作者：是德科技高級(jí)副總裁Marie Hattar

人工智能正在改變世界。然而，它需要大量的處理能力。需求每一百天就會(huì)翻一番。這推動(dòng)了人工智能基礎(chǔ)設(shè)施的投資熱潮。

數(shù)據(jù)中心是未來(lái)人工智能創(chuàng)新的基礎(chǔ)，其性能備受矚目。由于涉及的規(guī)模和復(fù)雜性，確保數(shù)據(jù)中心的穩(wěn)健性和可靠性是一項(xiàng)艱巨的任務(wù)。從芯片到GPU，再到服務(wù)器、網(wǎng)絡(luò)組件和軟件，基礎(chǔ)設(shè)施的每一個(gè)元素都必須在網(wǎng)絡(luò)層面進(jìn)行單獨(dú)和綜合評(píng)估，以確保其無(wú)縫運(yùn)行并消除任何薄弱環(huán)節(jié)。這給服務(wù)提供商帶來(lái)了沉重的負(fù)擔(dān)；然而，考慮到其中的利害關(guān)系，每一次效率的提高都意義重大。

在深入探討測(cè)試的必要性之前，我們先來(lái)看看人工智能是如何給數(shù)據(jù)中心帶來(lái)負(fù)擔(dān)的。當(dāng)前人工智能技術(shù)的迅猛發(fā)展，源于其應(yīng)用所依賴的復(fù)雜算法與模型體系；與特定任務(wù)軟件相比，它們消耗了更多的計(jì)算資源，因此也消耗了更多的能源。這是因?yàn)橛?xùn)練支持生成式人工智能的大語(yǔ)言模型（LLM）需要龐大的計(jì)算資源。而且，隨著人工智能解決方案變得越來(lái)越精細(xì)和復(fù)雜，對(duì)更多處理資源和數(shù)據(jù)存儲(chǔ)的需求并沒(méi)有緩解的跡象。

例如，Sam Altman最近聲稱(chēng)，由于公司“缺少GPU”，OpenAI最新模型的推廣速度放緩。更重要的是，高盛預(yù)測(cè)，到2030年，人工智能將推動(dòng)數(shù)據(jù)中心電力增長(zhǎng)165%。這使得基礎(chǔ)設(shè)施成為業(yè)界關(guān)注的焦點(diǎn)，因?yàn)闃I(yè)界正在尋找各種方法來(lái)創(chuàng)建一個(gè)能夠支持未來(lái)迭代的技術(shù)環(huán)境。

前方道路上的坑洼

人工智能數(shù)據(jù)中心需要滿足和管理對(duì)計(jì)算資源前所未有的需求；這些集群必須高效地支持智能時(shí)代，并提供必要的計(jì)算、內(nèi)存和網(wǎng)絡(luò)性能。測(cè)試在幫助克服挑戰(zhàn)方面具有舉足輕重的作用。要驗(yàn)證、優(yōu)化和提高人工智能數(shù)據(jù)中心的性能，需要能夠再現(xiàn)人工智能工作負(fù)載的復(fù)雜性和規(guī)模的系統(tǒng)級(jí)仿真器。隨著基礎(chǔ)設(shè)施的發(fā)展，系統(tǒng)級(jí)評(píng)估對(duì)于確保性能的穩(wěn)健性和可靠性至關(guān)重要。

• 規(guī)模：數(shù)據(jù)中心運(yùn)營(yíng)的各個(gè)方面都必須增長(zhǎng)，包括電力、冷卻、基礎(chǔ)設(shè)施、存儲(chǔ)和帶寬。實(shí)現(xiàn)這一目標(biāo)的一個(gè)關(guān)鍵方面是解決分布式計(jì)算環(huán)境中的延遲問(wèn)題。人工智能集群（在GPU上分配任務(wù)）很容易因尾部延遲（系統(tǒng)最慢組件的滯后時(shí)間）而出現(xiàn)性能瓶頸。有效的擴(kuò)展需要通過(guò)工作負(fù)載均衡來(lái)檢測(cè)并盡量減少這種情況。

  然而，僅僅符合標(biāo)準(zhǔn)是不夠的，還必須對(duì)組件的性能進(jìn)行評(píng)估，看它是如何處理網(wǎng)絡(luò)協(xié)議數(shù)據(jù)和前向糾錯(cuò)的。例如，符合標(biāo)準(zhǔn)的收發(fā)器可能會(huì)因?yàn)闆](méi)有在協(xié)議/網(wǎng)絡(luò)層進(jìn)行適當(dāng)測(cè)試而失效。

  測(cè)試可幫助服務(wù)商識(shí)別系統(tǒng)效率低下的問(wèn)題，優(yōu)化資源分配，并確保系統(tǒng)在所有節(jié)點(diǎn)上都能保持高性能。通過(guò)微調(diào)，數(shù)據(jù)中心可以在發(fā)展過(guò)程中提高效率，改善運(yùn)營(yíng)和資源利用率。

• 專(zhuān)用硬件：人工智能專(zhuān)用硬件對(duì)于提供更多計(jì)算資源至關(guān)重要。例如，NVIDIA的最新超級(jí)芯片將性能提高了30倍，同時(shí)能耗降低了25倍。不僅是芯片，人工智能要求所有組件全面提速——從互連架構(gòu)、內(nèi)存模塊、網(wǎng)絡(luò)推理卡到交換機(jī)，均需提升運(yùn)行速度，同時(shí)能效要求也需同步提升。

  然而，這些技術(shù)進(jìn)步需要超越合規(guī)性測(cè)試的嚴(yán)格評(píng)估，以驗(yàn)證峰值負(fù)載下的性能表現(xiàn)。系統(tǒng)級(jí)驗(yàn)證對(duì)確保設(shè)備在實(shí)際運(yùn)行環(huán)境中穩(wěn)定可靠至關(guān)重要。壓力測(cè)試可確保人工智能設(shè)備的性能，而互連架構(gòu)與網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化（通過(guò)網(wǎng)絡(luò)驗(yàn)證）能避免瓶頸；內(nèi)存與存儲(chǔ)評(píng)估則保障快速數(shù)據(jù)訪問(wèn)。通過(guò)整合全方位測(cè)試，服務(wù)提供商可實(shí)現(xiàn)高效擴(kuò)展。

• 智能工作負(fù)載：要滿足計(jì)算需求，就必須采用分解式架構(gòu)，以便動(dòng)態(tài)分配資源。測(cè)試可以驗(yàn)證智能管理，并應(yīng)結(jié)合仿真技術(shù)，對(duì)網(wǎng)絡(luò)結(jié)構(gòu)以及動(dòng)態(tài)資源分配和自動(dòng)縮放進(jìn)行基準(zhǔn)測(cè)試。

  要確保網(wǎng)絡(luò)性能，就必須使用真實(shí)世界模型進(jìn)行壓力測(cè)試、制定基準(zhǔn)并找出尾部延遲，所有這些都能改善工作負(fù)載分配。這使服務(wù)商能夠?qū)崿F(xiàn)性能目標(biāo)，同時(shí)根據(jù)當(dāng)前和預(yù)測(cè)的需求動(dòng)態(tài)管理資源。在堆棧中添加先進(jìn)的軟件對(duì)于最大限度地提高性能至關(guān)重要。

可靠性是關(guān)鍵

人工智能模型將繼續(xù)推動(dòng)更多計(jì)算資源的指數(shù)級(jí)增長(zhǎng)，這也推動(dòng)了基礎(chǔ)設(shè)施現(xiàn)代化的軍備競(jìng)賽。然而，要想讓高盛的預(yù)測(cè)成為現(xiàn)實(shí)，就必須在組件和系統(tǒng)層面進(jìn)行嚴(yán)格評(píng)估，以發(fā)現(xiàn)效率低下的問(wèn)題，確保數(shù)據(jù)中心的每個(gè)方面都穩(wěn)健、可靠，并在必要的規(guī)模上進(jìn)行優(yōu)化。