隨著人工智能 (AI) 技術的迅猛發(fā)展,云計算領域正在經歷顯著變革。愈發(fā)復雜的 AI 應用對計算解決方案的性能、效率和成本效益提出了更高要求。在云端部署工作負載的客戶正在重新評估其所需的基礎設施,以滿足現(xiàn)代工作負載需求,其中不僅包括提高性能和降低成本,還涵蓋了需符合監(jiān)管要求或可持續(xù)發(fā)展目標的新能效基準。
Arm 與亞馬遜云科技 (AWS) 長期合作,為實現(xiàn)性能更強勁、更高效和可持續(xù)的云計算提供專用芯片和計算技術。在近期舉行的 AWS re:Invent 2024 大會上,AWS 進一步展示了 AWS Graviton4 所取得的顯著進展,使開發(fā)者和企業(yè)能夠充分發(fā)揮其云工作負載的性能潛力。
卓越的性能表現(xiàn)
相較于上一代 Graviton3 處理器,基于 Arm Neoverse V2 平臺的 AWS Graviton4 處理器在計算性能上提升了 30%,核心數(shù)增加了 50%,內存帶寬提高了 75%。憑借這些技術優(yōu)勢,AWS Graviton 處理器在生態(tài)系統(tǒng)和客戶群體中得到了廣泛應用。
Arm Neoverse V2 平臺涵蓋 Armv9 架構的新特性,包括高性能浮點和向量指令支持,以及 SVE/SVE2、Bfloat16 和 INT8 MatMul 等特性。這些特性為 AI/機器學習 (ML) 以及高性能計算 (HPC) 工作負載提供了卓越性能。
AI/ML 工作負載
今年早些時候,Arm 與主流的 AI 框架和軟件生態(tài)系統(tǒng)合作,推出了 Arm Kleidi 軟件,以確保Arm 平臺上開機即用的推理性能優(yōu)化能惠及整個 ML 棧,開發(fā)者無需掌握額外的 Arm 專業(yè)知識即可構建其工作負載,從而進一步推動 AI 工作負載的廣泛應用。此前,Arm 已展示了 PyTorch 中的這些優(yōu)化如何賦能 AWS Graviton4 上運行大語言模型(LLM),如 Llama 3 70B 和 Llama 3.1 8B,并顯著改善了每秒生成詞元 (token) 數(shù)和詞元首次響應時間的表現(xiàn)指標。
HPC 和 EDA 工作負載
對于 HPC 工作負載,Graviton4 相較于 Graviton3E 在功能上實現(xiàn)了顯著提升。每個核心的主內存帶寬增加了 16%,每個 vCPU 的 L2 緩存容量翻倍。這些改進對于 HPC 應用的性能至關重要,因為 HPC應用通常受限于內存帶寬。AWS 已經在這些領域取得了顯著優(yōu)勢,如下所示。
根據(jù) Arm 工程團隊實際運行 EDA 工作負載所得出的結果,Graviton4 提供的 RTL 仿真工作負載性能比 Graviton3 高出 37%。
圖:AWS Graviton4 上的 HPC 和 EDA 工作負載優(yōu)勢
生態(tài)系統(tǒng)廣泛采用
近年來,隨著云計算用戶將各種云工作負載部署在 AWS Graviton 處理器上,其軟件生態(tài)系統(tǒng)持續(xù)擴展。如此一來,客戶不僅節(jié)省了費用,收獲了性能的提升,還能優(yōu)化其碳足跡和可持續(xù)發(fā)展足跡。以下是部分示例:
圖:采用基于 Arm Neoverse 的 AWS Graviton3 所取得的生態(tài)優(yōu)勢
著手利用 Graviton 的強大性能
Arm 將在云計算的未來中發(fā)揮關鍵作用,并將繼續(xù)支持 AWS Graviton 立于技術創(chuàng)新的前沿。Arm 將繼續(xù)投入并進一步強化軟件生態(tài)系統(tǒng),從而使開發(fā)者能夠更加輕松地在 Arm 平臺上構建其應用,并充分利用 Arm 計算平臺所提供的卓越性能和效率優(yōu)勢。