摘要：本文根據(jù)完整的基準(zhǔn)測試,，將Achronix Semiconductor公司推出的Speedster7t FPGA與GPU解決方案進行比較,，在運行同一個Llama2 70B參數(shù)模型時，該項基于FPGA的解決方案實現(xiàn)了超越性的LLM推理處理,。

　　采用 FPGA 器件來加速LLM 性能,，在運行 Llama2 70B 參數(shù)模型時，Speedster7t FPGA 如何與 GPU 解決方案相媲美,？證據(jù)是令人信服的——Achronix Speedster7t FPGA通過提供計算能力,、內(nèi)存帶寬和卓越能效的最佳組合，在處理大型語言模型（LLM）方面表現(xiàn)出色,，這是當(dāng)今LLM復(fù)雜需求的基本要求,。

　　像 Llama2 這樣的 LLM 的快速發(fā)展正在為自然語言處理（NLP）開辟一條新路線，有望提供比以往任何時候都更像人類的交互和理解,。這些復(fù)雜的 LLM 是創(chuàng)新的催化劑,，推動了對先進硬件解決方案的需求，以滿足其密集處理需求,。

　　我們的基準(zhǔn)測試突出了 Speedster7t 系列處理 Llama2 70B 模型復(fù)雜性的能力,，重點關(guān)注 FPGA 和 LLM 性能。這些測試（可根據(jù)要求提供結(jié)果）顯示了Achronix FPGA對于希望將LLM的強大功能用于其NLP應(yīng)用程序的開發(fā)人員和企業(yè)的潛力,。這些基準(zhǔn)測試展示了 Speedster7t FPGA 如何超越市場,，提供無與倫比的性能，同時降低運營成本和環(huán)境影響,。

　　Llama2 70B LLM 運行在 Speedster7t FPGA 上

　　2023 年 7 月,，Microsoft 和 Meta 推出了他們的開源 LLM，Llama2 開創(chuàng)了 AI 驅(qū)動語言處理的新先例,。Llama2 采用多種配置設(shè)計,，以滿足各種計算需求，包括 700 億,、130 億和 700 億個參數(shù),，使其處于 LLM 創(chuàng)新的最前沿。Achronix和我們的合作伙伴 Myrtle.ai 對700億參數(shù)的Llama2模型進行了深入的基準(zhǔn)分析,，展示了使用Speedster7t FPGA進行LLM加速的優(yōu)勢,。

　　基準(zhǔn)測試結(jié)果：Speedster7t FPGA 與業(yè)界領(lǐng)先的 GPU 對比

　　我們在 Speedster7t FPGA 上測試了 Llama2 70B 模型的推理性能，并將其與領(lǐng)先的 GPU 進行了比較,。該基準(zhǔn)測試是通過對輸入,、輸出序列長度 （1,128） 和批處理大小 =1 進行建模來完成的。結(jié)果表明,，Speedster7t AC7t1500在LLM處理中的有效性,。

　　FPGA 成本基于由 Speedster7t FPGA 提供支持的 VectorPath 加速卡的標(biāo)價,。同樣，我們在此分析中使用了可比GPU卡的標(biāo)價,。使用這些成本信息和每秒產(chǎn)生的輸出令牌數(shù)量,，我們計算出基于 FPGA 的解決方案的 $/token 提高了 200%。除了成本優(yōu)勢外,，在比較 FPGA 和 GPU 卡的相對功耗時,，我們觀察到與基于 GPU 的解決方案相比，產(chǎn)生的 kWh/token 提高了 200%,。這些優(yōu)勢表明 FPGA 如何成為一種經(jīng)濟且能效高效的 LLM 解決方案,。

　　面向 LLM 的 FPGA：Speedster7t 的優(yōu)勢

　　Achronix Speedster7t系列FPGA旨在優(yōu)化LLM操作，平衡LLM硬件的關(guān)鍵要求,，包括：

　　高性能計算 – 具有高性能計算能力的尖端硬件對于管理 LLM 推理核心的復(fù)雜矩陣計算至關(guān)重要,。

　　高帶寬內(nèi)存 – 高效的 LLM 推理依賴于高帶寬內(nèi)存，通過模型的網(wǎng)絡(luò)參數(shù)快速饋送數(shù)據(jù),，而不會出現(xiàn)瓶頸,。

　　擴展和適應(yīng)能力 – 現(xiàn)代 LLM 推理需要能夠隨著模型規(guī)模的增長而擴展并靈活適應(yīng) LLM 架構(gòu)的持續(xù)進步的硬件。

　　高能效處理 – 可持續(xù)的 LLM 推理需要硬件能夠最大限度地提高計算輸出,，同時最大限度地降低能耗,，從而降低運營成本和環(huán)境影響。

　　Speedster7t FPGA 提供以下功能,，以應(yīng)對實施現(xiàn)代 LLM 處理解決方案的挑戰(zhàn)：

　　計算性能 – 通過其靈活的機器學(xué)習(xí)處理器 （MLP） 模塊支持復(fù)雜的 LLM 任務(wù),。

　　高 GDDR6 DRAM 帶寬 – 確保以 4 Tbps 的內(nèi)存帶寬快速處理大型 LLM 數(shù)據(jù)集。

　　大量的 GDDR6 DRAM 容量 – 可容納 Llama2 等擴展的 LLM,，每個 FPGA 的容量為 32 GB,。

　　用于 LLM 的集成 SRAM – 提供低延遲、高帶寬的存儲,，具有 190 Mb 的 SRAM,，非常適合存儲激活和模型權(quán)重。

　　多種本機數(shù)字格式 – 適應(yīng) LLM 需求,，支持塊浮點 （BFP）,、FP16、bfloat16 等,。

　　高效的片上數(shù)據(jù)傳輸 – 2D NoC 超過 20 Tbps,，簡化片上數(shù)據(jù)流量。

　　擴展橫向擴展帶寬 – 支持多達32個112 Gbps SerDes 滿足 LLM 需求,，增強連接性,。

　　自適應(yīng)邏輯級可編程性 – 使用 690K 6 輸入 LUT 為 LLM 的快速發(fā)展做好準(zhǔn)備。

　　針對 LLM 推理優(yōu)化的 FPGA

　　在快速變化的人工智能和自然語言處理領(lǐng)域,，使用 FPGA 而不是 GPU 來加速 LLM 是一個相當(dāng)新的想法,。該基準(zhǔn)測試展示了設(shè)計人員如何從使用Achronix的FPGA技術(shù)中受益,。Achronix Speedster7t系列FPGA是這一變化的關(guān)鍵技術(shù),，在高性能,、高帶寬存儲器、易于擴展和電源效率之間實現(xiàn)了出色的平衡,。

　　基于詳細(xì)的基準(zhǔn)分析,，將 Speedster7t FPGA 與領(lǐng)先的 GPU 在處理 Llama2 70B 模型方面的能力進行比較，結(jié)果表明 Speedster7t FPGA 能夠提供高水平的性能,，同時大大降低運營成本和環(huán)境影響,，突出了它在未來 LLM 創(chuàng)建和使用中的重要作用。

　　如果希望進一步了解如何使用FPGA器件來加速您的LLM程序,，以及 FPGA 加速 LLM 解決方案的未來發(fā)展機遇,，請聯(lián)系A(chǔ)chronix，獲取詳細(xì)的基準(zhǔn)測試結(jié)果,，并幫助您確定Achronix FPGA技術(shù)如何加速您的LLM設(shè)計,。

更多精彩內(nèi)容歡迎點擊==>>電子技術(shù)應(yīng)用-AET<<