界面新闻记者 | 佘晓晨

界面新闻编辑 |

近日，微软开源DeepSpeed Chat的消息再次引发AI圈的关注。

【资料图】

DeepSpeed Chat基于微软的DeepSpeed深度学习优化库开发而成，具备训练、强化推理等功能，其使用了RLHF（基于人类反馈对语言模型进行强化学习）技术，可以将训练速度提升15倍以上，同时大幅降低成本。根据微软DeepSpeed组的官方介绍，DeepSpeed-Chat具有三大核心功能：简化ChatGPT类型模型的训练和强化推理体验、DeepSpeed-RLHF模块和DeepSpeed-RLHF系统。

在ChatGPT走向大众视野之后，大模型背后的算力和训练成本继而成为焦点。

国金证券测算的数据显示，在通用大模型训练方面，使用云计算时ChatGPT的训练成本约为170万美元，若自建AI算力中心进行模型训练，训练成本有望降至约51万美元；在大模型推理方面，使用云计算时的ChatGPT每处理1000Tokens信息需花费约0.177美分，自建AI算力中心有望将成本降至0.053美分。

今年3月1日，OpenAI宣布开放ChatGPT API接口，允许第三方开发者通过API将ChatGPT功能集成到自己的应用程序和服务中。该接口对每1000字符处理单元收费0.002美元，即支付两美元可处理约75万个英文单词。OpenAI称，新模型较GPT-3.5模型便宜10倍，成本下降主要因为团队去年12月以来进行一系列的系统优化。

此前，开源社区已经推出过LLaMA、Alpaca、Vicuna、Databricks-Dolly等模型，让更多人用上ChatGPT。不过，由于缺乏支持端到端的RLHF规模化系统，类ChatGPT模型的训练依然存在不小的阻碍。

DeepSpeed方面表示，尽管开源社区付出了巨大的努力，但目前仍缺乏一个支持端到端的RLHF规模化系统，这使得训练强大的类ChatGPT模型十分困难。

例如，用现有的系统训练一个适度的6.7B ChatGPT模型，通常需要昂贵的多GPU设置，这是许多数据科学家无法做到的。即使有这样的计算资源，训练效率也往往低于这些机器所能达到的5%。即使有多GPU集群，现有的解决方案也无法做到简单、快速和经济实惠地训练具有数千亿个参数的最先进的ChatGPT模型。

为了让ChatGPT这样的模型更容易被普通数据科学家和研究者使用，并使RLHF训练真正普及到AI社区，他们发布了DeepSpeed-Chat。

而在微软开源DeepSpeed Chat之后，普通用户可以通过简单的操作训练类ChatGPT等大语言模型。数据显示，只需要花费1620美元，就可以通过混合引擎DeepSpeed-HE，在2.1天内训练一个OPT-66B模型；如果使用多节点、多GPU系统，DeepSpeed-HE可以花320美元，在1.25小时内训练一个OPT-13B模型，花费5120美元，在不到一天的时间内训练一个OPT-175B模型。

这也是AI界为之振奋的原因。在微软开源DeepSpeed Chat之后，更多人开始有机会直接上手训练大模型。对于需要更多数据训练的AI行业来说，也将是一次重要的节点。