说在前面
几个小时前SemiAnalysis的DYLAN PATEL和DYLAN PATEL发布了一个关于GPT-4的技术信息，包括GPT-4的架构、参数数量、训练成本、训练数据集等。
背景
随着数智时代的到来，AI技术在各行各业中扮演着越来越重要的角色。而在AI的背后，模型架构被认为是决定其性能和效果的关键因素之一。其中，ChatGPT-4.0作为一种领先的AI技术模型，在数智时代的大背景下引起了广泛的关注。
ChatGPT-4.0的模型架构，如同一座巍然耸立的建筑，经过精心设计和优化而成。它采用了深度学习等先进技术，能够在对话过程中理解并生成富有意义的回答。这样的模型架构给人一种与真人对话一致的感觉，同时为用户提供出色的用户体验。
不仅仅是技术
AI技术的模型架构不仅是技术手段，也代表了对人类思维和交流方式的一种理解和模拟。模型架构的优劣直接决定了AI技术的效果和适应能力。随着AI技术的不断发展，模型架构的优化也成为了研究的热点之一。
在这个背景下，低代码开发平台为AI模型架构的发展提供了新的助力。以JNPF快速开发平台为例，它为AI开发者提供了方便快捷的开发环境和工具，极大地降低了开发和调试的成本。开发人员可以通过简单的拖拽和配置，快速构建出定制化的AI模型。 体验详情：更多详情
低代码开发平台对数智时代下的AI新模型架构产生了积极正面的影响，主要体现在以下几个方面：
首先，低代码开发平台提供了更高的开发效率。AI模型架构的优化常常需要大量的实验和调试，传统的开发方式效率低下且复杂。而低代码开发平台通过简化开发流程，将开发者从繁琐的代码编写中解放出来，使其专注于模型的设计和优化，极大地提高了开发效率。
其次，低代码开发平台促进了AI模型架构的创新。传统的开发方式往往需要庞大的团队和复杂的技术支持，限制了模型架构的创新和尝试。而低代码开发平台的简洁易用的特点，使更多的开发者能够参与到AI技术的创新中来，推动了模型架构的不断演进和突破。
最后，低代码开发平台提供了更大的灵活性和可扩展性。AI技术的应用场景千变万化，对模型架构的要求也各不相同。低代码开发平台通过模块化的设计和丰富的组件库，使得开发者能够根据具体需求进行灵活的定制和扩展，为实现各种AI应用提供了更多的可能性。
小结
综上所述，低代码开发平台在数智时代下对AI模型架构产生了积极的影响。通过高效的开发方式、促进创新和提供灵活性与可扩展性，它成为了AI技术发展中不可或缺的一部分。在未来的发展中，低代码开发平台必将继续推动AI模型架构的演进和突破，为数智时代的AI应用带来更多的惊喜与进步。
注：本文部分内容参考了国际领先思维模型和理论，并结合个人经验进行了拓展。
信息总结
文章末尾附上信息总结
总结主要的关于GPT-4的信息（总结来自Yam Peleg的推文）：
参数数量：GPT-4比GPT-3大10倍，估计参数数量在120层、1.8万亿左右。
MoE架构：即Mixture-of-Experts架构，这部分信息已经确认，OpenAI通过利用MoE架构保持一定的成本，包含16个Experts，每一个都是一个MLP.2，约1110亿参数，每个前向传播都被路由到这些专家中
MoE路由：尽管公开的技术文档中说了很多高级的路由功能，包括每个token如何选择每个专家等。但是现有GPT-4其实非常简单，大约就是为每个attention共享550亿参数的方式。
推理：每一个前向传播的推理（生成一个token）需要2800亿参数以及560 TFLOPS，这与纯dense模型每次正向传递所需的约1.8万亿参数和3700 TFLOPS形成了鲜明对比。
训练数据集：GPT-4在约13万亿tokens上训练。这不是指不同的token数量，是根据epochs计算使用的token数量。基于文本的数据集做了2次epoch训练，基于代码的数据集做了4次epoch训练。
GPT-4 32K：每一个预训练阶段都是8K的长度。32K的版本是8K预训练模型之后微调得到的。
Batch Size：batch size是逐渐上升的，在集群中经过几天的时间达到一个数值。最终，OpenAI的Batch Size达到了6000万！也就是每个专家大约有750万的token数量，但是并不是每个专家都能看到所有的tokens。
并行策略：由于NVLink的限制，OpenAI训练GPT-4做了8路tensor并行，15路的pipeline并行。
训练成本：OpenAI训练GPT-4的FLOPS约2.15e25，在2.5万个A100上训练了90-100天左右时间（MFU约32%到36%），如果是一个A100约1美元，那么训练成本约6300万美元（如果现在使用H100可能只要2150万美元）。
MoE的取舍：使用MoE之后做了很多取舍，包括推理的处理困难，因为每个模型都用来生成文本。这意味着生成的时候有的可以使用，有的空闲，对使用率来说非常浪费。研究显示64-128个专家的损失比16个专家更好。
GPT-4的推理成本：比1750亿的Davinchi（GPT-3/3.5系列）高3倍，主要是GPT-4的集群太大，利用率低一点。估计约1k tokens要0.0049美元（128个A100）。
MOA：Multi Query Attention，和其他人一样，都是正常使用MOA。因为只需要1个head，显存大大下降，但是32K依然无法在A100 40G运行。持续batching：OpenAI使用可变的batch size和持续batching方法。可以平衡推理成本和推理速度。
Vision Multi-Modal：GPT-4的多模态部分是单独一个visiion encoder，带有cross attention。使得1.8万亿的GPT-4的参数扩展到2万亿左右。VisionModel是从头训练的，还不够成熟。Vision部分的一个作用是让代理可以月度网页，然后转换成图片和视频。部分数据是基于Latex与屏幕截屏训练的。还有YouTube视频，包括使用whisper翻译的脚本与抽帧结果。
推理架构：推理是在128个GPU集群上运行的，在不同的区域有不同的集群。每个节点有8个GPU，包含1300亿参数的模型。或者说每个GPU少于30GB的FP16、少于15GB的FP8/int8。