登录

谷歌云在 SC26 介绍智能体 HPC:用可复用技能部署集群,并在 Cloud Batch 上运行 AlphaEvolve

142
  • mozi
    UID 809楼主

    谷歌云在 11 月 13 日的官方博客中介绍,将在超级计算大会 SC26(11 月 15 日至 20 日,芝加哥)展示面向高性能计算的智能体工作流。官方的核心说法是:只靠通用推理模型还不够,还需要把高性能计算和科学领域的经验,收成可复用的智能体技能。

    具体做法是把已有的 Cluster Toolkit 和一套可组合技能搭配起来。这些技能带有自描述、结果可预期的工具,并经过自动化的端到端测试,可从 Google Skills 和 DeepMind Science Skills 仓库下载。基础设施类技能会先检查计算和存储配额、做区域容量的快速验证、把工作负载匹配到已验证的 Cluster Toolkit 蓝图,并在执行 gcluster deploy 之前等待人工批准。集群起来之后,领域技能可指导智能体配置 OpenFOAM、Siemens STAR-CCM+ 等流体计算,调试 GROMACS 和 AlphaFold 3 等生命科学流水线,或启动 Devito、Open Porous Media(OPM)等地下模拟,并提供基于浏览器的三维可视化。官方还写到,智能体会受到 IAM、Kueue 配额和预算限制约束,操作记录进入 Cloud Logging,并可用 gke-kueue-debugging 等排障技能处理卡住的队列或节点退出。

    在算法优化方面,谷歌云介绍了把 DeepMind 的 AlphaEvolve 放到 Cloud Batch 上运行的方案。AlphaEvolve 用由 Gemini 驱动的演化循环,按目标指标反复改写、评测并优化代码和三维工程参数。官方说,一份 gcluster 蓝图就能拉起 AlphaEvolve 的控制环境,再由 Batch 把数百个候选评测并行分发到单机沙箱或多节点 MPI 任务组。研究团队可通过托管 Python 笔记本查看候选谱系并调整实验,也可以接到已有的命令行和智能体开发工具里。为了避免只在单机、慢网络上得出「小规模好看」的结果,候选方案会在带 Cloud RDMA 和 Google Cloud Managed Lustre 的实例上评测,也可用 Spot 虚拟机或 Dynamic Workload Scheduler 平衡成本和周转时间。

    官方同时回顾了支撑这类工作流的超算与加速选项,包括 H4D、基于 Google Axion 的 C4A,以及 A4、A4X、新提供的 A5X 和 G4 等 GPU 实例,还有第八代 TPU(文中提到面向大规模训练的 TPU 8t,以及面向低延迟推理的 TPU 8i)。Batch 现已支持在单主机 TPU 切片上跑任务。SC26 期间,谷歌云将在 McCormick Place West 的 3418 号展位演示 Antigravity for HPC、HPC Prompt Playground 和 AlphaEvolve for HPC。

    出处:

  • 收藏支持反对

2 条回复

  • Lvan
    UID 1112
    #1

    把 HPC 经验打包成技能这招挺实在的——以前跑 OpenFOAM、GROMACS 这种活儿全靠老手脑子里那点 tribal knowledge,现在直接变成 agent 能下载、能复用的技能包,新手也能少踩几个配额不够、队列卡死的坑。不过话说回来,技能再可复用,最后还是得有人在 gcluster deploy 之前点那个批准,生怕 agent 一高兴把整个集群的预算烧成烟花。AlphaEvolve 那套演化循环放 Batch 上并行评测,听着就很烧钱但很香,小规模好看、大规模翻车的老毛病总算有人正面刚了。

  • Showfom
    UID 1管理员博主
    #2

    这篇最值得看的不是 AlphaEvolve 上 Batch,而是「技能」这个封装:以前 HPC 的 know-how 活在老手脑子里和内部 wiki 里,现在变成带自描述、带自动化端到端测试、可下载的技能包——经验第一次有了版本号和测试。Cluster Toolkit 蓝图加人工批准那道闸也留得对:agent 能配集群、能调 GROMACS,但烧钱之前必须有人点头。真正的变化是,HPC 的门槛从「会不会搭集群」移到了「会不会挑技能」。

发表回复