在一年前的谷歌I/O 2022大会上，谷歌向全世界展示了其内部机器学习中心使用的8-pod TPUv4加速器，包含总计32768个第四代原研矩阵数学加速器。另外一套TPUv4 pod则部署在硅谷周边的一处数据中心。接下来的一年当中，相信谷歌持续部署了更多TPUv4 pod。
尽管还不清楚谷歌具体如何利用TPUv4引擎承载搜索引擎和广告服务平台上的推理任务，但从市场动态来看，谷歌确实是全球最大的英伟达GPU买家之一。另外，谷歌还在大量采购AMD Instinct GPU加速器，毕竟随着大语言模型的迅速爆发，大厂们手头掌握的GPU资源无疑越多越好。谷歌自己还是一家云服务商，必须能够提供客户需要和未来想要的东西。目前，希望在英伟达GPU上运行AI训练的客户明显是越来越多。
生成式AI功能全面入驻谷歌软件产品组合，成为本周谷歌I/O 2023大会的核心。这也在情理之中，毕竟业界公认OpenAI/微软这对组合已经在新一轮AI竞赛中取得领先，谷歌3月发布的Bart聊天机器人公测版本仍存在一定差距。如今谷歌最不愿看到的，就是OpenAI和微软最终在AI软件和硬件领域形成双头垄断，如同30年前数据中心/40年前PC兴起之时微软和英特尔形成的双头垄断一样。
颇为讽刺的是，在可能出现的双头垄断当中，OpenAI成了软件供应商，而微软Azure则扮演硬件供应商。据称微软已经使用10000个英伟达A100 GPU训练来自OpenAI的GPT-4大语言模型；更有传闻说微软将砸下25000个GPU训练后继模型GPT-5。这里我们大胆做出推测，这25000个GPU可能是英伟达A100加H100的组合。毕竟一口气买到2.5万个H100 GPU绝非易事，即使是微软和OpenAI也很难垄断如此珍贵的热门资源。
除了微软和OpenAI两位本家之外，客户能从Azure云上获取高端GPU资源就更有限了。从最近与微软Azure HPC与AI总经理Nidhi Chappell的对话中，我们获悉Azure在构建AI超级计算机系统方面并没有太多过激的尝试。微软使用的仍是标准的八路HGX-H100 GPU和来自英伟达的双插槽英特尔“Sapphire Rapids”至强SP主机节点。此外，Azure实例还搭载了400 Gb/秒的Quantum 2 InfiniBand交换机和ConnectX-7网络接口以实现节点互连，使得各实例能够扩展至4000个GPU（对应500个节点）。
谷歌将A3 GPU实例称为“超级计算机”，其中匹配的是与谷歌主干网络相同的“Apollo”光路交换（OCS）网络互连。这套Apollo OCS网络可针对不同拓扑实现重新配置，支持多种数据中心互连任务，将4096个GPU pod中的各TPUv4节点相互连接起来。OCS层则替代叶/脊Clos拓扑中的脊层。
谷歌AI基础设施现场照
A3实例使用同样的HGX-H100系统板和Sapphire Rapids主机系统，由英伟达作为整体单元统一交付。其他超大规模企业和云服务商也会在这套单元上部署“Hopper”GH100 SXM5 GPU加速器。HGX-H100卡上的8个GPU使用非阻塞NVSwitch互连，提供3.6 TB/秒对分带宽，能够将GPU及其内存接入类似NUMA的GPU计算复合体中，由此在内部实现内存共享计算。主机节点运行两块来自英特尔的56核至强SP-8480+ Platinum CPU，运行主频为2 GHz，作为双路服务器的顶部bin通用部分。这台强调性价比的设备配备2 TB DDR5内存，运行频率为4.8 GHz。
谷歌还在主机上使用由自己和英特尔共同设计的“Mount Evans”IPU，拥有200 Gb/秒传输带宽和一套用于P4编程语言、具有16个Neoverse N1核心的自定义数据包处理引擎，负责处理数据传输峰值。谷歌还引入了自己的“服务器间GPU通信栈”和NCCL优化机制，不出意外的话其中至少会有部分负载运行在Mount Evans IPU上。
谷歌AI硬件现场照
谷歌方面表示，A3超级计算机可以扩展至26 exaflops的AI性能，这里预测对应的是FP8或INT8计算精度。如果推测正确，H100 GPU加速器的额定峰值将为3958 teraflops，那么A3超级计算机要支撑起26 exaflops则需要6569个GPU，相当于821个HGX节点。这要比目前微软和甲骨文提供的商用500节点和512节点系统大出约60%。
Google Cloud首席执行官Thomas Kurian在本届I/O大会的开幕主题演讲中表示，A3超级计算机在运行大规模AI训练时，比之前的谷歌设备要快80%，成本则比云端其他替代产品便宜50%。
Kurian提到，“可以看到，在以一半的成本实现两倍的性能时，就会侧生出惊人的新成果。”他稍微停顿了一下，给听众们留出反应和鼓掌的时间。至于可扩展性和定价，还要等待谷歌后续正式公布。但作为参考，我们不妨将A3实例跟2021年3月发布的A2实例做一番比较，后者在单一主机中搭载8或16个GPU。在AI训练中，A100可将精度下调至FP16以提供624 teraflops，这样16路A100的总算力最高可达9984 teraflops，而以FP8精度运行的8路H100则为31664 teraflops。在相同的节点数量下，新的A3超级计算机能够提供3.2倍于A2超级计算机的吞吐量——当然，前提是数据处理任务能够容忍FP8级别的精度。如果不行，那吞吐量增幅就是60%。（目前还不清楚Kurian给出的80%具体代表什么。）
据我们了解，谷歌还没有构建起微软内部面向OpenAI的那种训练设施规模。虽然有传闻说谷歌会以更大规模设施来训练其PaLM 1和PaLM 2大语言模型，所使用的GPU可能超过10000个，但目前还没有任何实质性证据。
谷歌曾于2022年10月推出基于Mount Evans IPU和Sapphire Rapids至强SP的C3系列实例，已经在今年2月开放预览。基于英伟达“Lovelace”L4 GPU加速器的G2实例也自今年3月起开放了预览，其单虚拟机内的L4 GPU加速器已经由1个扩展到了8个。与H100一样，L4也支持F8和INT8计算及更高精度（精度越高，吞吐量相应降低）。
A3和G2实例的定价尚未公布，据说会在正式上市时披露。预计公布时间应该在今年晚些时候，我们会继续密切关注并比较最终定价。
最后需要强调的是，我们仍然认为谷歌所使用的GPU数量要远超其GPU数量。即使从目前的情况看，谷歌的GPU和TPU比例大概也是2：1、3：1甚至4：1。换句话说，谷歌的GPU规模可能是TPU的2到3倍。尽管谷歌内部有大量工作负载被交给TPU处理，但TPU与GPU间的数量比例一直变化缓慢。好在随着AI热潮的到来，这么多GPU一定能在谷歌手中发挥更大的作用。
另外，TPU无法支持英伟达的AI Enterprise软件栈，所以全球众多组织才只能依靠GPU来训练AI模型。如果谷歌想吸引这部分客户使用自家云服务，就必须交付更多GPU资源，把他们拉进来之后再慢慢渗透TPU的优势。亚马逊云科技的自产Tranium和Inferentia芯片也面临着类似的困境。最后，虽然一直有传闻说微软正在内部开发定制芯片，但我们还没有从Azure那边看到任何重型计算引擎。
