英偉達首席科學(xué)家：5nm實驗芯片用INT4達到INT8的精度，每瓦運算速度可達H100的十倍
IEEE計算機運算研討會
夢晨 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI
32位與16位格式的混合精度訓(xùn)練，正是當(dāng)前深度學(xué)習(xí)的主流。
最新的英偉達核彈GPU H100，剛剛添加上對8位浮點數(shù)格式FP8的支持。
英偉達首席科學(xué)家Bill Dally現(xiàn)在又表示，他們還有一個“秘密武器”：
在IEEE計算機運算研討會上，他介紹了一種實驗性5nm芯片，可以混合使用8位與4位格式，并且在4位上得到近似8位的精度。
目前這種芯片還在開發(fā)中，主要用于深度學(xué)習(xí)推理所用的INT4和INT8格式，對于如何應(yīng)用在訓(xùn)練中也在研究了。
相關(guān)論文已發(fā)表在2022 IEEE Symposium on VLSI Technology上。
新的量化技術(shù)
降低數(shù)字格式而不造成重大精度損失，要歸功于按矢量縮放量化（per-vector scaled quantization，VSQ）的技術(shù)。
具體來說，一個INT4數(shù)字只能精確表示從-8到7的16個整數(shù)。
其他數(shù)字都會四舍五入到這16個值上，中間產(chǎn)生的精度損失被稱為量化噪聲。
傳統(tǒng)的量化方法給每個矩陣添加一個縮放因子來減少噪聲，VSQ則在這基礎(chǔ)之上給每個向量都添加縮放因子，進一步減少噪聲。
關(guān)鍵之處在于，縮放因子的值要匹配在神經(jīng)網(wǎng)絡(luò)中實際需要表示的數(shù)字范圍。
英偉達研究人員發(fā)現(xiàn)，每64個數(shù)字為一組賦予獨立調(diào)整過的縮放因子可以最小化量化誤差。
計算縮放因子的開銷可以忽略不計，從INT8降為INT4則讓能量效率增加了一倍。
Bill Dally認為，結(jié)合上INT4計算、VSQ技術(shù)和其他優(yōu)化方法后，新型芯片可以達到Hopper架構(gòu)每瓦運算速度的10倍。
還有哪些降低計算量的努力
除了英偉達之外，業(yè)界還有更多降低計算量的工作也在這次IEEE研討會上亮相。
馬德里康普頓斯大學(xué)的一組研究人員設(shè)計出基于Posits格式的處理器核心，與Float浮點數(shù)相比準確性提高了多達4個數(shù)量級。
Posits與Float相比，增加了一個可變長度的Regime區(qū)域，用來表示指數(shù)的指數(shù)。
對于0附近的較小數(shù)字只需要占用兩個位，而這類數(shù)字正是在神經(jīng)網(wǎng)絡(luò)中大量使用的。
適用Posits格式的新硬件基于FPGA開發(fā)，研究人員發(fā)現(xiàn)可以用芯片的面積和功耗來提高精度，而不用增加計算時間。
ETH Zurich一個團隊的研究基于RISC-V，他們把兩次混合精度的積和熔加計算（fused multiply-add，F(xiàn)MA）放在一起平行計算。
這樣可以防止兩次計算之間的精度損失，還可以提高內(nèi)存利用率。
FMA指的是d = a * b + c這樣的操作，一般情況下輸入中的a和b會使用較低精度，而c和輸出的d使用較高精度。
研究人員模擬了新方法可以使計算時間減少幾乎一半，同時輸出精度有所提高，特別是對于大矢量的計算。
相應(yīng)的硬件實現(xiàn)正在開發(fā)中。
巴塞羅那超算中心和英特爾團隊的研究也和FMA相關(guān)，致力于神經(jīng)網(wǎng)絡(luò)訓(xùn)練可以完全使用BF16格式完成。
BF16格式已在DALL·E 2等大型網(wǎng)絡(luò)訓(xùn)練中得到應(yīng)用，不過還需要與更高精度的FP32結(jié)合，并且在兩者之間來回轉(zhuǎn)換。
這是因為神經(jīng)網(wǎng)絡(luò)訓(xùn)練中只有一部分計算不會因BF16而降低精度。
最新解決辦法開發(fā)了一個擴展的格式BF16-N，將幾個BF16數(shù)字組合起來表示一個數(shù)，可以在不顯著犧牲精度的情況下更有效進行FMA計算
關(guān)鍵之處在于，F(xiàn)MA計算單元的面積只受尾數(shù)位影響。
比如FP32有23個尾數(shù)位，需要576個單位的面積，而BF16-2只需要192個，減少了2/3。
另外這項工作的論文題目也很有意思，BF16 is All You Need。
參考鏈接：
[1]https://spectrum.ieee.org/number-representation
[2]https://ieeexplore.ieee.org/document/9830277
[3]https://ieeexplore.ieee.org/document/9823406
- 字節(jié)突然開源Seed-OSS，512K上下文主流4倍長度，推理能力刷紀錄2025-08-21
- “現(xiàn)在讀AI博士已經(jīng)太晚了”2025-08-19
- 谷歌AI攻克亞洲語言難題，2300種語言數(shù)字化計劃正在推進2025-08-18
- AMD蘇姿豐公開懟扎克伯格！反對1億年薪挖人，使命感比鈔票更重要2025-08-18
相關(guān)閱讀
意-920142085470290123.jpg)
