AI芯片初創(chuàng)公司Lemurian Labs發(fā)明了一種專為AI加速設計的新型對數(shù)數(shù)字格式，并正在構(gòu)建一種芯片，利用它為數(shù)據(jù)中心AI工作負載服務。

Lemurian的CEO Jay Dawani說：“2018年，我正在為機器人訓練模型，部分是卷積，部分是Transformer，部分是強化學習。在1萬個Nvidia V100 GPU上訓練這個模型需要6個月時間……模型呈指數(shù)級增長，但很少有人有足夠的算力來嘗試訓練，很多想法就這樣被放棄了。我試圖為那些有偉大想法但卻苦于沒有算力的普通的ML工程師構(gòu)建模型。”

對Lemurian首款芯片的模擬顯示，根據(jù)H100最新的MLPerf推理基準測試結(jié)果，Lemurian的新數(shù)字系統(tǒng)與專門設計的芯片相結(jié)合，其性能將優(yōu)于Nvidia的H100。在離線模式下，Lemurian芯片在MLPerf版本的GPT-J中每個芯片每秒可處理17.54次推理（Nvidia H100在離線模式下每秒可處理13.07次推理）。Dawani說，Lemurian的模擬結(jié)果可能在真實芯片性能的10%以內(nèi)，但他的團隊打算今后從軟件中榨取更多性能。他說，軟件優(yōu)化加上稀疏性可以將性能再提高3-5倍。

對數(shù)數(shù)字系統(tǒng)??

Lemurian的秘訣在于該公司提出的新數(shù)字格式，稱之為PAL（parallel adaptive logarithms）。

Dawani說：“作為一個行業(yè)，我們開始急于采用8位整數(shù)量化，因為從硬件的角度來看，這是我們所擁有的最有效的東西。但從來沒有軟件工程師說過我想要8位整數(shù)！”

對于今天的LLM推理而言，INT8的精度已被證明是不夠的，業(yè)界已轉(zhuǎn)向FP8。但Dawani解釋說，AI工作負載的性質(zhì)意味著數(shù)字經(jīng)常處于亞正常范圍（接近零的區(qū)域），F(xiàn)P8可以表示的數(shù)字較少，因此精度較低。FP8在亞正常范圍內(nèi)的覆蓋率存在差距，這也是許多訓練方案需要BF16和FP32等更高精度數(shù)據(jù)類型的原因。

比較各種數(shù)字格式的覆蓋范圍。與CFP8（configurable floating point 8）、INT8（integer 8）和現(xiàn)有LNS8（logarithmic number system 8）相比，Lemurian的8位對數(shù)數(shù)據(jù)類型PAL8在亞正常范圍的覆蓋率更高。

Dawani的聯(lián)合創(chuàng)始人Vassil Dimitrov提出了一個想法，即通過使用多基數(shù)和多指數(shù)來擴展現(xiàn)有的LNS（logarithmic number system），該系統(tǒng)已在DSP中使用了幾十年。

Dawani說：“我們交錯表示多個指數(shù)，以重現(xiàn)浮點的精度和范圍。這樣就能提供更好的覆蓋范圍……它自然而然地形成了一個錐形輪廓，在重要的地方，即在亞正常范圍內(nèi)，具有非常高的精度帶?！? 這個精度帶可以進行偏置，以覆蓋所需的區(qū)域，這與浮點運算的原理類似，但Dawani說，它允許對偏置進行比浮點運算更精細的控制。

Lemurian開發(fā)了從PAL2到PAL64的PAL格式，其中14位格式與BF16相當。與FP8相比，PAL8的精度提高了約一個比特，大小約為INT8的1.2倍。Dawani希望其它公司也能采用這些格式。

他說：“我希望更多的人使用它，因為我認為是時候擺脫浮點運算了。PAL可以應用于目前浮點運算的任何應用，從DSP到HPC以及兩者之間，而不僅僅是AI，盡管這是我們目前的重點。我們更有可能與其它為這些應用構(gòu)建芯片的公司合作，幫助他們采用我們的格式?！?

對數(shù)加法器??

由于對數(shù)加法器簡化了乘法運算，因此在大部分為乘法運算的DSP工作負載中，對數(shù)加法器已使用了很長時間。LNS表示的兩個數(shù)的乘法就是這兩個對數(shù)的加法。然而，將兩個LNS數(shù)字相加卻比較困難。DSP傳統(tǒng)上使用LUT (large lookup table) 來實現(xiàn)加法運算，雖然效率相對較低，但如果所需的大部分運算都是乘法運算，這種方法已經(jīng)足夠好了。

對于AI工作負載來說，矩陣乘法需要乘法和加法。Dawani說，Lemurian的秘訣之一就是“在硬件上解決了對數(shù)加法”。

他說：“我們完全摒棄了LUT，創(chuàng)建了一個純對數(shù)加法器。我們有一個比浮點精確得多的精確加法器。我們?nèi)栽谶M行更多優(yōu)化，看看能否使它更便宜、更快速。它的PPA（power, performance, area）已經(jīng)比FP8高出兩倍多?！? Lemurian已經(jīng)為這款加法器申請了多項專利。

他說：“DSP界以研究工作負載并從數(shù)值上理解它在尋找什么著稱，然后加以利用并將其轉(zhuǎn)化為芯片。這與我們正在做的事沒有什么不同。我們并沒有構(gòu)建一個只做一件事的ASIC，而是研究了整個神經(jīng)網(wǎng)絡空間的數(shù)值，并構(gòu)建了一個具有適度靈活性的特定領域架構(gòu)。”

Lemurian數(shù)據(jù)流架構(gòu)的高級視圖。該芯片是圍繞該公司的對數(shù)數(shù)字系統(tǒng)設計的。

軟件堆棧??

以高效的方式實現(xiàn)PAL格式需要硬件和軟件。

Dawani說：“我們花了很多心思去思考如何讓硬件更容易編程，因為除非你能首先提高工程師的生產(chǎn)力，否則任何架構(gòu)都不會成功。我寧愿有一個糟糕的硬件架構(gòu)和一個優(yōu)秀的軟件堆棧，而不是相反?！?/p>

他說，Lemurian在開始考慮硬件架構(gòu)之前，就已經(jīng)構(gòu)建了大約40%的編譯器。如今，Lemurian的軟件堆棧已經(jīng)開始運行，Dawani希望保持它的完全開放性，這樣用戶就可以編寫自己的內(nèi)核和融合程序。

軟件堆棧包括Lemurian的混合精度對數(shù)量化器Paladynn，它可以將浮點和整數(shù)工作負載映射到PAL格式，同時保持精度。

他說：“我們采用了神經(jīng)架構(gòu)搜索中的許多想法，并將其應用于量化，因為我們想讓這部分變得簡單?！?/p>

Dawani說，雖然卷積神經(jīng)網(wǎng)絡的量化相對容易，但transformer卻并非如此。激活函數(shù)中存在異常值，需要更高的精度，因此transformer總體上可能需要更復雜的混合精度方法。不過，Dawani說，他正在關注多項研究工作，這些工作表明，到Lemurian的芯片上市時，transformer可能就不再流行了。

未來的AI工作負載可能會遵循Google的Gemini等公司設定的路徑，即運行非確定的步數(shù)。他說，這打破了大多數(shù)硬件和軟件堆棧的假設。

他說：“如果你事先不知道你的模型需要運行多少步，你該如何安排它，你需要在多少計算上安排它？你需要的是更動態(tài)的東西，這影響了我們的很多想法?！?/p>

該芯片將是一款300W的數(shù)據(jù)中心加速器，配備128GB HBM3，可提供3.5POPS的密集算力（稀疏性將稍后推出）?？傮w而言，Dawani的目標是打造一款性能優(yōu)于H100的芯片，并使其價格與Nvidia上一代A100相當。目標應用包括內(nèi)部AI服務器（任何行業(yè)）和一些二級或?qū)I(yè)云公司（非超大規(guī)模公司）。

審核編輯：劉清