芯東西6月28日報道，2020年的突發(fā)事件撥亂了太多產(chǎn)業(yè)的陣腳，AI芯片產(chǎn)業(yè)也似乎熱度漸熄。一家英國AI芯片創(chuàng)企卻在這一時期，穩(wěn)穩(wěn)地切入國內科技巨頭阿里和百度的生態(tài)圈。

就在今年5月，成立剛滿四年的英國初創(chuàng)公司Graphcore分別公布和阿里巴巴、百度合作的新動向。阿里宣布Graphcore支持ODLA的接口標準，百度宣布Graphcore成為飛槳硬件生態(tài)圈的創(chuàng)始成員之一。

同月，在英國Intelligence Health峰會上，微軟機器學習科學家分享用Graphcore的IPU芯片訓練微軟COVID-19影像分析算法CXR，能夠在30分鐘之內完成在NVIDIA GPU上需要5個小時的訓練工作量。

▲300W功耗情況下，IPU（左）以2000 img/s的平均速率進行訓練，NVIDIA V100平均速率約為166 img/s，速度相差10倍以上

也是在這個月，英偉達（NVIDIA）為AI和數(shù)據(jù)科學打造的最強GPU A100橫空出世，給布局云端AI芯片市場的其他公司帶來新的壓力。

不過Graphcore顯得相對淡定。Graphcore高級副總裁兼中國區(qū)總經(jīng)理盧濤相信，即便是Graphcore第一代IPU產(chǎn)品也不會輸于A100，今年他們還將發(fā)布下一代7nm處理器。

Graphcore的自信并非空穴來風，憑借創(chuàng)新芯片架構IPU，這家成立剛滿四年的英國初創(chuàng)公司，不僅有DeepMind聯(lián)合創(chuàng)始人Demis Hassabis、劍橋大學教授兼Uber首席科學家Zoubin Ghahramani、加州大學伯克利教授Pieter Abbeel、OpenAI多位聯(lián)合創(chuàng)始人等多位AI大牛為其背書，還吸引到微軟、博世、戴爾、三星、寶馬等巨頭注資。

這樣一個在AI芯片界猛刷存在感的明星創(chuàng)企，背后有著怎樣的底氣？

近日，Graphcore高級副總裁兼中國區(qū)總經(jīng)理盧濤、 Graphcore銷售總監(jiān)朱江第一次在中國詳盡地介紹了Graphcore的核心芯片架構及產(chǎn)品、配套軟件工具鏈，并分享了其芯片在五類垂直場景的應用實例及性能表現(xiàn)。

01英國小鎮(zhèn)里誕生的AI芯片獨角獸

2012年1月，雪后的英國小鎮(zhèn)巴斯，Nigel Toon與Simon Knowles正在討論一個改變AI芯片架構的創(chuàng)新設想。

▲Graphcore CEO Nigel Toon和CTO Simon Knowles

經(jīng)過四年模擬了數(shù)百種芯片布局的計算機測試方法，兩人于2016年6月在英國布里斯托成立AI芯片公司Graphcore，此后繼續(xù)處于神秘的研發(fā)狀態(tài)。

知名資本伸出的橄欖枝，使得這家創(chuàng)企始終處于聚光燈下，寶馬、博世、戴爾、微軟、三星等巨頭紛紛參與投資，至今Graphcore累計融資超過4.5億美元，整體估值約為19.5億美元。

不僅如此，數(shù)位AI大牛對其IPU芯片架構贊譽有加。

英國半導體之父、Arm聯(lián)合創(chuàng)始人Hermann爵士曾評價說：“在計算機歷史上只發(fā)生過三次革命，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。”

AI教父Geoff Hinton教授也說過：“我們需要不同類型的計算機來處理一些新的機器學習的系統(tǒng)?！彼赋鯥PU就是這樣一個系統(tǒng)。

到2019年11月，Graphcore潛心打造的IPU產(chǎn)品官宣量產(chǎn)，隨后與微軟、百度、Qwant、Citadel、帝國理工學院、牛津大學等多個合作伙伴、云計算廠商、研究實驗室以及高校等展開了相關合作。

如今，Graphcore所做的產(chǎn)品包括了硬件、軟件和IPU的系統(tǒng)解決方案。

IPU是Graphcore專為機器智能設計的創(chuàng)新處理器架構，宣稱在現(xiàn)有及下一代模型上，性能遠超NVIDIA V100 GPU。

例如它能將自然語言處理（NLP）處理速度可提升20%-50%，為圖像分類帶來6倍的吞吐量而且是更低的時延，在一些金融模型方面訓練速度能夠提高26倍以上。

目前IPU已實現(xiàn)量產(chǎn)，通過訪問微軟Azure等云計算平臺，或者購買戴爾服務器等產(chǎn)品，均可獲取IPU資源。在國內，Graphcore也正在與金山云合作，擬上線一個針對中國開發(fā)者和創(chuàng)新者的云業(yè)務。

除了芯片產(chǎn)品走向落地，在過去6-12個月，Graphcore在全球版圖快速鋪開，迄今有全球員工450人，分布在北京、上海、深圳、臺北、布里斯托、倫敦、劍橋、挪威、奧斯陸、西雅圖、帕拉奧圖、紐約、奧斯汀、東京、首爾等地。

02以計算圖為表征的創(chuàng)新AI芯片架構

Graphcore的自研芯片架構誕生的背景，源于過去幾年AI算法模型規(guī)模呈指數(shù)級增長，需要更適宜的全新處理器架構。

相較傳統(tǒng)科學計算或高性能計算（HPC），AI或者說機器智能有一些特性，包括大規(guī)模并行就散、稀疏數(shù)據(jù)結構、低精度計算，以及在訓練推理過程中的數(shù)據(jù)參數(shù)復用、靜態(tài)圖結構。

Graphcore IPU即是針對計算圖的處理設計而成，相比傳統(tǒng)智能處理器，IPU有三個核心區(qū)別：采用MIMD架構、所有模型在片內處理、可解決大規(guī)模并行計算處理器核之間的通信效率。

具體而言，IPU采用大規(guī)模并行MIMD的處理核，拋棄了外部DDR，在片內做到300MB的大規(guī)模分布式片上SRAM，以打破內存帶寬對整體性能構成的瓶頸。

相較CPU的DDR2子系統(tǒng)或是GPU的GDDR、HBM來說，IPU這一設計可將性能提升10-320倍。與訪問外存相比較，時延基本為1%，可忽略不計。

當前已量產(chǎn)的IPU處理器為GC2，擁有256億個晶體管，在120瓦功耗下，混合精度算力可達125TFLOPS。

GC2采用臺積電16nm工藝，片內包含1216個獨立的IPU處理器核心（Tile），整個GC2包含7296個線程，支持7296個程序并行運行。其內存帶寬為45TB/s、片上交換是8TB/s，片間IPU-Links為2.5Tbps。

為了解決并行硬件的高效編程問題，IPU通過硬件支持BSP協(xié)議，并通過BSP協(xié)議把整個計算邏輯分成了計算、同步、交換。

這對軟件工程師和開發(fā)者來說非常易于編程，因為不必處理locks這個概念，也不必管任務具體在哪個核上運行。

目前IPU是世界上目前第一款BSP處理器，BSP技術在谷歌、Facebook、百度之類的大規(guī)模數(shù)據(jù)中心均有使用。

盧濤介紹說，IPU重點面向云端訓練以及對精度和延時要求高的推理場景，還有一些訓練和推理混合的場景。

在精度方面，IPU當前不支持整數(shù)int8，主要支持FP16、FP32以及混合精度。

當前應用較大的主流計算機視覺類模型以int8為主，而自然語言處理推理以FP16、FP32為主流數(shù)據(jù)格式，IPU使用FP16精度在ResNeXt、EfficientNet等新興視覺模型中性能功耗比同樣具有優(yōu)勢。

未來，Graphcore的推進策略還是訓練和推理并行，但會更聚焦于一些對精度和時延要求更低、對吞吐量要求更高的場景。另外，他們也看到在推薦算法等應用出現(xiàn)一些希望同時實現(xiàn)訓練和推理的需求。

03軟件支持容器化部署，上線開發(fā)者社區(qū)

硬件芯片架構是基礎，而軟件則是提升用戶體驗的關鍵利器。

對于AI芯片來說，芯片研發(fā)出來只是第一部分，要能落地到產(chǎn)業(yè)中，還需展現(xiàn)出色的可移植性、可開發(fā)性、可部署性，能提供完善的工具鏈和豐富的軟件庫，可實現(xiàn)與主流機器學習框架無縫銜接，而整個鏈條全部打通需要非常大的投入。

今年5月26日，全球知名科技分析機構Moor Insights & Strategy曾發(fā)表了一篇研究論文 《Graphcore的軟件棧：Build To Scale》，其中寫道：“Graphcore是我們目前已知的唯一一家將產(chǎn)品擴展到囊括如此龐大的部署軟件和基礎架構套件的初創(chuàng)公司。”

盧濤認為，對于AI芯片來說，真正商業(yè)化的衡量標準在于三點：是否有平臺化軟件的支持、是否有大規(guī)模商用部署軟件的支持、是否能實現(xiàn)產(chǎn)品化的部署。

對此，Graphcore的Poplar SDK提供了完整的軟件堆棧來執(zhí)行其計算圖工具鏈，有四個主要特性：

（1）開放且可擴展的Poplar庫：目前已提供750個高性能計算元素的50多種優(yōu)化功能，修改和編寫自定義庫。

（2）直接部署：支持容器化部署，可快速啟動并且運行。標準生態(tài)方面，可支持Docker、Kubernetes，還有像微軟的Hyper-v等虛擬化的技術和安全技術。

（3）機器學習框架支持：支持TensorFlow 1、TensorFlow 2、ONNX和PyTorch等標準機器學習框架，很快也將支持百度飛槳。

（4）標準生態(tài)支持：通過微軟Azure部署、Kubernetes編排、Docker容器以及Hyper-V虛擬化和安全性，已生產(chǎn)就緒。

目前Poplar SDK支持最主要的三個Linux操作系統(tǒng)發(fā)行版本：ubuntu、RedHat Enterprise Linux、CentOS。

ubuntu是迄今在AWS上最流行的一個操作系統(tǒng)，RedHat Enterprise Linux對一些企業(yè)級用戶做私有云非常重要，而CentOS在中國互聯(lián)網(wǎng)公司中應用廣泛。

今年5月，Graphcore推出分析工具PopVision Graph Analyser，并上線Poplar開發(fā)者文檔和社區(qū)。

使用IPU編程時，可借助PopVision可視化圖形展示工具來分析軟件運行的情況、效率調試調優(yōu)等。

Poplar開發(fā)者文檔和社區(qū)中提供了大量的Poplar user guide和文檔。開發(fā)者可通過www.graphcore.ai/developer訪問。

此外，Graphcore在Stack Overflow上也有針對IPU開發(fā)者的知識門戶網(wǎng)站，并在知乎上開辟了新的創(chuàng)新者社區(qū)，未來通過知乎將更多深度文章呈現(xiàn)給開發(fā)者和用戶。

據(jù)盧濤介紹，有些國內用戶反饋，認為Poplar的應用性優(yōu)于CUDA，執(zhí)行同樣的任務，在Poplar上開發(fā)速度更快。

04案例源代碼可下載，秀五大垂直應用

當前基于IPU的應用已覆蓋了機器學習的各個應用領域，包括自然語言處理（NLP）算法、圖像/視頻處理、時序分析、推薦/排名以及概率模型。

這些應用案例和模型已在TensorFlow、ONNX和Graphcore PopARTTM上可用，所有源代碼均可在Github上下載。

相較NVIDIA V100，IPU在自然語言處理、概率算法、計算機視覺算法等應用均展現(xiàn)出性能優(yōu)勢。

▲對比GPU，IPU在運行時展現(xiàn)的性能優(yōu)勢

例如訓練BERT，在NVLink-enabled的平臺上大約要50多小時才能做到一定精度，而在基于IPU的戴爾DSS-8440服務器上只需36.3小時，速度提高25%。

做BERT推理時，同一時延，IPU吞吐量比V100高一倍；在訓練MCMC時，IPU可將性能提升至V100的26倍。

運行ResNeXt推理時，IPU可實現(xiàn)6倍的吞吐量和1/22的延時。一些搜索引擎公司、醫(yī)療影像公司用戶已通過IPU來使用ResNeXt的服務。

Graphcore銷售總監(jiān)朱江分享了IPU在金融、醫(yī)療、電信、機器人、云與互聯(lián)網(wǎng)等五類垂直領域的應用實例。

1、金融：LSTM推理性能提升260倍

IPU在算法交易、投資管理、風險管理及詐騙識別領域等主要金融領域均表現(xiàn)出顯著優(yōu)勢。

例如在推理方面，延遲性能不變時，IPU可將長短期記憶（LSTM）模型吞吐量提升260倍，對于不可向量化模型亦能取得非常好的效果。

在訓練方面，IPU可將MCMC概率模型的采樣速度提高26倍,可進行阿爾法預測和期權定價，并能將強化學習的訓練速度提升13倍。

采用多層感知器（MLP）預測銷售結果時，相較Batch Size為512K的GPU，IPU吞吐量可提升5.9倍以上。

2、醫(yī)療和生命科學：影像分析能效提升4倍

醫(yī)療和生命科學包括新藥研發(fā)、醫(yī)學圖像、醫(yī)學研究、精準醫(yī)療等領域，涉及大量復雜的實驗，加速計算過程對一些醫(yī)學成果的更快產(chǎn)出至為重要。

微軟用ResNeXt模型做顱內出血醫(yī)學影像分析時，使用IPU較V100 GPU速度提高2倍，而功耗僅為V100的一半。

3、電信：加速5G創(chuàng)新應用

在電信領域，智慧網(wǎng)絡、5G創(chuàng)新、預測性維護和客戶體驗方面均可應用IPU帶來加速體驗。

例如，機器智能可幫助分析無線數(shù)據(jù)的一些變化，運行LSTM模型進行網(wǎng)絡流量矩陣預測時，采用IPU性能比GPU提升超過260倍。

網(wǎng)絡切片和資源管理是5G中的一個特色，需要大量學習沒被標記過的數(shù)據(jù)，需要應用強化學習模型，而在IPU上運行強化學習，訓練吞吐量相較GPU最多可提高13倍。

4、機器人：解決經(jīng)典光束法平差加速問題

在機器人領域，倫敦帝國理工學院Andrew Davison教授帶領的機器人視覺小組在今年3月發(fā)表的論文中采用IPU來開發(fā)新算法，用以優(yōu)化空間人工智能的效率。

相較使用Ceres中央處理器庫的1450毫秒，IPU處理器僅在40毫秒內就解決了真正的光束法平差（Bundle Adjustment）這一經(jīng)典的計算機視覺問題。

5、云與互聯(lián)網(wǎng)：通過微軟Azure開放

云與互聯(lián)網(wǎng)是Graphcore早期及現(xiàn)在一直主要推廣的一個重要領域。

當前微軟在Azure公有云上已面向全球客戶開放IPU公有云服務。此外，微軟在一些自然語言處理、計算機視覺應用中已使用IPU實現(xiàn)加速。

另外歐洲搜索引擎公司也使用IPU進行ResNeXt模型推理，做了一個搜圖識別應用，將性能提升3.5倍以上。

05結語：即將接受中國市場的檢驗

今年疫情拖累全球許多行業(yè)的發(fā)展，但在盧濤看來，AI領域非但不會走向低潮，反而會有很大發(fā)展，尤其是自然語言處理類算法的發(fā)展會催生大量新應用。

疫情在全球范圍內推動了數(shù)字化的加速，亦會推動數(shù)據(jù)中心等算力基礎設施的建設進程。

盧濤認為，2020年是對AI芯片非常關鍵的一年，如果企業(yè)拿不出AI芯片產(chǎn)品，或者對軟件不夠重視，對后續(xù)持續(xù)化投入或將是很大的挑戰(zhàn)。

從Graphcore與阿里、百度的合作來看，該公司今年在中國市場的推進明顯提速。

盡管Graphcore在中國市場的整體啟動較北美地區(qū)晚了一年左右，但盧濤期望，中國市場能在Graphcore全球市場占比達40%-50%。

此外，Graphcore也希望針對中國市場的需求，做產(chǎn)品的定制化演進。

據(jù)盧濤介紹，Graphcore有兩支技術團隊，一個是以定制開發(fā)為主的工程技術團隊，另一個是以對用戶的技術服務為主的現(xiàn)場應用團隊。

其中工程技術團隊承擔兩個方面的工作：一是根據(jù)中國本地AI應用的特點及需求，將一些AI算法模型在IPU上實現(xiàn)落地；二是根據(jù)中國本地用戶對于AI的穩(wěn)定性學習框架平臺軟件方面的需求，做功能性的一些開發(fā)加強的工作。

從上述種種應用案例來看，Graphcore已初步證明其創(chuàng)新IPU架構在多類AI應用上的出色訓練和推理表現(xiàn)。而Graphcore還會繼續(xù)“練內功、打基礎”，攻克技術難題，加固技術實力。

不過芯片和相關軟件工具的落地只是第一步，真正商業(yè)化戰(zhàn)果如何，還要看市場給出的回音。