阿里达摩院发布全球最大 AI 预训练模型 M6：参数跃迁至 10 万亿

最新 11 月 8 日消息，今天，阿里巴巴达摩院公布多模态大模型 M6 最新进展，其参数已从万亿跃迁至 10 万亿，成为全球最大的 AI 预训练模型。

M6 是达摩院研发的通用性人工智能大模型，拥有多模态、多任务能力，尤其擅长设计、写作、问答，在电商、制造业、文学艺术、科学研究等领域有广泛应用前景。

与传统 AI 相比，大模型拥有成百上千倍"神经元"数量，认知和创造能力也更胜一筹，被普遍认为是未来的"基础模型"。但大模型的算力成本相当高昂，训练 1750 亿参数语言大模型 GPT-3 所需能耗，相当于汽车行驶地月往返距离。

今年 5 月，通过专家并行策略及优化技术，达摩院 M6 团队将万亿模型能耗降低超八成、效率提升近 11 倍。

10 月，M6 再次突破业界极限，使用 512 GPU 在 10 天内即训练出具有可用水平的 10 万亿模型。相比去年发布的大模型 GPT-3，M6 实现同等参数规模，能耗仅为其 1%。

▲ 将 10 万亿参数放进 512 张 GPU

模型扩展到千亿及以上参数的超大规模时，将很难放在一台机器上。

为了帮助多模态预训练模型进行快速迭代训练，达摩院在阿里云 PAI 自研 Whale 框架上搭建 MoE 模型，并通过更细粒度的 CPU offload 技术，最终实现将 10 万亿参数放进 512 张 GPU：

• 自研 Whale 框架：自研 Whale 分布式深度学习训练框架，针对数据并行、模型并行、流水并行、混合并行等多种并行模型进行了统一架构设计，让用户在仅仅添加几行 API 调用的情况下就可以实现丰富的分布式并行策略。

• MoE 专家并行策略：在 Whale 架构中实现 Mixture-of-Experts（MoE）专家并行策略，在扩展模型容量、提升模型效果的基础上，不显著增加运算 FLOPs（每秒所执行的浮点运算次数），从而实现高效训练大规模模型的目的。

• CPU offload 创新技术：在自研的分布式框架 Whale 中通过更细粒度的 CPU offload，解决了有限资源放下极限规模的难题，并通过灵活地选择 offload 的模型层，进一步地提高 GPU 利用率。

此外，针对训练效率问题，M6 团队设计了 Pseudo-to-Real（共享解除）机制，即利用训练好的共享参数模型初始化大模型，让收敛效率进一步提升 7 倍，解决大模型训练速度慢的问题。

对比不使用该机制，预训练达到同样 loss 用时仅需 6%；和此前万亿模型相比，训练样本量仅需 40%。

作为国内首个商业化落地的多模态大模型，M6 已在超 40 个场景中应用，日调用量上亿。

今年，大模型首次支持双 11，应用包括但不限于：

• M6 在犀牛智造为品牌设计的服饰已在淘宝上线；

• 凭借流畅的写作能力，M6 正为天猫虚拟主播创作剧本；

• 依靠多模态理解能力，M6 正在增进淘宝、支付宝等平台的搜索及内容认知精度。

▲ M6 设计的飞行汽车

未来，M6 将积极探索与科学应用的结合，通过 AI for science 让大模型的潜力充分发挥，并加强 M6 与国产芯片的软硬一体化研究。

目前，达摩院联合阿里云已推出 M6 服务化平台（https://m6.aliyun.com），为大模型训练及应用提供完备工具，首次让大模型实现"开箱即用"，算法人员及普通用户均可方便地使用平台。