深度學習(DL)的創新，特別是大語言模型(LLM)的快速發展，已經席卷了整個行業。深度學習模型的參數已從數百萬增加到數十億，為我們呈現了越來越多激動人心的新能力。它們正在催生新的應用，如生成式AI或醫療保健和生命科學的高級研究。亞馬遜云科技一直在芯片、服務器、數據中心互連和軟件服務等多個方面創新，加速深度學習工作負載的大規模應用。
亞馬遜云科技在2022 re:Invent 全球大會上，以其最新的自研機器學習推理芯片Amazon Inferentia2為基礎，發布了Amazon EC2 Inf2系列實例的預覽版。Amazon EC2 Inf2類型實例專門針對全球大規模運行高性能深度學習推理應用程序，為部署在EC2上的生成式AI應用提供最佳性價比，其中包含 GPT-J或開放式預訓練Transformer(OPT)語言模型。
現在，亞馬遜云科技宣布Amazon EC2 Inf2實例正式可用!
Inf2實例是Amazon EC2上首個推理優化的實例，支持可擴展的分布式推理，可實現多個inferentia2芯片之間的超高速連接。用戶可以在Inf2實例中跨多個芯片高效部署具有數千億個參數的模型。與Amazon EC2 Inf1實例相比，Inf2實例的吞吐量提高4倍，延遲降低10倍。
新Inf2實例的亮點
Inf2實例目前有四種可用實例類型，最高擴展至12個Amazon Inferentia2芯片和192個vCPU配置。在BF16或FP16數據類型下，它們能夠提供2.3 petaFLOPS的綜合計算能力，并具有芯片間超高速NeuronLink互連的功能。NeuronLink可在多個Inferentia2芯片上擴展大模型，避免通信瓶頸，實現更高性能的推理。
每個Inferentia2芯片內有32 GB的高帶寬內存(HBM)，最高配置的 Inf2 實例可提供高達384 GB的共享加速器內存，總內存帶寬為9.8 TB/s。對于需要大內存支持的的大型語言模型而言，這種帶寬對于支持模型推理尤為重要。
基于專門為深度學習工作負載而構建的 Amazon Inferentia2芯片的 Amazon EC2 Inf2，相比同類實例，單位功率性能高出了50%。
Amazon Inferentia2的創新之處
與亞馬遜自研機器學習訓練芯片 Amazon Trainium類似，每個Amazon Inferentia2芯片都配有兩個經過優化的NeuronCore-v2引擎、高帶寬內存(HBM)堆棧和專用的集體計算引擎，以便在執行多加速器推理時實現計算與通信的并行。
每個NeuronCore-v2都有專為深度學習算法構建的標量、向量和張量三種引擎，其中張量引擎針對矩陣運算進行了優化;標量引擎針對ReLU(修正線性單元)函數等元素性操作進行了優化;向量引擎針對批處理規范化或池化等非元素向量運算進行了優化。
以下是Amazon Inferentia2芯片和服務器硬件其他創新總結：
數據類型——Amazon Inferentia2 支持多種數據類型，包括 FP32、TF32、BF16、FP16 和 UINT8，用戶可以為工作負載選擇最合適的數據類型。它還支持新的可配置 FP8(cFP8) 數據類型，該數據類型特別適用于大模型，因為它減少了模型的內存占用和 I/O 要求。
動態執行和動態輸入形狀——Amazon Inferentia2 具有支持動態執行的嵌入式通用數字信號處理器 (DSP)，因此無需在主機上展開或執行控制流運算符。Amazon Inferentia2 還支持動態輸入形狀，這些形狀對于具有未知輸入張量大小的模型(例如處理文本的模型)至關重要。
自定義運算符——Amazon Inferentia2支持用C++語言編寫的自定義運算符。Neuron自定義C++運算符使用戶能夠編寫在NeuronCore上天然運行的C++自定義運算符。用戶可以使用標準的 PyTorch自定義運算符編程接口將 CPU 自定義運算符遷移到 Neuron 并實現新的實驗運算符，所有這些都無需對 NeuronCore 硬件有任何深入了解。
NeuronLink v2——Inf2實例是Amazon EC2類型中首個將 NeuronLink V2 用于推理優化的實例，NeuronLink v2 為Inferentia2芯片間的提供超高速連接，加強分布式推理性能。NeuronLink v2使用all-reduce等聚合通信(CC)運算符，將高性能推理管道擴展到所有的推理芯片上。
