近日，華為在MoE模型訓(xùn)練領(lǐng)域再進一步，推出參數(shù)規(guī)模高達7180億的全新模型——盤古Ultra MoE，這是一個全流程在昇騰AI計算平臺上訓(xùn)練的準萬億MoE模型。華為同時發(fā)布盤古Ultra MoE模型架構(gòu)和訓(xùn)練方法的技術(shù)報告，披露眾多技術(shù)細節(jié)，充分體現(xiàn)了昇騰在超大規(guī)模MoE訓(xùn)練性能上的跨越。
據(jù)悉，訓(xùn)練超大規(guī)模和極高稀疏性的MoE模型極具挑戰(zhàn)，訓(xùn)練過程中的穩(wěn)定性往往難以保障。針對這一難題，盤古團隊在模型架構(gòu)和訓(xùn)練方法上進行了創(chuàng)新性設(shè)計，成功地在昇騰平臺上實現(xiàn)了準萬億MoE模型的全流程訓(xùn)練。
華為盤古Ultra MoE和盤古Pro MoE系列模型的發(fā)布，證明華為不僅完成了國產(chǎn)算力+國產(chǎn)模型的全流程自主可控的訓(xùn)練實踐，同時在集群訓(xùn)練系統(tǒng)的性能上也實現(xiàn)了業(yè)界領(lǐng)先。這意味著國產(chǎn)AI基礎(chǔ)設(shè)施的自主創(chuàng)新能力得到了進一步驗證，為中國人工智能產(chǎn)業(yè)的發(fā)展提供了一顆“定心丸”。
據(jù)悉，訓(xùn)練超大規(guī)模和極高稀疏性的MoE模型極具挑戰(zhàn)，訓(xùn)練過程中的穩(wěn)定性往往難以保障。針對這一難題，華為盤古團隊在模型架構(gòu)和訓(xùn)練方法上進行了創(chuàng)新性設(shè)計，成功地在昇騰平臺上實現(xiàn)了準萬億MoE模型的全流程訓(xùn)練。
在模型架構(gòu)上，盤古團隊提出Depth-Scaled Sandwich-Norm（DSSN）穩(wěn)定架構(gòu)和TinyInit小初始化的方法，在昇騰平臺上實現(xiàn)了超過18TB數(shù)據(jù)的長期穩(wěn)定訓(xùn)練。此外，他們還提出了EP loss負載優(yōu)化方法，這一設(shè)計不僅保證了各個專家之間的能保持較好的負載均衡，也提升了專家的領(lǐng)域特化能力。同時，盤古Ultra MoE使用了業(yè)界先進的MLA和MTP架構(gòu)，在預(yù)訓(xùn)練和后訓(xùn)練階段都使用了Dropless訓(xùn)練策略，實現(xiàn)了超大規(guī)模MoE架構(gòu)在模型效果與效率之間的最佳平衡。
在訓(xùn)練方法上，華為團隊首次披露在昇騰CloudMatrix 384超節(jié)點上，高效打通大稀疏比MoE強化學(xué)習(xí)（RL）后訓(xùn)練框架的關(guān)鍵技術(shù)，使RL后訓(xùn)練進入超節(jié)點集群時代。同時，在5月初發(fā)布的預(yù)訓(xùn)練系統(tǒng)加速技術(shù)基礎(chǔ)上，在不到一個月的時間內(nèi)，華為團隊又完成了一輪迭代升級，包括：適配昇騰硬件的自適應(yīng)流水掩蓋策略，進一步優(yōu)化算子執(zhí)行程序，進一步降低Host-Bound以及提升EP通信的掩蓋；自適應(yīng)管理內(nèi)存優(yōu)化策略的開發(fā)；數(shù)據(jù)重排實現(xiàn)DP間Attention負載均衡；以及昇騰親和的算子優(yōu)化，這些技術(shù)實現(xiàn)萬卡集群預(yù)訓(xùn)練MFU由30%大幅提升至 41%。
此外，近期發(fā)布的盤古Pro MoE大模型，在參數(shù)量僅為720億、激活160億參數(shù)量的情況下，通過動態(tài)激活專家網(wǎng)絡(luò)的創(chuàng)新設(shè)計，實現(xiàn)了以小打大的優(yōu)異性能，甚至可以媲美千億級模型的性能表現(xiàn)。在業(yè)界權(quán)威大模型榜單SuperCLUE最新公布的2025年5月排行榜上，位居千億參數(shù)量以內(nèi)大模型排行并列國內(nèi)第一。
業(yè)內(nèi)人士分析，華為此舉的核心意義在于，證明了在國產(chǎn)AI算力平臺（昇騰）上，能夠高效、穩(wěn)定地訓(xùn)練并優(yōu)化達到國際頂尖水平的超大規(guī)模稀疏模型（MoE），實現(xiàn)了從硬件到軟件、從訓(xùn)練到優(yōu)化、從基礎(chǔ)研究到工程落地的“全棧國產(chǎn)化”和“全流程自主可控”的閉環(huán)，并在關(guān)鍵性能指標(biāo)上達到業(yè)界領(lǐng)先水平。
