华为: Bye,英伟达!华为NPU,跑出准万亿参数大模型

中国媒体量子位报道：现在，跑准万亿参数的大模型，可以彻底跟英伟达Say Goodbye了。

完成此举的，正是华为！

要知道，在此之前，训练万亿参数大模型这事，是有诸多“拦路虎”在身上的。

例如负载均衡难、通信开销大、训练效率低等等。

而华为盘古团队（包含诺亚方舟实验室、华为云等）基于昇腾国产算力平台，一举攻破了上述所有的挑战——

6000+块昇腾NPU集群上完成了7180亿（718B）参数MoE模型的长期稳定训练，并通过多项突破性系统优化技术实现了显著性能提升。

这些创新大幅提高了训练效率，支撑了行业顶尖水平模型的开发！

不得不说，“国产”二字在大模型硬件上的含金量还在持续上升。

纯国产NPU，丝滑跑通准万亿参数大模型

在拆解华为一系列“黑科技”之前，我们先需要更深入地了解一下训练超大参数MoE模型背后的困难。

总体来看，在这条路上有“四大金刚”在严阵把守。

技术报告：arxiv.org/abs/2505.04519

"如英伟达无法进入中国,等同把市场拱手让给华为"

黄仁勋:如果英伟达无法进入中国,那华为...

华为招聘紧急辟谣实习"内推"、"远程"陷阱

首先就是架构参数优化难题，需在众多参数组合中探索最优配置，设计适配昇腾NPU的大规模MoE架构，实现计算资源的高效利用。

其次是动态负载均衡挑战，路由机制需要智能分配任务，避免专家资源分配不均；这种不平衡不仅会因“木桶效应”降低训练效率，更可能导致模型收敛异常，影响最终性能表现。

还有分布式通信的瓶颈，在近万亿参数规模下，token在不同计算节点间的专家流转会产生巨大通信开销，“通信墙”问题成为制约训练效率的关键因素。

最后就是硬件适配复杂度，实现MoE算法与昇腾NPU等专用AI加速器的深度协同，需要打通算法设计、软件框架和硬件特性的全栈优化，充分释放硬件计算潜力。

针对这些问题，华为的这份技术报告分别从模型架构、MoE训练分析、系统优化等方面，详细介绍了其如何见招拆招。

首先就是MoE结构选型与昇腾亲和结构优化。

团队先进行先导实验，确定了细粒度专家加上共享专家这样的范式。随后在模型选型的时候，考虑了多个方面的因素。

在计算与访存亲和方面，通过增大模型里的hidden size（隐藏层大小），同时降低激活参数量，这样不仅能提升模型的计算量，还可以降低访存量，提高了模型训练时对算力的利用率，以及推理时的吞吐量。

在多维并行亲和方面，采用数量为2的指数级的专家数量，达成了TP8×EP4超融合并行的方式。

运用TP-extend-EP技术，避免因 TP 切分细粒度专家造成MatMul（矩阵乘法）等算子的效率下降，同时使用分组 AllToAll 通信技术来减少 EP 通信所产生的开销。

在 DaVinci 架构亲和方面，将张量按照256进行对齐处理，使其能完美匹配16×16矩阵计算单元，充分释放昇腾NPU的算力。

在流水线编排亲和方面，采用PP（流水线并行）、VPP（可变流水线并行）、空层等技术，实现PP和VPP的负载均衡，减少计算资源闲置（空泡）的情况。