作者：Arm 基礎(chǔ)設(shè)施事業(yè)部高級(jí)產(chǎn)品經(jīng)理 Ashok Bhat

由 Arm Neoverse V2 平臺(tái)賦能的 Google Axion 處理器已在 Google Cloud 上正式上線，其中，C4A 是首款基于 Axion 的云虛擬機(jī)，為基于 CPU 的人工智能 (AI) 推理和通用云工作負(fù)載實(shí)現(xiàn)了顯著的性能飛躍。

Axion CPU 延續(xù)了 Google Cloud 的定制芯片計(jì)劃，旨在提高工作負(fù)載性能和能效，標(biāo)志著在重塑 AI 云計(jì)算格局方向上的重大進(jìn)步。Google 選擇 Arm Neoverse 平臺(tái)是因?yàn)樗邆涓咝阅堋⒏吣苄Ш蛣?chuàng)新靈活性，而且有著強(qiáng)大的軟件生態(tài)系統(tǒng)和廣泛的行業(yè)應(yīng)用，可確保與現(xiàn)有應(yīng)用的輕松集成。

Neoverse V2 平臺(tái)引入了新的硬件擴(kuò)展，例如 SVE/SVE2、BF16 和 i8mm，與上代 Neoverse N1 相比，顯著增強(qiáng)了機(jī)器學(xué)習(xí)性能。這些擴(kuò)展增強(qiáng)了向量處理、BFloat16 運(yùn)算和整數(shù)矩陣乘法，使得基于 Neoverse V2 的 CPU 每周期執(zhí)行的 MAC 運(yùn)算次數(shù)比 N1 提高最多四倍。

從生成式 AI 到計(jì)算機(jī)視覺(jué)：加快 AI 工作負(fù)載推理速度并提升性能

立足于開(kāi)源為原則的 AI 具備眾多領(lǐng)先的開(kāi)源項(xiàng)目。近年來(lái)，Arm 一直與合作伙伴開(kāi)展密切合作，以提高這些開(kāi)源項(xiàng)目的性能。在許多情況下，我們會(huì)利用 Arm Kleidi 技術(shù)來(lái)提高 Neoverse 平臺(tái)上的性能，Kleidi 技術(shù)可通過(guò) Arm Compute Library 和 KleidiAI 庫(kù)訪問(wèn)。

大語(yǔ)言模型

由 Meta 開(kāi)發(fā)的 Llama 模型包含一系列先進(jìn)的大語(yǔ)言模型 (LLM)，專(zhuān)為各種生成任務(wù)而設(shè)計(jì)，模型大小從 10 億到 4,050 億個(gè)參數(shù)不等。這些模型針對(duì)性能進(jìn)行了優(yōu)化，并可針對(duì)特定應(yīng)用進(jìn)行微調(diào)，因而在自然語(yǔ)言處理任務(wù)中用途廣泛。

Llama.cpp 是一個(gè) C++ 實(shí)現(xiàn)方案，可以在不同的硬件平臺(tái)上實(shí)現(xiàn)這些模型的高效推理。它支持 Q4_0 量化方案，可將模型權(quán)重減少為 4 位整數(shù)。

為了展示基于 Arm 架構(gòu)的服務(wù)器 CPU 在 LLM 推理方面的能力，Arm 軟件團(tuán)隊(duì)和 Arm 合作伙伴對(duì) llama.cpp 中的 int4 內(nèi)核進(jìn)行了優(yōu)化，以利用這些新的指令。具體來(lái)說(shuō)，我們?cè)黾恿巳N新的量化格式：為僅支持 Neon 的設(shè)備添加了 Q4_0_4_4，為支持 SVE/SVE2 和 i8mm 的設(shè)備添加了 Q4_0_4_8，為支持 SVE 256 位的設(shè)備添加了 Q4_0_8_8。

因此，與當(dāng)前的 x86 架構(gòu)實(shí)例相比，基于 Axion 的虛擬機(jī)在提示詞處理和詞元 (token) 生成方面的性能高出兩倍。

我們?cè)谒袑?shí)例上運(yùn)行了 Llama 3.1 8B 模型，并對(duì)每個(gè)實(shí)例使用了推薦的 4 位量化方案。Axion 的數(shù)據(jù)是在 c4a-standard-48 實(shí)例上使用 Q4_0_4_8 量化方案生成的，而 Ampere Altra 的數(shù)據(jù)是在 t2a-standard-48 實(shí)例上使用 Q4_0_4_4 生成的。x86 架構(gòu)的數(shù)據(jù)是在 c4-standard-48 (Intel Emerald Rapids) 和 c3d-standard-60 (AMD Genoa) 上使用 Q4_0 量化格式生成的。在所有實(shí)例中，線程數(shù)始終設(shè)置為 48。

BERT

在 C4A 虛擬機(jī)上運(yùn)行 BERT 取得了顯著的速度提升，大幅減少了延遲并提高了吞吐量。此例中，我們?cè)诟鞣N Google Cloud 平臺(tái)實(shí)例上以單流模式（批量大小為 1）使用 PyTorch 2.2.1 運(yùn)行 MLPerf BERT 模型，并測(cè)量第 90 百分位的延遲。

ResNet-50

此外，Google Axion 的功能不僅限于 LLM，還可應(yīng)用于圖像識(shí)別模型，例如 ResNet-50 就能受益于此硬件的先進(jìn)特性。BF16 和 i8mm 指令集成后，實(shí)現(xiàn)了更高的精度和更快的訓(xùn)練速度，展現(xiàn)了 Axion 相較基于 x86 架構(gòu)實(shí)例的性能優(yōu)勢(shì)。

此例中，我們?cè)诟鞣N Google Cloud 平臺(tái)實(shí)例上以單流模式（批量大小為 1）使用 PyTorch 2.2.1 運(yùn)行 MLPerf ResNet-50 PyTorch 模型。

XGBoost

XGBoost 是一個(gè)領(lǐng)先的機(jī)器學(xué)習(xí)算法庫(kù)，用于解決回歸、分類(lèi)和排序問(wèn)題，與 Google Cloud 上類(lèi)似的 x86 架構(gòu)實(shí)例相比，在 Axion 上訓(xùn)練和預(yù)測(cè)所需的時(shí)間減少了 24% 到 48%。

結(jié)論

從上述結(jié)果，可以發(fā)現(xiàn)基于 Axion 的虛擬機(jī)在性能方面超越了上一代基于 Neoverse N1 的虛擬機(jī)和 Google Cloud 上其他的 x86 架構(gòu)替代方案。Google Cloud C4A 虛擬機(jī)能夠處理從 XGBoost 等傳統(tǒng)機(jī)器學(xué)習(xí)任務(wù)到 Llama 等生成式 AI 應(yīng)用的各類(lèi)工作負(fù)載，是AI 推理的理想之選。

Arm 資源：助力云遷移

為了提升 Google Axion 的使用體驗(yàn)，Arm 匯集了各種資源：

[1] 通過(guò) Arm Learning Paths 遷移到 Axion：依照詳細(xì)的指南和最佳實(shí)踐，簡(jiǎn)化向 Axion 實(shí)例的遷移。

[2] Arm Software Ecosystem Dashboard：獲取有關(guān) Arm 的最新軟件支持信息。

[3] Arm 開(kāi)發(fā)者中心：無(wú)論是剛接觸 Arm 平臺(tái)，還是正在尋找開(kāi)發(fā)高性能軟件解決方案的資源，Arm 開(kāi)發(fā)者中心應(yīng)有盡有，可以幫助開(kāi)發(fā)者構(gòu)建更卓越的軟件，為數(shù)十億設(shè)備提供豐富的體驗(yàn)。歡迎開(kāi)發(fā)者在 Arm 不斷壯大的全球開(kāi)發(fā)者社區(qū)中，下載內(nèi)容、交流學(xué)習(xí)和討論。