編輯：桃子 好困
【新智元導讀】卷瘋了！世界最快的大模型Groq一夜之間爆火，能夠每秒輸出近500個token。如此神速的響應，背後全憑自研的LPU。
一覺醒來，每秒能輸出500個token的Groq模型刷屏全網。
堪稱是「世界上速度最快的LLM」！
相比之下，ChatGPT-3.5每秒生成速度僅為40個token。
有網友將其與GPT-4、Gemini對標，看看它們完成一個簡單程式碼偵錯問題所需的時間。
沒想到，Groq完全碾壓兩者，在輸出速度上比Gemini快10倍，比GPT-4快18倍。（不過就答案品質來說，Gemini更好。）
最關鍵的是，任何人可以免費用！
進入Groq主頁，目前有兩種可以自選的模型：Mixtral8x7B-32k，Llama 270B-4k。
地址：https://groq.com/
與此同時，Groq API也向開發者提供，完全相容OpenAI API。
Mixtral 8x7B SMoE可以達到480 token/S，100萬token價格為0.27美元。極限情況下，用Llama2 7B甚至能實作750 token/S。
目前，他們還提供100萬token的免費試用。
Groq突然爆火，背後最大的功臣不是GPU，而是自研的LPU——語言處理單元。
單卡僅有230MB記憶體，2萬美元一張。在LLM任務上，LPU比輝達的GPU效能快10倍。
在前段時間的基準測試中，Groq LPU推理引擎上執行的Llama 2 70B直接刷榜，而且比頂級雲提供商快18倍的LLM推理效能。
網友大波演示
Groq火箭般的生成速度，讓許多人為之震驚。
網友們紛紛放出的自己做的demo。
在不到一秒鐘的時間裏，生成幾百詞的、帶有參照的事實性回答。
實際上，搜尋占據了超過四分之三的處理時間，而非內容的生成！
針對「建立一個簡單的健身計劃」同一提示，Groq與ChatGPT並排響應，速度差異。
面對300多個單詞的「巨型」prompt，Groq在不到一秒鐘的時間裏，就為一篇期刊論文建立了初步大綱和寫作計劃！
Groq完全實作了遠端即時的AI對話。在GroqInc硬體上執行Llama 70B，然後在提供給Whisper，幾乎沒有延遲。
GPU不存在了？
Groq模型之所以能夠以驚人速度響應，是因為背後公司Groq（同名）開發了獨特的硬體——LPU。
並非是，傳統的GPU。
簡而言之，Groq自研的是一種名為張量流處理器（TSP）的新型處理單元，並將其定義為「語言處理單元」，即LPU。
它是專為圖形渲染而設計、包含數百個核心的並列處理器，能夠為AI計算提供穩定的效能。
論文地址：https://wow.groq.com/wp-content/uploads/2024/02/GroqISCAPaper2022_ASoftwareDefinedTensorStreamingMultiprocessorForLargeScaleMachineLearning.pdf
具體來說，LPU的工作原理與GPU截然不同。
它采用了時序指令集電腦（Temporal Instruction Set Computer）架構，這意味著它無需像使用高頻寬記憶體（HBM）的GPU那樣頻繁地從記憶體中載入數據。
這一特點不僅有助於避免HBM短缺的問題，還能有效降低成本。
這種設計使得每個時鐘周期（every clock cycle）都能被有效利用，從而保證了穩定的延遲和吞吐量。
在能效方面，LPU也顯示出其優勢。透過減少多執行緒管理的開銷和避免核心資源的未充分利用，LPU能夠實作更高的每瓦特計算效能。
目前，Groq可支持多種用於模型推理的機器學習開發框架，包括PyTorch、TensorFlow和ONNX。但不支持使用LPU推理引擎進行ML訓練。
甚至有網友表示，「Groq的LPU在處理請求和響應方面，速度超越了輝達的GPU」。
不同於輝達GPU需要依賴高速數據傳輸，Groq的LPU在其系統中沒有采用高頻寬記憶體（HBM）。
它使用的是SRAM，其速度比GPU所用的記憶體快約20倍。
鑒於AI的推理計算，相較於模型訓練需要的數據量遠小，Groq的LPU因此更節能。
在執行推理任務時，它從外部記憶體讀取的數據更少，消耗的電量也低於輝達的GPU。
LPU並不像GPU那樣對儲存速度有極高要求。
如果在AI處理場景中采用Groq的LPU，可能就無需為輝達GPU配置特殊的儲存解決方案。
Groq的創新芯片設計實作了多個TSP的無縫連結，避免了GPU集群中常見的瓶頸問題，極大地提高了可延伸性。
這意味著隨著更多LPU的加入，效能可以實作線性擴充套件，簡化了大規模AI模型的硬體需求，使開發者能夠更容易地擴充套件套用，而無需重構系統。
Groq公司宣稱，其技術能夠透過其強大的芯片和軟體，在推理任務中取代GPU的角色。
網友做的具體規格對比圖。
這一切意味著什麽？
對開發者來說，這意味著效能可以被精確預測並最佳化，這一點對於即時AI套用至關重要。
對於未來AI套用的服務而言，LPU可能會帶來與GPU相比巨大的效能提升！
考慮到A100和p00如此緊缺，對於那些初創公司擁有這樣的高效能替代硬體，無疑是一個巨大的優勢。
目前，OpenAI正在向全球政府和投資者尋求7萬億美元的資金，以開發自己的芯片，解決擴充套件其產品時遇到算力不足的問題。
2倍吞吐量，響應速度僅0.8秒
前段時間，在ArtifialAnalysis.ai的LLM基準測試中，Groq的方案擊敗了8個關鍵效能指標。
其中包括在延遲與吞吐量、隨時間的吞吐量、總響應時間和吞吐量差異。
在右下角的綠色象限中，Groq取得最優的成績。
來源：ArtifialAnalysis.ai
Llama 2 70B在Groq LPU推理引擎上效果最為出色，達到了每秒241個token的吞吐量，是其他大廠的2倍還要多。
總響應時間
Groq的響應時間也是最少的，接收100個token後輸出只有0.8秒。
另外，Groq已經執行了幾個內部基準，可以達到每秒300個token，再次設定了全新的速度標準。
Groq執行長Jonathan Ross曾表示，「Groq的存在是為了消除「富人和窮人」，並幫助人工智慧社群中的每個人發展。而推理是實作這一目標的關鍵，因為『速度』是將開發人員的想法轉化為商業解決方案和改變生APP的關鍵」。
一塊卡2萬刀，記憶體230MB
想必大家在前面已經註意到了，一張LPU卡僅有230MB的記憶體。
而且，售價為2萬+美元。
根據The Next Platform的報道，在以上的測試中，Groq實際上使用了576個GroqChip，才實作了對Llama 2 70B的推理。
通常來說，GroqRack配備有9個節點，其中8個節點負責計算任務，剩下1個節點作為備用。但這次，9個節點全部被用於計算工作。
對此網友表示，Groq LPU面臨的一個關鍵問題是，它們完全不配備高頻寬記憶體（HBM），而是僅配備了一小塊（230MiB）的超高速靜態隨機存取記憶體（SRAM），這種SRAM的速度比HBM3快20倍。
這意味著，為了支持執行單個AI模型，你需要配置大約256個LPU，相當於4個滿載的伺服器機架。每個機架可以容納8個LPU單元，每個單元中又包含8個LPU。
相比之下，你只需要一個p00（相當於1/4個伺服器機架的密度）就可以相當有效地執行這些模型。
這種配置如果用於只需執行一個模型且有大量使用者的場景下可能表現良好。但是，一旦需要同時執行多個模型，特別是需要進行大量的模型微調或使用高級別的LoRA等操作時，這種配置就不再適用。
此外，對於需要在本地部署的情況，Groq LPU的這一配置優勢也不明顯，因為其主要優勢在於能夠集中多個使用者使用同一個模型。
另有網友表示，「Groq LPU似乎沒有任何HBM，而且每個芯片基本上都帶有少量的SRAM？也就是說他們需要大約256個芯片來執行Llama 70B？」
沒想到得到了官方回應：是的，我們的LLM在數百個芯片上執行。
還有人對LPU的卡的價錢提出了異議，「這難道不會讓你的產品比p00貴得離譜嗎」？
馬斯克Grok，同音不同字
前段時間，Groq曾公開基準測試結果後，已經引來了一大波關註。
而這次，Groq這個最新的AI模型，憑借其快速響應和可能取代GPU的新技術，又一次在社交媒體上掀起了風暴。
不過，Groq背後的公司並非大模型時代後的新星。
它成立於2016年，並直接註冊了Groq這一名字。
CEO兼聯合創始人Jonathan Ross在創立Groq之前，曾是谷歌的員工。
曾在一個20%的計畫中，設計並實作了第一代TPU芯片的核心元素，這就是後來的谷歌張量處理單元（TPU）。
隨後，Ross加入了谷歌X實驗室的快速評估團隊（著名的「登月工廠」計畫初始階段），為谷歌母公司Alphabet設計和孵化新的Bets（單元）。
或許大多數人對馬斯克Grok，還有Groq模型的名字感到迷惑。
其實，在勸退馬斯克使用這個名字時，還有個小插曲。
去年11月，當馬斯克的同名AI模型Grok（拼寫有所不同）開始受到關註時，Groq的開發團隊發表了一篇部落格，幽默地請馬斯克另選一個名字：
我們明白你為什麽會喜歡我們的名字。你對快速的事物（如火箭、超級高鐵、單字母公司名稱）情有獨鐘，而我們的Groq LPU推理引擎正是執行LLM和其他生成式AI套用的最快方式。但我們還是得請你趕緊換個名字。
不過，馬斯克並未對兩個模型名稱的相似之處作出回應。
