人工智能GPU工作压力也很大,平均寿命落在1~3年

发布时间:2024-10-29  

外媒报道,目前科技大厂争相砸大钱购买的数据中心 GPU,其寿命可能只有 1~3 年。 真实寿命会落在1~3年的哪个时间点上,具体取决于其利用率的状况。

根据 Tom's hardware 引用一位任职于 Alphabet 的高级专家说法,由于 GPU 承担了 AI 训练和推理的所有繁重工作,它们一直处于相当大的工作执行状态之下,因此比其他零部件更快地退化。

报道表示,在云服务提供商(CSP)运营的数据中心中,用于AI工作执行的GPU利用率约当在60%~70%之间。 而根据 Alphabet 生成式 AI 架构师的说法,以这种利用率来计算,GPU 通常可以存活 1~2 年,最多达到 3 年的时间。 不过,这样的说法并没有办法被进一步的确认,所以事实是不是如此还有待时间来证明。 然而,这样的说法似乎仍有几分可信度,因为现代用于AI和HPC应用的数据中心GPU通常能耗达到700W或以上,这长时间工作对芯片来说是巨大的压力。

报道指出,有一种方式可以延长 GPU 的寿命,就是减少其利用率。 然而,这意味着它们会更慢的折旧,并延长收回成本的时间,这对业务来说并不是一件好事。 因此,大多数云服务提供商更愿意以高利用率来使用他们旗下部署的 GPU。

事实上,2024年刚开始之际,Meta发表了一份研究报告指出,Llama 3 405B的模型是在由16,384个英伟达H100 80GB GPU驱动的丛集上进行训练的。 而该集群的模型的浮点运算利用率(MFU)约为38%(使用BF16)。 但在54天的训练期间,有419次不可预知的故障。 其中有有148次,占比约30.1%的故障是由各种GPU故障,其中包括NVLink故障所引起的,而有另外的占比约17.2%的72次是由HBM3内存故障所引起。

这个Meta的设结果似乎对英伟达H100 GPU的使用状况非常有利。 因为GPU及其存储器在Meta统计比例下的速度出现故障,那么这些GPU的年化故障率将约为9%,而这些GPU在3年内的年化故障率将约为27%。 不过,要注意的是,这些GPU可能会在频繁的使用一年后,将可能更频繁地出现故障。

文章来源于:全球半导体观察    原文链接
本站所有转载文章系出于传递更多信息之目的,且明确注明来源,不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。

我们与500+贴片厂合作,完美满足客户的定制需求。为品牌提供定制化的推广方案、专属产品特色页,多渠道推广,SEM/SEO精准营销以及与公众号的联合推广...详细>>

利用葫芦芯平台的卓越技术服务和新产品推广能力,原厂代理能轻松打入消费物联网(IOT)、信息与通信(ICT)、汽车及新能源汽车、工业自动化及工业物联网、装备及功率电子...详细>>

充分利用其强大的电子元器件采购流量,创新性地为这些物料提供了一个全新的窗口。我们的高效数字营销技术,不仅可以助你轻松识别与连接到需求方,更能够极大地提高“闲置物料”的处理能力,通过葫芦芯平台...详细>>

我们的目标很明确:构建一个全方位的半导体产业生态系统。成为一家全球领先的半导体互联网生态公司。目前,我们已成功打造了智能汽车、智能家居、大健康医疗、机器人和材料等五大生态领域。更为重要的是...详细>>

我们深知加工与定制类服务商的价值和重要性,因此,我们倾力为您提供最顶尖的营销资源。在我们的平台上,您可以直接接触到100万的研发工程师和采购工程师,以及10万的活跃客户群体...详细>>

凭借我们强大的专业流量和尖端的互联网数字营销技术,我们承诺为原厂提供免费的产品资料推广服务。无论是最新的资讯、技术动态还是创新产品,都可以通过我们的平台迅速传达给目标客户...详细>>

我们不止于将线索转化为潜在客户。葫芦芯平台致力于形成业务闭环,从引流、宣传到最终销售,全程跟进,确保每一个potential lead都得到妥善处理,从而大幅提高转化率。不仅如此...详细>>