- 1软考高项第四版必背知识点简略版6_项目管理第四版考点汇总
- 2（18-4-06）Agents（智能代理）： ReAct代理_react agent
- 3MIPS的冒泡排序的流程图_mips流程图
- 4【MySQL】——概念、逻辑、物理结构设计_mysql物理结构设计要点
- 5【转载】【C语言】浅析C语言之uint8_t / uint16_t / uint32_t /uint64_t_define uint64
- 6「小白必读」国内超火的 8 款 AI 大模型，你的副业都来自它_ai模型
- 7php软件开发微信分享功能,微信小程序实例：自定义分享功能的实现代码
- 8SpringBoot 集成 MongoDB_@field(index = indexdirection.ascending)
- 9「43」让多个视频，秒变电脑虚拟直播摄像头_电脑虚拟摄像头
- 10查看项目中的angular版本_查看angular版本
除了sora，值得关注的大模型进展！谷歌TPU人马打造最快推理芯片，每秒500tokens干翻GPU！...
赞
踩
文章来源 量子位
太快了太快了。
一夜间，大模型生成已经没什么延迟了……来感受下这速度。
眼花缭乱了吧，生成速度已经接近每秒500 tokens。
还有更直观的列表对比，速度最高能比以往这些云平台厂商快个18倍吧。
（这里面还有个熟悉的身影：Lepton）
网友表示：这速度简直就是飞机vs走路。
值得一提的是，这并非哪家大公司进展——
初创公司Groq，谷歌TPU团队原班人马，基于自研芯片推出推理加速方案。（注意不是马斯克的Grok）
据他们介绍，其推理速度相较于英伟达GPU提高了10倍，成本却降低到十分之一。
换言之，任何一个大模型都可以部署实现。
目前已经能支持Mixtral 8x7B SMoE、Llama 2的7B和70B这三种模型，并且可直接体验Demo。
他们还在官网上喊话奥特曼：
你们推出的东西太慢了……
每秒接近500tokens
既然如此，那就来体验一下这个号称「史上最快推理」的Groq。
先声明：不比较生成质量
。就像它自己说的那样，内容概不负责。
目前，演示界面上有两种模型可以选择。
就选择Mixtral 8x7B-32k和GPT-4同擂台对比一下。
提示词：你是一个小学生，还没完成寒假作业。请根据《星际穿越》写一篇500字的读后感。
结果啪的一下，只需1.76秒就生成了一长串读后感，速度在每秒478Tokens。
不过内容是英文的，以及读后感只有三百六十多字。但后面也赶紧做了解释说考虑到是小学生写不了那么多……
至于GPT-4这边的表现，内容质量自然更好，也体现了整个思路过程。但要完全生成超过了三十秒。单是读后感内容的生成，也有近二十秒钟的时间。
除了Demo演示外，Groq现在支持API访问，并且完全兼容，可直接从OpenAI的API进行简单切换。
可以免费试用10天，这期间可以免费获得100万Tokens。
目前支持Llama 2-70B 和7B， Groq可以实现4096的上下文长度，还有Mixtral 8x7B这一型号。当然也不局限于这些型号，Groq支持具体需求具体定制。
价格方面，他们保证：一定低于市面上同等价格。
不过可以看到，每秒500tokens似乎还不是终极速度，他们最快可以实现每秒750Tokens。
谷歌TPU团队创业项目
Groq是集软硬件服务于一体的大模型推理加速方案，成立于2016年，创始团队中很多都是谷歌TPU的原班人马。
公司领导层的10人中，有5人都曾有谷歌的工作经历，3人曾在英特尔工作。
创始人兼CEO Jonathan Ross，设计并实现了第一代TPU芯片的核心元件，TPU的研发工作中有20%都由他完成。
Groq没有走GPU路线，而是自创了全球首个L（anguage）PU方案。
LPU的核心奥义是克服两个LLM瓶颈——计算密度和内存带宽，最终实现的LLM推理性能比其他基于云平台厂商快18倍。
据此前他们介绍，英伟达GPU需要大约10焦耳到30焦耳才能生成响应中的tokens，而 Groq 设置每个tokens大约需要1焦耳到3焦耳。
因此，推理速度提高了10倍，成本却降低了十分之一，或者说性价比提高了100倍。
延迟方面，在运行70B模型时，输出第一个token时的延时仅有0.22秒。
甚至为了适应Groq的性能水平，第三方测评机构ArtificialAnalysis还专门调整了图表坐标轴。
据介绍，Groq的芯片采用14nm制程，搭载了230MB大SRAM来保证内存带宽，片上内存带宽达到了80TB/s。
算力层面，Gorq芯片的整型（8位）运算速度为750TOPs，浮点（16位）运算速度则为188TFLOPs。
Groq主要基于该公司自研的TSP架构，其内存单元与向量和矩阵深度学习功能单元交错，从而利用机器学习工作负载固有的并行性对推理进行加速。
在运算处理的同时，每个TSP都还具有网络交换的功能，可直接通过网络与其他TSP交换信息，无需依赖外部的网络设备，这种设计提高了系统的并行处理能力和效率。
结合新设计的Dragonfly网络拓扑，hop数减少、通信延迟降低，使得传输效率进一步提高；同时软件调度网络带来了精确的流量控制和路径规划，从而提高了系统的整体性能。
Groq支持通过PyTorch、TensorFlow等标准机器学习框架进行推理，暂不支持模型训练。
此外Groq还提供了编译平台和本地化硬件方案，不过并未介绍更多详情，想要了解的话需要与团队进行联系。
而在第三方网站上，搭载Groq芯片的加速卡售价为2万多美元，差不多15万人民币。
它由知名电子元件生产商莫仕（molex）旗下的BittWare代工，同时该厂也为英特尔和AMD代工加速卡。
目前，Groq的官网正在招人。
技术岗位年薪为10万-50万美元，非技术岗位则为9万-47万美元。
“目标是三年超过英伟达”
除此之外，这家公司还有个日常操作是叫板喊话各位大佬。
当时GPTs商店推出之后，Groq就喊话奥特曼：用GPTs就跟深夜读战争与和平一样慢……阴阳怪气直接拉满~
马斯克也曾被它痛斥，说“剽窃”自己的名字。
在最新讨论中，他们疑似又有了新操作。
一名自称Groq工作人员的用户与网友互动时表示，Groq的目标是打造最快的大模型硬件，并扬言：
三年时间内赶超英伟达。
这下好了，黄院士的核武器有新的目标了。
参考链接：
[1]https://wow.groq.com/
[2]https://news.ycombinator.com/item?id=39428880å
关注公众号【机器学习与AI生成创作】，更多精彩等你来读
不是一杯奶茶喝不起，而是我T M直接用来跟进 AIGC+CV视觉 前沿技术，它不香？！
卧剿，6万字！30个方向130篇！CVPR 2023 最全 AIGC 论文！一口气读完
深入浅出stable diffusion：AI作画技术背后的潜在扩散模型论文解读
深入浅出ControlNet，一种可控生成的AIGC绘画生成算法！
最新最全100篇汇总！生成扩散模型Diffusion Models
附下载 |《TensorFlow 2.0 深度学习算法实战》
《礼记·学记》有云：独学而无友，则孤陋而寡闻
点击跟进 AIGC+CV视觉 前沿技术，真香！，加入 AI生成创作与计算机视觉 知识星球！
