Inflection AI将其LLM推理堆栈从NVIDIA迁移至Intel Gaudi的经验教训
内容提要
Inflection AI将其LLM推理堆栈从NVIDIA GPU迁移至Intel Gaudi加速器，以应对GPU供应短缺和价格上涨。经过几周的调整和优化，性能接近NVIDIA。解决了不支持的操作和执行模式问题，提升了性能，并为未来硬件设计提供了经验。
关键要点
-
Inflection AI将其LLM推理堆栈从NVIDIA GPU迁移至Intel Gaudi加速器，以应对GPU供应短缺和价格上涨。
-
选择Intel是因为其在企业硬件领域的广泛应用，能够利用现有数据中心投资进行AI部署。
-
迁移过程经历了几周的调整和内核重写，最终实现了接近NVIDIA的性能。
-
在迁移过程中，发现PyTorch的部分操作在Intel的SynapseAI后端不被支持，导致性能下降。
-
通过重写不支持的操作，性能提升近15倍，并消除了段错误。
-
在执行模式上，Eager模式的延迟高于NVIDIA，而Lazy模式的性能更差。
-
通过识别和移除动态操作，结合HPU图的使用，实现了4倍的速度提升。
-
利用Habana的torch-based分析工具，优化了硬件利用率，提升了计算吞吐量。
-
此次迁移的经验为未来硬件设计提供了宝贵的见解，证明性能与灵活性可以兼得。
延伸解读
硬件选择的灵活性
Inflection AI的迁移经验表明，企业在选择AI硬件时应考虑灵活性和可扩展性。随着GPU供应短缺和价格上涨，依赖单一供应商可能限制企业的增长潜力。选择Intel Gaudi加速器不仅能利用现有数据中心投资，还能为未来的硬件选择提供更多可能性。
优化过程中的挑战
在迁移过程中，Inflection AI面临了许多技术挑战，尤其是PyTorch操作的不支持。这些问题导致了性能下降和段错误。通过重写不支持的操作，团队实现了显著的性能提升，强调了在硬件迁移中解决兼容性问题的重要性。
执行模式的影响
迁移过程中，Eager模式和Lazy模式的性能差异显著。Eager模式虽然输出准确，但延迟较高，而Lazy模式则因动态操作导致更差的性能。通过优化执行模式，Inflection AI成功实现了4倍的速度提升，显示了选择合适执行模式的重要性。
延伸问答
Inflection AI为什么将其LLM推理堆栈从NVIDIA迁移至Intel Gaudi？
Inflection AI迁移至Intel Gaudi是为了应对GPU供应短缺和价格上涨，寻求更灵活的硬件解决方案。
迁移过程中遇到了哪些技术挑战？
迁移过程中遇到的挑战包括PyTorch部分操作在Intel的SynapseAI后端不被支持，导致性能下降和段错误。
如何解决不支持的操作问题？
通过重写不支持的操作，Inflection AI实现了近15倍的性能提升，并消除了段错误。
Eager模式和Lazy模式在性能上有什么区别？
Eager模式的延迟高于NVIDIA，而Lazy模式的性能更差，导致执行速度减慢。
Inflection AI如何优化Gaudi硬件的利用率？
Inflection AI利用Habana的torch-based分析工具，优化了硬件利用率，提升了计算吞吐量。
此次迁移的经验对未来硬件设计有什么启示？
此次迁移的经验表明，性能与灵活性可以兼得，为未来硬件设计提供了宝贵的见解。
