搭建一个 AI 问答机器人，需要几步？

搭建一个企业内部AI 问答机器人、知识库的场景,我们可以选择大厂的云服务,这相对于大多数用户来说,是最省事的方案。但很多企业可能会有一些私有化的数据,或者受限于企业内部的安全性要求,只能走模型私有化部署的方式。

很多人想到模型私有化部署,会以为要数据中心的多台服务器来做,其实不然。

办公室里搭建 AI 工作站,已经可以完美地支持企业内部知识库和一些POC场景的需求,比如进行量化的 70B 模型的训练和推理工作。所以在办公室环境下,同样可以搭建一个 AI 问答机器人。

赞奇科技基于 NVIDIA ChatRTX 搭建的企业问答机器人

但搭建一个AI 问答机器人又是一个涉及硬件选择、安装、开发环境部署的综合过程。

最近赞奇的工程师团队测试了几款主流大模型,就采用 AI 工作站搭建一个本地问答机器人提供了一些建议参考,这里抓一些重点给大家:

第一步   确定需求与目标

这一步至关重要,需要确定以下关键点:

性能要求:了解所做任务的复杂度,如知识库所需要采样的数据库的大小,未来的用户并发量等,以此来预估所需的计算资源和存储空间等,通常我们可以用现有机器跑任务测试的方式来评估。

预算范围:明确愿意投入的资金等成本范围。对预算没有概念的小伙伴可以通过询问,或者参考公开市场价格等方式来加速了解。

第二步   选择合适的硬件

根据需求我们来制定硬件配置,AI 工作站比较关键的配置有 GPU、CPU、内存、机箱等。

GPU

GPU 是 AI 工作站中非常核心的算力,也是 AI 工作站中需要首先考虑的配件。目前适用于专业 AI 工作站的显卡主要有 NVIDIA RTX™ 5880 Ada (48GB) 及 NVIDIA RTX™ 5000 Ada (32GB) 等,这两款显卡属于 NVIDIA 专业级显卡,主动散热、功耗很低而且非常稳定,静音也适合办公室使用。

我们可以看看两款显卡的参数:

我们需要根据算力需求来配置工作站中的显卡,包括显卡型号和数量。AI 工作站可至多支持 4 张高性能专业显卡,同时一个工作站中需要配置同一型号的显卡,并且一般采用单卡、双卡和四卡的配置。

这就需要我们同时要了解不同型号显卡的性能,才能来匹配任务需求。这是个极大的挑战。很多人对显卡性能并不熟悉,而且在不同的任务情况下,显卡的表现也会有所不同。我们可以参考与我们类似的任务在显卡上的测评数据来评估。有条件的话,在购买时建议最好提前测试下。

显卡实测数据

很多企业采用 AI 工作站来做知识库、智能问答等应用,主要任务是本地的模型微调和推理,模型大小普遍选择在 7B/8B,13B,32B 和 70B。

NVIDIA 解决方案合作伙伴赞奇科技,分别对 AI 工作站中搭载 NVIDIA RTX 5880 Ada、NVIDIA RTX 5000 Ada 的单卡、双卡、四卡配置进行了模型训练和推理的测试,测试数据供大家在选型时参考。

AI 工作站搭载 NVIDIA RTX 5000 Ada 的实测

NVIDIA RTX 5000 Ada

(图片源于 NVIDIA)

测试环境:

CPU: Intel(R) Xeon(R) w5-3433

内存:64G DDR5 * 8

GPU: NVIDIA RTX 5000 Ada * 4

操作系统:ubuntu22.04

Driver Version: 550.107.02

CUDA: 12.1

推理框架:vllm

测试数据(以下数据均为多次测试数据的平均值):

AI 工作站搭载 NVIDIA RTX 5880 Ada 的实测

NVIDIA RTX 5880 Ada

(图片源于 NVIDIA)

测试环境:

CPU: Intel(R) Xeon(R) w5-3433

内存:64G DDR5 * 8

GPU: NVIDIA RTX 5880 Ada * 4

操作系统:ubuntu 22.04

Driver Version: 550.107.02

CUDA: 12.1
推理框架:vllm

测试数据(以下数据均为多次测试数据的平均值):

噪音测试

无论是搭载 4 张 NVIDIA RTX  5880 Ada, 还是 4 张 NVIDIA RTX 5000 Ada 的品牌 AI 工作站,在压测情况下机器出风口测得的噪音水平控制在 50-60 分贝,基本上接近环境音的水平,办公室噪音?那是没有的!

以上测试数据均来源于赞奇科技 。

其他配置

CPU 要注意考虑和 GPU 的匹配问题。实际使用中,具有较高核心数和主频的CPU 运行速度更快,更高的缓存也会提升运行效率。4卡工作站环境中内存建议 256GB 以上,存储也要依据使用需求来确定。

机箱要考虑电源、噪音、兼容性、扩展性等因素,电源的话要计算所有组件的最大功率消耗并留有余量,以应对峰值和未来硬件升级的可能。噪音和散热情况一定要提前了解,因为这会直接影响办公环境(还有心情)。

当然也可以更省事一点儿,参考我们本次测试所采用的工作站的配置环境!

第三步

安装操作系统、配置开发环境+

AI 工作站到位安装好后,可以根据偏好和软件兼容性,选择合适的操作系统、驱动程序、软件等进行安装。同时配置开发环境所需的工具、模型、数据集等。

当然,您也可以联系我们,一站式配置好软硬件相关的环境,做到开箱即用!

第四步

测试与优化

通过运行一些基本的小型 AI 项目,验证工作站在实际任务中的运行速度、稳定性、散热情况、噪音等情况。同时还可以利用 NVIDIA System Management Interface 等工具监控 GPU 使用情况,根据需要调整代码或资源配置以提高显卡效率。

实际过程中,大部分靠谱厂商出厂过程中会包含上述步骤。此时我们需要做的工作是在上述环境准备完善的前提下,上传自己的数据,通过 RAG 或者微调的方式对自己的数据做一次整理。接下来,就迎接自己内部的问答机器人吧!

审核编辑 黄宇