日前，总部位于北京的国产GPU企业摩尔线程宣布其AI旗舰产品夸娥（KUAE）智算集群解决方案实现重大升级，从当前的千卡级别大幅扩展至万卡规模。
“AI模型训练的主战场，万卡已成为标配。”摩尔线程创始人兼CEO张建中说。随着计算量不断攀升，大模型训练亟需超级工厂，也就是一个“大且通用”的加速计算平台，从而缩短训练时间，实现模型能力的快速迭代。
所谓万卡集群，是指由一万张及以上的计算加速卡（如GPU）组成的高性能计算系统，用以训练基础大模型。据了解，构建万卡集群并非一万张GPU卡的简单堆叠，而是一项高度复杂的超级系统工程。“可以把万卡集群想象为一个万人团队，团队需要有非常强的沟通机制，才能协同把一件事情做好。”摩尔线程相关负责人说，希望能够建设一个规模超万卡、场景够通用、生态兼容好的加速计算平台，并优先解决大模型训练的难题。
稳定性方面，夸娥万卡集群平均无故障运行时间超过15天，最长可实现大模型稳定训练30天以上，周均训练有效率在99%以上。