华为AI突破性技术公布！英伟达花50亿才买到“同款”

刘绪刚

智东西





智东西
作者 | 云鹏
编辑 | 心缘
智东西11月21日报道，刚刚，华为正式发布了Flex:ai，一项能够将智算资源利用率提升30%的AI容器技术。值得一提的是，这项技术并无生态限制，英伟达的GPU和华为昇腾NPU等算力卡都可以用。

具体来看，Flex:ai是基于Kubernetes容器编排平台构建的XPU池化与调度软件，通过对GPU、NPU等智能算力资源的精细化管理与智能调度，实现AI工作负载与算力资源的“精准匹配”，进而提升算力资源利用率。
以软件补硬件提升AI训推效率、通过开放兼容降低软件开发难度，是其主要特点。
此前，英伟达于2024年4月以7亿美元（约合人民币49.7亿元）收购了以色列AI基础设施公司Run:ai，这家公司核心技术和产品就是提升GPU利用率，能够补充英伟达在AI计算资源管理领域的软件能力。
华为的Flex:ai有其“对标”的意味在，填补国内这一领域的空白，但同时开源的更加全面，相比Run:ai的解决方案，在虚拟化、智能调度方面有其独特技术优势。
Flex:ai将在发布后开源在魔擎社区中，与华为此前开源的Nexent智能体框架、AppEngine应用编排、DataMate数据工程、UCM推理记忆数据管理器等AI工具共同组成了完整的ModelEngine开源生态。

华为特别提到，这项技术“从第一天起”就是高校一起合作开发的。在华为看来，开源是非常重要的，算力资源利用率的提升绝非“一概而论”，需要根据实际业务场景来分析，形成一系列算法。因此华为希望更多客户利用开源生态，将技术拿到自身实际业务场景中，共同探索、解决问题。
华为公司副总裁、数据存储产品线总裁周跃峰特别提到，华为更关注的是AI真正的行业化应用，关注tokens实现的价值而非总量。他们希望让更多企业真正用好AI，让AI进入生产流程中，实现增值，进而推动AI的平民化。
魔擎社区地址： https://modelengine-ai.net
一、拆解Flex:ai三个关键能力：一张卡变N张卡、负载算力精准匹配、通算和智算融合
具体来看，Flex:ai主要有三个方面的关键能力：
1、算力资源切分，一卡变N卡服务多个AI工作负载
通过算力切分技术，将单张GPU/NPU算力卡切分为多份虚拟算力单元，切分粒度精准至10%。此技术实现了单卡同时承载多个AI工作负载，在无法充分利用整卡算力的AI工作负载场景下，算力资源平均利用率可提升30%。

2、多级智能调度，实现AI工作负载与算力资源的“精准匹配”
通过全局智能调度器Hi Scheduler，自动感知集群负载与资源状态，结合AI工作负载的优先级、算力需求等多维参数，对本地及远端的虚拟化GPU、NPU资源进行全局最优调度，实现AI工作负载分时复用资源。即便在负载频繁波动的场景下，也能保障任务平稳运行。

3、跨节点算力资源聚合，实现通用算力与智能算力资源融合
聚合集群内各节点的空闲XPU算力聚合形成“共享算力池”，通用服务器通过高速网络将AI工作负载转发至池内GPU/NPU卡执行，实现通用算力与智能算力资源融合。

二、AI大模型时代，AI容器技术升级势在必行
为什么要发布并开源Flex:ai AI容器技术？在华为看来，大模型时代，容器与AI是天然搭档。
容器技术作为一种轻量级虚拟化技术，可以将模型代码、运行环境等打包成一个独立的、轻量级的镜像，实现跨平台无缝迁移，解决模型部署“环境配置不一致”的痛点。容器还可以按需挂载GPU、NPU算力资源，按需分配和回收“资源”，提升集群整体资源利用率。
Gartner的分析师表示，目前AI负载大多都已容器化部署和运行，据预测，到2027年，75%以上的AI工作负载将采用容器技术进行部署和运行。
华为提到，当前传统容器技术已无法完全满足AI工作负载需求，AI时代需要AI容器。

大型语言模型（LLM）的容器镜像轻松突破10GB，多模态模型镜像甚至可达TB级别，传统容器无法支持超大镜像的快速拉起，环境构建时间往往长达数小时。
传统容器主要针对CPU、内存等通用计算资源进行管理与调度，而AI大模型训练与推理还需大幅依赖GPU、NPU等智能算力资源，传统容器无法对异构智算资源做到算力细粒度切分与智能调度，导致即使很小的AI工作负载也独占整张算力卡，且无法进行远程调用。
传统容器的资源调度以固定分配、通用调度为主，而AI工作负载的资源调度需要以保障任务完成效率为目标，对不同任务的SLO特性进行感知，实现动态弹性的资源分配。
三、对标英伟达Run:ai，虚拟化和智能调度是关键优势
AI容器领域业界已经有多家企业推出了不同产品，与英伟达今年年初收购的Run:ai公司的核心产品相比，华为Flex:ai主要在虚拟化和智能调度方面有一定优势。
具体来看，在本地虚拟化技术中，Flex:ai支持把单个物理GPU/NPU算力卡切割为数个虚拟算力单元，并通过弹性灵活的资源隔离技术，可实现算力单元的按需切分。
同时，Flex:ai独有的“拉远虚拟化”技术，可以在不做复杂的分布式任务设置情况下，将集群内各节点的空闲XPU算力聚合形成“共享算力池”，此时不具备智能计算能力的通用服务器通过高速网络，可将AI工作负载转发到远端“资源池”中的GPU/NPU算力卡中执行，实现通用算力与智能算力资源融合。
智能调度方面，Flex:ai智能资源和任务调度技术，可自动感知集群负载与资源状态，结合AI工作负载的优先级、算力需求等多维参数，对本地及远端的虚拟化GPU、NPU资源进行全局最优调度，满足不同AI工作负载对资源的需求。
比如高优先级AI工作负载可以获得更高性能算力资源支持，在出现算力资源已被全部占满的情况下，能直接抢占其他任务资源，确保最重要的任务能够完成。而优先级较低的AI工作负载，则可以在算力闲时如夜间执行，实现分时调度；针对增量训练场景，Flex:ai还可智能感知集群中增量数据的变化，达到一定阈值后，触发数据飞轮。
结语：AI容器技术升级，AI平民化提速
现如今，不同行业、不同场景的AI工作负载差异较大，Flex:ai的开源，可提供提升算力资源利用率的基础能力和部分实践案例，随着更多产业玩家的加入，业界必将完成更多基于这一技术结合场景的落地探索。
与此同时，开源的Flex:ai可以在产学研各界开发者的参与下，共同推动异构算力虚拟化与AI应用平台对接的标准构建，形成算力高效利用的标准化解决方案，进一步加速AI的平民化。