GPU是如何用来训练AI大模型的

一说到显卡，大多数人第一反应就是，这不是给打游戏用的吗？其实显卡除了用于加速图形渲染外，还有一个王炸功能，那就是它的GPU可以作为AI芯片使用。这期视频我们就重点讲解显卡的AI芯片功能。首先我们先来了解一下显卡，打开显卡，里面是一块PCB电路板，电路板上最重要的元件就是这块GPU芯片。跟CPU芯片一样，GPU芯片内部也集成了上百亿的晶体管，但是不同的是，GPU内部的核心数能达到上万个，而CPU一般只有少数的几个核心。为什么GPU的核心数需要这么多呢？这就跟GPU处理的任务有关系了。我们以3D游戏为例，你在游戏中看到的任何画面都是通过GPU渲染出来的，游戏里面的每一个物体都是由无数个小三角形相互连接组成，每个小三角形拥有3个顶点，每个顶点在3D世界都有相应的坐标值，根据每个三角形在空间中的位置进行连线。我们就能组合成一个3D模型，然后再根据3D模型给每个三角形贴上相应的皮肤，一个3D模型就渲染出来了。整个过程看似简单，但是计算机处理起来却非常复杂。在现实世界中，人移动时，眼睛看到的物体是不断变化的，为了模拟眼睛的效果，在计算机图形学中是使用一个摄像机来代替眼睛的。那摄像机看到一个物体时，是如何将它渲染到一个2D视图屏幕上的呢？首先，物体在模型空间中，为了保持自己的形态，自身拥有一系列的空间坐标信息，想要知道物体在这个世界上是什么样的，就需要将物体从模型空间转换到世界空间。由于人眼睛看到的物体是不断变化的，所以物体在世界的坐标还需要根据摄像机的移动进行变化，因此世界空间最终还要转化到摄像机空间，最后摄像机空间会转化为视图，从而显示到屏幕。重点来了，不同的空间是如何进行转换的呢？我们以模型的一个顶点坐标为例，当它转移到世界空间时，自身信息会发生变化，我们可以获取到模型变化时的位置比例和旋转值，然后再转移到摄像机空间，同样的，我们也可以获取到摄像机的坐标和旋转值的变化。最后将这些坐标比例和旋转值放入矩阵转换中进行计算。矩阵转换听起来高大上，其实就是对这些值进行小学生都会的加法和乘法运算，最终得到一个对应2D屏幕的XYZ值，这只是对其中的一个顶点进行转换。但是在游戏中往往场景都非常的复杂，动辄十几万甚至上百万个顶点需要并行计算，但是这些大量的简单的并行计算任务是完全没有必要消耗CPU的计算资源的，所以为了解放CPU，就诞生了专门为简单的并行计算而生的GPU，它拥有成千上万个核心，当把大量的计算任务丢给GPU后，GPU会将这些任务立即分给核心上的。计算逻辑单元进行计算，从而快速得到输出结果，因此你在玩游戏时感受不到任何延迟。那GPU是如何做到大规模并行计算的呢？回答这个问题前，如果你也想学习制作知识动画，可以下载左下角的精选APP，它里面不仅可以学习机械原理、工程建设，还能了解武器装备，赶紧下载试试吧，这里有100个计算任务需要GPU处理，每个任务为一个线程，最理想的状态就是将这100个线程任务分别给100个GPU核心进行处理。问题是GPU处理的都是海量的计算任务，如果有100万个任务要处理，就需要100万个核心，这显然是不现实的。但是如果我们将100万个任务发送给1000个GPU核心去处理，可以看到，整个分配过程又会极其复杂，为了方便，我们将1000个GPU核心，每100个一组分成10组，在进行任务分配就会简单很多，对应的100万个线程任务我们也可以进行分。每1000个任务一组分成1000组，然后再进行分配，分配过程就更简单了。但是问题是每一组现成任务有1000个，对应的处理核心只有100个。为了进一步优化，我们可以将每组的1000个现成任务继续进行分组，每100个一组分成10组，这样100个线程任务就能对应100个核心进行处理了。GPU就是以这种极其高效的任务分配来提供高性能的计算服务的。其实说到这里，GPU还都是为了图形渲染而服务的，那它是如何演变成AI芯片的呢？这跟AI浪潮的来临有很大的关系。AI模型需要不停的进行大量的并行计算，特别是矩阵计算，以此来完成模型的深度学习和快速训练，而GPU刚好契合了AAI大模型计算的需求。但是其他厂商也生产了很多专业的AI芯片，为什么就英伟达能成为AI领域的天选之子呢？这就不得不说GPU的qdaqda才是英伟达。等起飞的关键。为了构建通用的并行计算架构，英伟达早在2007年就推出了Q带并行计算平台和编程模型，并且之后的每一代GPU都支持库的。有了库的后，任何人都可以在这个平台来进行开发，开发者可以随意调用GPU强大的计算能力来满足自己的计算需求。比如你编写了一段这样的库的代码，当代码发送到GPU运行后，GPU会从内存拿到相关的数据，接着CPU就会告诉GPU并行执行该程序，那么GPU就会按照需求自动将任务分成100个线程，然后分配给100个核心去计算执行。至于具体如何分配线程，程序员完全不用去关心。但是Q的在当时退出时并不吃香，因为显卡当时还仅仅用于图形加速渲染。Q的的商业价值并没有显现，这也使得很多公司并没有下场来做类似Q的的平台。但是随着AI的爆发，开发者可以通过qda调用GPU强。强大计算能力的优势以及本身GPU芯片性能过硬，一下子吸引了大量的开发者涌入带平台，其中最有名的就是chatgPPchatgPP使用了上万颗的英伟达GPU来训练自己的AI模型，这也使得chatgPP一举成为全球最有名的AI大模型。Qda也成为了英伟达最大最深的护城河，几乎全球所有的大型科技公司都在通过Q的来使用英伟达的GPU，市场份额接近90%，这也为英伟达构建了一个牢不可破的巨大生态。另外，英伟达每年还在不断的推出打破摩尔定律的超级AI芯片，使得英伟达领头羊的地位还在不停的扩大。那么问题来了，你觉得想要突破英伟达的护城河，国产GPU的出路到底在哪里呢？

我司专注于 线路板ERP， 线路板生产系统， 线路板ERP系统， 线路在线下单系统， 线路板下单系统， PCB下单系统， PCB小批量系统，

线路板厂家。多年来一直专于线路板生产，PCB生产系统，多层板生产系统等。