37億，但是卻取得了和700億參數(shù)LLaMA3相當?shù)男阅芩剑乃懔H為LLaMA3的1/19。如此大幅提升的模算效率，將為企業(yè)開發(fā)應用生成式AI提供一條“模型高性能、算力低門檻”的優(yōu)質(zhì)路徑。
根據(jù)浪潮信息透露，源2.0-M32開源大模型配合企業(yè)大模型開發(fā)平臺EPAI（Enterprise Platform of AI），將助力企業(yè)實現(xiàn)更快的技術(shù)迭代與高效的應用落地。也就是說，在技術(shù)層面，MoE模型將加速普及，而在應用層面，源2.0-M32所提升的模算效率，對模型能力和算力開銷兩大問題的解決將進一步加速生成式AI的普及應用，讓更多企業(yè)都能享受到AI的時代紅利。
寫在最后
MoE模型并非人工智能技術(shù)前進的終點，更不是大模型發(fā)展的最終形態(tài)。但是，它的出現(xiàn)著實是改變了AI發(fā)展的路徑，讓AI落地有了更清晰的方向。
今天，大模型迫切地需要變得越來越大，但是單純的變大并不能解決行業(yè)問題，大模型更應該想清楚如何變得越來越有用。“有用”是一個復雜的概念，既需要模型能力夠強，也需要算力開銷夠小，讓企業(yè)用得起、用得好。
浪潮信息所強調(diào)的模算效率就旨在解決這兩大問題。事實上，從源2.0-M32的發(fā)布來看，模算效率的提升確實把MoE模型推向了一個更廣泛的發(fā)展階段，我們甚至能在此看到不同行業(yè)、不同企業(yè)都能用上、用好MoE模型的可能。
*本文圖片均來源于網(wǎng)絡
#智能相對論 Focusing on智能新產(chǎn)業(yè)新服務，這是智能的服務NO.264深度解讀
此內(nèi)容為【智能相對論】原創(chuàng)，
僅代表個人觀點，未經(jīng)授權(quán)，任何人不得以任何方式使用，包括轉(zhuǎn)載、摘編、復制或建立鏡像。
部分圖片來自網(wǎng)絡，且未核實版權(quán)歸屬，不作為商業(yè)用途，如有侵犯，請作者與我們聯(lián)系。
•AI產(chǎn)業(yè)新媒體;
•澎湃新聞科技榜單月度top5;
•文章長期“霸占”鈦媒體熱門文章排行榜TOP10;
•著有《人工智能 十萬個為什么》
•【重點關(guān)注領域】智能家電（含白電、黑電、智能手機、無人機等AIoT設備）、智能駕駛、AI+醫(yī)療、機器人、物聯(lián)網(wǎng)、AI+金融、AI+教育、AR/VR、云計算、開發(fā)者以及背后的芯片、算法等。
申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！
