【揭秘】深入 Facebook 人工智能大脑

【新智元导读】为了对抗谷歌机器学习开源软件TensorFlow，Facebook去年宣布开源硬件Big Sur。日前，Facebook 首次对媒体开放 Prineville 的新建数据中心，传说中的开源硬件 Big Sur 首次以实物亮相。在机器学习军备竞赛愈加激烈的当下，Facebook 准备通过开源获得硬件方面的优势：开源能树立名声，吸引更多人才；规模经济也可能降低 Facebook 的硬件支出；最重要的，开源是完善技术最快捷的方式。

Facebook 今天十分漂亮地在媒体上做了一次公关，目前为止，已经有超过 8 家数得上名字的国外科技媒体（现在多了中国的新智元），报道了这家公司位于 Prineville 的第二家数据中心，以及 Facebook 想要推广的主角——开源硬件 Big Sur。

媒体争相拍摄

深入 Facebook “大脑”

自去年以来，Facebook的用户和数据都大幅增长，Prineville 数据中心也随之扩建，增添了更多的高性能服务器，以支撑这家公司在大数据处理方面的需求，尤其是分析图像和视频。

现在，Facebook 在Prineville 新建的第二家数据中心面积已经超过了 9 万平方米，大楼精确地排成一排，好让来自西北干燥而凉爽的夏季风吹过。

从 Prineville 新数据中心楼顶看到的风景。选址 Prineville 是看中了这里的沙漠气候和干燥的空气，有利于数据中心工作。

Prineville 数据中心外的太阳能板，负责为数据中心的办公室供电。

针对散热优化的架构

Facebook 的 Big Sur 服务器基于高性能图形处理器（GPU）设计。这些芯片为AI技术的进步提供了支持。软件已经能更好地理解图像和语言，支撑更加智能的助理。

每台 Big Sur 服务器配有 8 个 Nvida Tesla M40 GPU（每个 M40 有 3072 CUDA 计算核），2 个 CPU 和 SSD 存储及热插拔风扇，计算速度达到 40 petaflop。

Big Sur 荧光绿的保护膜利用 Venturi 效应还具有加速空气流通的性能。

Facebook 最初想扩建数据中心时，当时市面上还没有合适的硬件，因此 Facebook 选择了自己研发。然后他们找到了 Nvidia。

Nvidia的副总裁Ian Buck说，他们第一次训练单个神经网络花了3个月。Ian 负责Nvidia公司的加速计算，与Facebook的AI团队、数据中心都有紧密合作。用新一版Nvidia GPU升级训练硬件后，所需时间减少到了1个月。Ian表示，现在使用 M40 的 Big Sur 不到一天就能训练一个神经网络。

研发这些服务器的工程师 Kevin Lee 说，Big Sur 帮助 Facebook 的研究员使用更多的数据来更快地训练软件。“这些服务器是专门用于AI研究和机器学习的，GPU 能将图片分割成极小的碎片再一次性将其全部处理。”

由于 GPU 非常耗能，Facebook 只能将其组装得更加分散，以免 GPU 过热，为冷却系统增加负担，同时增加能耗。将近 2.2 米高的机架，只放了 4 台 Big Sur 服务器。

Facebook 希望用更多更加强大的部件提升 Big Sur 的性能。Lee 表示，Big Sur 系统是模块化的，因此能够支持更新版本的GPU、服务器和机架设计。眼下，在正式投入使用前，Facebook的数据科学家和AI研究员能够登陆 Prineville 的服务器，访问 Big Sur 来训练离线算法。Lee说，这些算法有时要训练好几周甚至是几个月。

Lee 拒绝透露配置服务器的具体数量，但表示有 “thousands” GPU 在工作。

领跑机器学习军备竞赛

Facebook不是唯一建造大型数据中心或是使用大量GPU支持机器学习的公司。微软、谷歌，以及百度都在使用GPU帮助深度学习研究。

Facebook的不同之处在于，它开源了Big Sur和其他服务器的设计，以及Big Sur数据中心的计划。Facebook将这些信息发布在Open Compute Project，这是Facebook于2011年成立的非营利性项目，旨在鼓励计算机公司一起研发成本低、效率高的数据中心硬件设施。该项目被认为能帮助亚洲硬件公司的发展，也挤占了戴尔、惠普等传统供应商的市场份额。

Facebook 的AI研究负责人Yann LeCun说，在今年早期开源 Big Sur 时，他就相信开源设计能使更多机构参与制造强大的机器学习基础设施，从而加快该领域的发展。

不过，谷歌和微软也都参与了Open Compute Project项目，如果它们愿意，可以建造自己的 Big Sur。

此外，许多公司正在努力为深度学习研发新的芯片。谷歌在5月份宣布，已经开始使用自己设计的芯片TPU来支持深度学习软件的研发，如语音识别。不过，据 Lee 表示，TPU 更适合运行已经训练过的算法，而不是用于初始训练阶段，而这一阶段是 Big Sur 服务器要做的。

而且，现在谷歌正在研发第二代芯片。谷歌 CEO Pichai 表示年底即将推出 Assistant，已经有上亿人在测试。相比之下，Facebook 的Messager 平台虽然表现不错，但在用户数量以及由此造成的数据收集方面还稍逊于谷歌。

AI 是 Facebook 未来三大支柱之一。CEO Mark Zuckerberg 在4月份举办的开发者大会上介绍了公司未来10年的发展蓝图，并表示 Facebook.com 只是公司迈出的第一步，第二步是开发多个移动应用。Zuckerberg 希望 Facebook 10年后，能在互联网连接、无人机、AR、VR和AI方面占据领导地位。

对于 Facebook来说，目前巨头机器学习竞争激烈，开源硬件有着巨大的好处：首先，开源能树立名声，从而吸引更多的顶尖人才加入Facebook；其次，使用 Big Sur 设计的其他中小公司可以提升自己的服务，这样 Facebook 就可能外包业务，得到更好的结果同时进一步节省开支；第三，如果有足够多的人选择购买硬件设备，这种规模经济或许能进一步降低 Facebook 在硬件上的支出。

最重要的是，没有什么比开源能更好更快地改善设计结构和性能方案了，开源协作有助于创新设计，这也将为 Facebook 在机器学习硬件上带来优势。

当被问及Facebook是否正在研发自己的芯片，Lee说公司“正在考虑”。