智能手表|一家英国明星芯片公司“悄然”入华！叫板英伟达A100 华米科技|日产GT-R

文章图片

文章图片

“计算革命在计算机历史上只发生过三次，第一次是 70 年代的 CPU ，第二次是 90 年代的 GPU ，而 Graphcore 就是第三次革命，他们的芯片（IPU ，智能处理单元）是这个世界伟大新架构的一种。 ”说这话的是 ARM 公司创始人、英国半导体之父赫尔曼·豪瑟（Hermann Hauser）。
他口中的 Graphcore ，是来自英国的 AI 芯片公司。这家公司创办于2016年，在芯片领域有着多年经验的奈杰尔·图恩（Nigel Toon）担任联合创始人和 CEO ，曾创办过两家处理器公司的西蒙·诺尔斯（Simon Knowles）担任联合创始人和 CTO 。
图 | Graphcore（来源：Graphcore）
这家分公司遍布多个国家和地区的公司，于 2019 年进入中国。 9 月 19 日， DeepTech 和 Graphcore 高级副总裁兼中国区总经理卢涛，就相关问题进行了交流。
图 | 卢涛（来源：Graphcore）
他表示， Graphcore 的主要技术是以 IPU 处理器、为 IPU 打造的 Poplar 软件。基于 IPU 处理器和 Poplar 软件栈， Graphcore 的产品最后以用在IPU服务器中的PCIe 卡、IPU 系统产品 IPU-Machine 和 IPU-POD 的形式呈现给用户。
Graphcore 已经取得了一些阶段性进展。截止目前， IPU 已达到一万多片的发货规模，并服务于全球超过 100 家的机构，其主要应用在互联网大规模数据中心、高校和科研机构等。同时， IPU 也在支撑医疗、金融、生命科学、汽车、金融和计算领域方面的应用。
2019 年初， AI 教父杰夫·欣顿（Geoff Hinton）在接受记者采访的时候，被问未来什么样的计算系统会更像大脑？他的回答是：“我认为我们需要转向不同类型的计算机。幸运的是，我这里有一个...” 欣顿伸手进入他的钱包，拿出一个又大又亮的硅片——一个 Graphcore IPU 芯片。
IPU带来可持续发展路径2016 年，全球 AI 产业进入高速发展阶段。在过去，大概每隔三个月，模型参数规模就会提高一倍。 2018 年 10 月，谷歌的 ResNet 模型有 3.3 亿个参数。 2019 年3 月， OPEN AI 的大型语言模型 GPT-2 达到 15.5 亿个参数。 2020 年， GPT-3 达到 1750 亿个参数。 GPT-3 模型完成一次完整训练，要耗费千万美金级别的花销。这样的密集计算，很难带来持续发展。那么，是否有可持续发展的路径？
在论文《EfficientNet：对卷积神经网络的模型缩放的重新思考》（EfficientNet:Rethinking Model Scaling for Convolutional Neural Networks）中，论文作者通过平衡神经网络的深度、宽度、准确率，再通过找到平衡点、并把底层卷积改变之后，找到了大幅减小参数数量的方法，与此同时准确度也得到提升。卢涛认为，这是未来的代表方向之一。
2020 年上半年，微软机器学习科学家 Sujeeth Bharadwaj 分享了 IPU 训练 CXR 模型的卓越性能， IPU 在运行微软 COVID-19 影像分析算法 EfficientNet 和SONIC 时表现亮眼，在 30 分钟内完成了英伟达传统芯片需 5 个小时的训练工作量。
【智能手表|一家英国明星芯片公司“悄然”入华！叫板英伟达A100】
图 | 微软用IPU和GPU训练用于新冠算法模型的对比
从 Graphcore 的角度来看，不管是 CPU 还是 GPU ，都不是针对 AI 应用而生。 CPU 是标量处理器，它主要做模拟性判断，用于帮助程序员针对固定模式进行编程。 CPU 特别适合的架构是通过大量的模拟处理器开发手机 App 和外包服务器。 GPU 是针对图像处理而生，相比 CPU 来说 GPU 在并行度和向量机上都有很大提升。