大模型是通用人工智能的底座，但大模型訓練對算力平臺的依賴非常大。大模型算力平臺是指支撐大模型訓練和推理部署的算力基礎(chǔ)設(shè)施，包括業(yè)界最新的加速卡、高速互聯(lián)網(wǎng)絡(luò)、高性能分布式存儲系統(tǒng)、液冷系統(tǒng)和高效易用的大模型研發(fā)工具和框架。在算力平臺的部署過程中，大模型研發(fā)機構(gòu)常常需要面對一系列的問題：大模型算力平臺是什么樣的？如何快速構(gòu)建大模型算力平臺？如何確保算力平臺穩(wěn)定可靠？如何提升部署效率？如何提升算力平臺的性能……這些問題能否順利解決，直接關(guān)系到大模型研發(fā)和應(yīng)用落地的速度。

為了幫助用戶加速大模型的技術(shù)創(chuàng)新與應(yīng)用落地，浪潮信息發(fā)布了大模型智算軟件棧OGAI（Open GenAI Infra）。OGAI由5層架構(gòu)組成，從L0到L4分別對應(yīng)于基礎(chǔ)設(shè)施層的智算中心OS產(chǎn)品、系統(tǒng)環(huán)境層的PODsys產(chǎn)品、調(diào)度平臺層的AIStation產(chǎn)品、模型工具層的YLink產(chǎn)品和多模納管層的MModel產(chǎn)品。其中L1層PODsys是一個為客戶提供智算集群系統(tǒng)環(huán)境部署方案的開源項目，具備基礎(chǔ)設(shè)施環(huán)境安裝、環(huán)境部署、用戶管理、系統(tǒng)監(jiān)控和資源調(diào)度等能力。用戶只需執(zhí)行兩條簡單的命令，即可完成大模型算力平臺的部署，將大模型算力平臺部署效率提升11倍，幫助用戶順利邁出大模型研發(fā)的第一步。（下載地址：https://podsys.ai/）

大模型算力平臺部署難題亟待求解

大模型參數(shù)量和訓練數(shù)據(jù)復(fù)雜性快速增加，對AI算力平臺的建設(shè)提出了新的要求，即需要從數(shù)據(jù)中心規(guī)模化算力部署的角度，統(tǒng)籌考慮大模型分布式訓練對計算、網(wǎng)絡(luò)和存儲的需求特點，并集成平臺軟件、結(jié)合應(yīng)用實踐，充分關(guān)注數(shù)據(jù)傳輸、任務(wù)調(diào)度、并行優(yōu)化、資源利用率等，設(shè)計和構(gòu)建高性能、高速互聯(lián)、存算平衡的可擴展集群系統(tǒng)，以滿足AI大模型的訓練需求。

強大的大模型算力平臺不僅需要高性能的CPU、GPU、存儲、網(wǎng)絡(luò)等硬件設(shè)備，還需要考慮不同硬件和軟件之間的兼容性和版本選擇，確保驅(qū)動和工具的適配性和穩(wěn)定性。當算力平臺的規(guī)模從十幾臺服務(wù)器擴展到幾百臺，平臺部署難度會呈指數(shù)級上升。

首先，算力平臺部署需要的相關(guān)驅(qū)動程序、軟件包往往高達數(shù)十個，正確安裝、部署并優(yōu)化這些驅(qū)動程序與軟件，需要專業(yè)的運維工程師和大量調(diào)試時間，嚴重影響部署效率。其次，為了確保算力平臺的高性能和穩(wěn)定運行，需要驗證不同硬件環(huán)境下的軟件適配，優(yōu)化BIOS、操作系統(tǒng)、底層驅(qū)動、文件系統(tǒng)和網(wǎng)絡(luò)等多項指標，找到最優(yōu)的選擇，這一工作同樣費時費力。此外，算力平臺的資源狀態(tài)處于時刻的變動中，如果不進行合理的資源調(diào)度與管理，很容易影響平臺的資源利用率。

PODsys讓大模型算力平臺部署"易如反掌"

PODsys專注于大模型算力平臺部署場景，提供包括基礎(chǔ)設(shè)施環(huán)境安裝、環(huán)境部署、用戶管理、系統(tǒng)監(jiān)控和資源調(diào)度在內(nèi)的完整工具鏈，旨在打造一個開源、高效、兼容、易用的智算集群系統(tǒng)方案。

PODsys整合了大模型算力平臺部署所需的數(shù)十個驅(qū)動、軟件等安裝包以及對應(yīng)的依賴和兼容關(guān)系，并提供了一系列的簡化部署的腳本工具。使用這些工具只需要簡單2個步驟，PODsys即可幫助用戶快速部署大模型算力平臺。

步驟1：使用docker run命令快速啟動PODsys系統(tǒng)。

PODsys系統(tǒng)集成了大模型算力平臺部署所需的操作系統(tǒng)、GPU驅(qū)動、網(wǎng)卡驅(qū)動、通信加速庫等數(shù)十個驅(qū)動程序、軟件和安裝包，并提供了一系列腳本工具來簡化部署，讓用戶可以快速安裝、配置和更新集群環(huán)境。PODsys大量選用了業(yè)界廣泛使用的主流開源系統(tǒng)、工具、框架和軟件，來保障整個部署方案的開放性、兼容性和穩(wěn)定性。

步驟2：使用install_client命令快速部署大模型算力平臺的并行軟件環(huán)境。

PODsys將單機部署方式改成集群部署方式，可將部署效率提升11倍以上。在管理節(jié)點運行一句簡單的命令（install_client.sh），即可完成大模型算力平臺的環(huán)境配置，集成了高速文件系統(tǒng)接口、自動化運維工具、NVDIA CUDA編程框架、NCCL高性能通信庫，支持NGC加速平臺等功能。并能實現(xiàn)多用戶、多租戶管理集群。

PODsys提供了全面的系統(tǒng)監(jiān)控和管理，幫助用戶實時監(jiān)控集群的狀態(tài)和性能指標。通過可視化的界面，用戶可以查看集群資源的使用情況、作業(yè)的執(zhí)行情況和性能瓶頸，從而及時調(diào)整集群配置和優(yōu)化作業(yè)性能，來保證算力平臺的高性能和穩(wěn)定運行。

此外，PODsys具備高效的資源調(diào)度和作業(yè)管理功能，可以根據(jù)用戶的需求自動調(diào)度和管理作業(yè)，確保集群的資源利用率和作業(yè)的執(zhí)行效率。

伴隨著大模型的快速應(yīng)用，算力平臺的魯棒性、易用性、部署效率成為用戶關(guān)注的首要問題。針對商業(yè)用戶，PODsys還提供專業(yè)的算力平臺性能調(diào)優(yōu)服務(wù)。

總之，PODsys提供了一套完整的工具鏈，將大模型平臺部署變得像系統(tǒng)安裝一樣簡單，讓用戶省時、省力地部署大模型算力平臺，助力大模型創(chuàng)新走好第一步。