4月14日，腾讯云发布,新一代HCC高性能计算集群，采用最新一代星星海自研服务器，搭载NVIDIA H800 Tensor Core GPU，基于自研网络、存储架构，带来3.2T超高互联带宽、TB级吞吐能力和千万级IOPS。实测结果显示，新一代集群算力性能较前代提升3倍。

【资料图】

去年10月，腾讯完成首个万亿参数的AI大模型——混元NLP大模型训练。在同等数据集下，将训练时间由50天缩短到11天。如果基于新一代集群，训练时间将进一步缩短至4天。

大模型进入万亿参数时代，单体服务器提供的算力有限，需要将大量服务器相连，协同优化单机算力、网络架构和存储性能，打造大规模、分布式的高性能计算集群。

计算层面

服务器单机性能是集群算力的基础，新一代集群的单GPU卡在不同精度下，支持输出最高1979 TFlops的算力。

针对大模型场景，星星海自研服务器采用6U超高密度设计，相较行业可支持的上架密度提高30%；利用并行计算理念，通过CPU和GPU节点的一体化设计，将单点算力性能提升至更高。

网络层面

计算节点间，存在着海量的数据交互需求。随着集群规模扩大，通信性能会直接影响训练效率，需要实现网络和计算节点的最大协同。

腾讯自研的星脉高性能计算网络，具备业界最高的3.2T RDMA通信带宽。实测结果显示，搭载同等数量的GPU，3.2T星脉网络相较1.6T网络，集群整体算力提升20%。

同时，腾讯自研的高性能集合通信库TCCL，融入定制设计的解决方案。相对业界开源集合通信库，为大模型训练优化40%负载性能，消除多个网络原因导致的训练中断问题。

存储层面

大模型训练中，大量计算节点会同时读取一批数据集，需要尽可能缩短数据加载时长，避免计算节点产生等待。

腾讯云自研的存储架构，具备TB级吞吐能力和千万级IOPS，支持不同场景下对存储的需求。COS+GooseFS对象存储方案和CFS Turbo高性能文件存储方案，充分满足大模型场景下高性能、大吞吐和海量存储要求。

此外，新一代集群集成了腾讯云自研的TACO训练加速引擎，对网络协议、通信策略、AI框架、模型编译进行大量系统级优化，大幅节约训练调优和算力成本。

腾讯混元大模型背后的训练框架AngelPTM，也已通过腾讯云TACO提供服务，帮助企业加速大模型落地。

通过腾讯云TI平台的大模型能力和工具箱，企业可结合产业场景数据进行精调训练，提升生产效率、快速创建和部署 AI 应用。

依托分布式云原生的治理能力，腾讯云智算平台提供16 EFLOPS的浮点算力，规模业界领先。

以新一代集群为标志，基于自研芯片、星星海自研服务器和分布式云操作系统遨驰，腾讯云正通过软硬一体的方式，打造面向AIGC的高性能智算网络，持续加速全社会云上创新。