20分钟上线200节点！元脑服务器操作系统KOS AI定制版为大模型部署提速

北京2024年10月29日 /美通社/ — 当前，随着生成式人工智能和各行业的应用快速融合，大模型在企业端被越来越多的采用，以提高效率、降低成本、增强创新能力。大模型开发首先要解决的，便是训练环境的搭建问题，在算力多元异构、依赖库众多、配置步骤繁琐的情况下，如何快速搭建满足要求的训练环境，为底层算力平台匹配最佳驱动，避免依赖库及配置庞杂导致训练环境鲁棒性低的问题，成为各类大模型开发企业需要面对的挑战。

为此，浪潮信息推出「元脑服务器操作系统KOS Al定制版」（简称KOS Al定制版），通过简单2步即可实现大模型训练环境部署，以搭建200节点训练环境为例，过往需要数天时间才能完成，通过KOS AI定制版20分钟即可完成上线可用，极大提升了大模型开发部署效率。

大模型训练环境复杂面临兼容适配等多项挑战

当前阶段，大模型的发展仍然遵循Scaling Law，不断增加的参数规模、训练数据量以及计算资源，也让大模型的部署环境变得十分复杂。大模型部署是一个系统性的问题，涉及到算力设备兼容、依赖库配置、繁琐的安装步骤等等多个方面。

在硬件方面，算力设备的多样性增加了兼容适配复杂性。在大模型训练环境中，集成了多种类型和规格的算力设备，如不同型号的GPU、高速互连网络、高性能分布式存储等。这些设备在硬件架构、指令集和接口标准上存在差异，导致与操作系统、应用软件以及其他硬件设备的兼容适配变得极为复杂，同时驱动和应用软件选型不当将影响算力输出效率。
在软件方面，依赖库及配置的庞杂性对训练环境的鲁棒性构成威胁。大模型训练依赖大量的软件库、框架和配置参数，这些依赖项之间存在着复杂的依赖关系和严格的版本兼容性要求。一旦某个依赖项出现问题，如版本不匹配、配置错误或缺失，都可能导致训练环境崩溃或性能急剧下降。
在部署方面，大模型训练环境搭建流程比较繁琐。算力支持层面，在确定GPU、网卡等硬件设备基础上，需要安装操作系统、下载硬件驱动并对驱动进行编译；应用软件方面，下载安装CUDA、Cudnn、DCGM等AI软件栈，以及相关管理和监控软件。最后，还要运行相关Benchmark对系统进行性能摸底。

KOS Al定制版 “2步”搞定大模型训练环境部署

针对用户在大模型部署中遇到的困难，浪潮信息推出KOS Al定制版，实现了覆盖驱动和应用软件编译、镜像文件构建、系统发布与部署的镜像开发全流程创新，解决了部署大模型训练环境中遇到的硬件兼容适配、依赖项庞杂及安装部署流程繁琐等问题，让大模型部署化繁为简。

针对硬件兼容适配挑战，浪潮信息KOS技术团队凭借深厚的技术沉淀和经验积累，遴选出十余款GPU和infiniband卡的最佳驱动，验证不同硬件环境下的软件兼容性，优化BIOS、底层驱动、文件系统和网络等多项指标，实现平台资源利用效率最大化。目前KOS已经与1200+硬件板卡、250+服务器整机、400+数据库中间件完成兼容性认证。

面对软件依赖库庞杂的问题，KOS Al定制版对镜像构建过程中的软件包安装列表进行了扩展，并优化了软件包的集成范围和安装顺序，解决软件安装依赖问题，确保在集成大量软件的情况下，操作系统能够顺利完成安装，且保证系统安装完成后，驱动和应用软件能够正常进行编译和安装。同时，面对AI大模型训练过程中某些应用软件体积庞大，无法直接构建为rpm包集成至镜像的挑战，采用”软件切割与再聚合”技术，将超大型软件包进行分割，并在聚合后校验其哈希值，以确保软件的一致性，从而有效解决了超大软件集成难题，实现了超大应用软件的自动化安装。

大模型部署的关键是单节点环境配置。在简化发布与部署方面，为了解决大模型训练集群单节点环境配置复杂的问题，KOS技术团队开发了一套环境配置自动化部署脚本。该脚本能够智能检测操作系统的启动状态，只在系统安装完成后的首次重启时自动运行，确保在不同节点上快速部署大模型运行环境。在此之后的系统启动中，该脚本将不再执行，从而实现集群环境中单节点环境的自动部署。