近日，有幸參觀了中國移動智算中心（哈爾濱）。該中心是全球運營商最大單集群智算中心，AI芯片國產化率100%，首次通過國產網絡設備探索1.8萬張智算卡單集群部署規(guī)模上限，可提供6.9EFLOPS（每秒690億億次半精度浮點運算）智能算力，融合分級存儲達 150P，創(chuàng)新應用GSE1.0，天池SDN等多項中國移動自主研發(fā)技術。
中國移動智算中心（哈爾濱）曾用名#哈爾濱數據中心，中國移動移動的三大低成本數據中心（另外兩個在內蒙古和貴州）。
哈爾濱數據中心抓住全球大模型高速增長商機，在當地政府、集團公司及供應鏈伙伴的支持下，基于“D-PDCA雙循環(huán)”管理機制，歷時兩個100天，完成3千多平米高功耗機房重大調整改造，千萬級精密器件復雜施工；在30多個單位，千余人的協同作戰(zhàn)下，提前4個月，建成全球運營商最大單集群智算中心，充分展現了龍江速度。
第一個“一個100天”，完成機房的電源、空調、電氣、建筑結構的擴容及智能化改造。業(yè)內首次挑戰(zhàn)46KW高功耗風冷，創(chuàng)新引入大型集裝箱式“10KV中壓直供設備”新型供電模式，通過規(guī)、建、監(jiān)、施協同作戰(zhàn)，優(yōu)化創(chuàng)新方案、專業(yè)強化管理等措施，實現430可裝機，530全加電，620優(yōu)交付，工期壓縮40%。
第二個“一個100天”，實現智算集群全量設備點亮。面對大規(guī)模集群施工在技術領先性、首創(chuàng)性和復雜性的交付挑戰(zhàn)，通過“早啟動、定標準、造工具、融工序、勇創(chuàng)新、強投入”六大舉措，筑牢集群質量，實現610可調測，730全點亮，830全交付，提前4個月投產。
中國移動智算中心（哈爾濱）支持萬卡并行訓練，智能斷點續(xù)訓，AI任務生命周期管理，分鐘級故障定界、定位。目前，中國移動九天千億參數模型已在集群上實現高效、長期穩(wěn)定訓練。
中國移動智算中心（哈爾濱）通過科學管理、精細化設計和高工藝實施，完成集群穩(wěn)定性、算力效率、海量數據和高可用性挑戰(zhàn)，打造具備極致算力、極限組網、極效存儲、極速運維的智算“超級工廠”，釋放算力集群優(yōu)勢，為萬億模型訓練提供強大的算力底座。
極致算力，AI芯片國產化率100%，首次通過國產網絡設備探索1.8萬張智算卡單集群部署規(guī)模上限，算力達到 6.9EFLOPS（每秒 690 億億次半精度浮點運算），通過單一集群強大算力有效支撐大型AI模型訓練，并通過網絡精細化設計、軟硬件全棧整合優(yōu)化，實現集群算力效率的近線性提升，確保萬卡集群最大化釋放算力，滿足萬億參數大模型訓練要求。
極限組網，采用國產46KW 風冷網絡設備、構建最大規(guī)模兩級組網。高性能、高功耗國產網絡設備首次端口滿負荷配置，達到網絡設備能力上限，采用高速、低延時、無阻塞兩級組網，保證數據的高效通信。創(chuàng)新應用中國移動自研的天池SDN，提供網絡功能自服務能力；創(chuàng)新引入中國移動自主知識產權、首個非美標智算組網GSE技術。
極效存儲，面對萬億模型PB級訓練數據集的多協議處理，采用大規(guī)模融合分級存儲，通過訓練數據智能分級和統(tǒng)一管理，實現數據高效共享和處理，滿足大模型訓練時海量、多樣數據的高效處理和高吞吐要求。
極速運維，建立SLA標準服務支撐體系，提供矩陣式維護服務；部署一體化智能管控工具，對AI訓練任務進行全生命周期管理，實現小時級智能斷點續(xù)訓、分鐘級故障定界定位；建立Class8級機房環(huán)境標準，降低千萬精密器件故障率。通過制度、技術和標準三大措施，保障萬張AI加速卡長時間穩(wěn)定并行訓練，為萬億模型訓練提供高性能、高可用、高可靠的算力底座。
“該集群高效靈活的智算云服務能力，將為萬億級大模型提供高效、穩(wěn)定、安全可控的算力底座，推動國內人工智能產業(yè)健康發(fā)展。”中國移動黑龍江公司政企事業(yè)部經理郅剛說。 
