今天（12月12日）上午，OpenAI证实其聊天机器人ChatGPT正经历全球范围的宕机，ChatGPT、Sora及API仍处于瘫痪状态。

OpenAI更新事故报告称，API、ChatGPT和Sora服务现已全面恢复运行。

今日稍早时候，OpenAI证实其聊天机器人ChatGPT经历全球范围宕机，Sora及API也受到影响。据了解，此次故障持续约4小时10分钟。OpenAI表示，将对此次故障进行全面的根本原因分析。

测算一下，要支撑足够的用户量和业务规模，到底需要多少算力（尤其是GPU）。

-训练这类模型所需的算力取决于：模型的规模（参数数量）、训练数据集的大小、训练轮次、批次大小。

-FLOPs（浮点运算次数）：执行某个任务所需的计算量。

参考GPT-3中最大的模型（1750亿参数）的训练大约需要3.14 * 10^23次浮点运算（FLOPs）得出：

一个千亿大模型所需FLOPs = (千亿参数 / 1750亿参数) * 3.14 * 10^23 FLOPs=1.8 * 10^23 FLOPs

以英伟达A100 GPU为例，其具有每秒19.5万亿次（19.5 TFLOPs）的浮点运算能力

所需GPU数量 = 1.8 * 10^23 FLOPs / (19.5 * 10^12 FLOPs/s * 训练时间秒数)

如果希望在10天（约864000秒）内完成训练，可以按照以下计算方式得到所需GPU数量：

所需GPU数量 = 1.8 * 10^23 FLOPs / (19.5 * 10^12 FLOPs/s * 864000s)

得出，想要在10天内训练1000亿参数规模、1PB训练数据集，大约需要10830个英伟达A100 GPU。

假设每个A100 GPU的成本约为10000美元，那么10830个GPU的总成本约为：

10830 * $10,000 = $108,300,000

正是因为GPU强大的计算能力，大模型得以茁壮成长，从浅层神经网络发展到深度学习的复杂模型，从局限的应用领域扩展至无所不及的智能场景。

但一般情况下，中小企业和个人很少需要用到这么多的GPU，也不需要花这么多的成本，又要避免算力资源浪费那应该怎么办呢？

极云科技旗下品牌“极智算”，提供各种类型和规格的算力租用。

在这里，用户可以根据自己的实际需求灵活选择，既方便又省钱！后续还会有更多GPU产品持续更新...

新用户认证更有千元优惠券可领取！

更多算力详情尽在：https：//www.jygpu.com

关于我们

极云科技作为一家位于中国西南地区的高新技术企业，专注于为各行各业提供全面的信息技术解决方案。公司凭借深厚的技术积累和创新能力，已成为IDC、云计算及IT信息化服务领域的领先供应商。业务涵盖IDC（互联网数据中心）服务、云计算服务、IT信息化、AI算力租赁平台（智算云）。

极云科技秉承“守信、创新、协作、共赢”的企业精神，致力于成为客户最值得信赖的互联网基础服务提供商。