芯东西6月1日消息，近日，微软机器学习科学家展示了英国AI芯片明星创企Graphcore自研AI芯片的加速效果，该芯片在运行微软新冠肺炎影像分析算法SONIC时表现亮眼，据称能在30分钟内完成NVIDIA传统芯片需5个小时的训练工作量。
两周前，NVIDIA发布了其最新AI芯片A。GraphcoreCEONigelToon称，Graphcore第二代处理器将在今年晚些时候发布，并预计其性能将超过NVIDIAA。
科技媒体ZDNet认为，在未来，像Graphcore这样的并行计算芯片或可用于支持最先进的神经网络，有可能为NVIDIA等传统芯片巨头带来威胁。
01
Graphcore获超过4.5亿美元风投，或有上市计划
英国AI芯片初创公司Graphcore成立于年，总部位于英国布里斯托尔市。
目前，Graphcore已经筹集了超过4.5亿美元的风险投资基金，其中包括二月份D轮融资的1.5亿美元。最近一次注资后，Graphcore的估值为略低于20亿美元；截至今年二月份，Graphcore在银行的资产为3亿美元。
Toon透露，Graphcore的投资者包括“一些科技公开市场中最大的投资者”，比如英国投资管理公司BaillieGifford，以及微软公司、博世公司、宝马公司和谷歌DeepMindAI部门联合创始人DemisHassabis等。
“像BaillieGifford这样的公司投资了Graphcore，显然是因为预料到我们可能在未来的某个时间点上市。”Toon说。目前，Toon并未透露公司具体上市时间。
02
IPU架构：个IPU内核、片上内存带宽45TB/s
现有计算机常按时序执行任务，即先做一件事、然后再做下一件事，而AI算法存在大量重复性简单计算任务，用并行计算效率更高。
对此，Graphcore的智能处理单元（IPU）采用自研大规模并行同构多核架构，包含个独立IPU核心。
▲GraphcoreIPU由个并行运算的IPU核心组成
随着计算速度需求不断提升，AI芯片还需要更高的内存容量和带宽。
由于从GPU到计算机主存储器的速度远比不了片上内存访问的速度，Graphcore在IPU架构中采用大量片上内存，容量为MB，带宽达45TB/s。
03
30分钟内完成训练，NVIDIA传统芯片需花5小时
在IntelligentHealth峰会上，微软机器学习科学家SujeethBharadwaj展示了他对Graphcore芯片的应用。Bharadwaj使SONIC神经网络在Graphcore芯片上运行，并将其用于识别新冠肺炎患者的胸透图像。
系统运行结果显示，Graphcore芯片可在30分钟内完成NVIDIA的传统芯片5个小时的训练工作量。
Bharadwaj称，运行结果显示SONIC神经网络和Graphcore芯片之间形成了“非常强大的协同作用”。
▲SujeethBharadwaj展示SONIC神经网络和Graphcore芯片的应用
GraphcoreCEOToon认为，以SONIC神经网络为例，IPU将能够用于开发顶尖AI模型。“我认为IPU能够帮助创新者做到的一件事是创建下一代图像感知模型，使它们运行起来更加准确、更加高效。”他说。
另外，Toon称，IPU除了被设计用于支持机器视觉这类复杂的算法外，还适用于加速自然语言处理等存在稀疏化的模型。
对于GraphcoreIPU的性能，Toon表示出信心，认为第二代IPU芯片性能有可能超过NVIDIA的A。
对此，芯片行业媒体MicroprocessorReport编辑LinleyGwennap表示怀疑。他认为，NVIDIA的产品的性能标准“远远超过所有的现有产品”，其他竞争者难以超越。
Gwennap对英特尔收购的Habana也表示看好，他称Habana芯片的基准测试结果优于NVIDIAV和Graphcore的产品。“一旦英特尔将其庞大的AI软件栈覆盖到Habana硬件，这种组合将远远胜过任何初创公司的平台。”他说。
04
结语：Graphcore能成为新的AI芯片领跑者吗？
早在神秘的潜心研发阶段，Graphcore就因曾获得微软、宝马、戴尔、三星等巨头的融资而备受瞩目，成为英国盛名在外的AI芯片明星创企之一。
成立仅有4年的Graphcore成长速度已算惊人。其IPU芯片拥有超过0个独立IPU核，并且激进地采用了大量片上内存单元，同时为AI训练和推理提供超快的加速计算能力。
就最新微软机器学习科学家展示的新冠肺炎影像分析算法示例来看，Graphcore能做到10倍于NVIDIA传统芯片的训练速度，但暂不清楚具体是和哪款NVIDIAGPU进行的比较。
继去年11月与微软达成合作，发布微软云Azure上的IPU预览版外，Graphcore还于今年5月的WaveSummit深度学习开发者峰会上，宣布成为百度飞桨硬件生态圈共建计划伙伴之一，加速机器视觉、自然语言处理等算法模型与硬件的适配与落地。
总体来看，Graphcore在IPU架构上融合了相当多的创新精神，并于过去半年着力将产品推向中美云端AI市场，而Graphcore的AI芯片在落地实践中效果究竟如何，还有待市场的检验。
文章来源：ZDNet
资料推荐
往期汇总资料：
（1）芯片半导体资料下载
（2）全球IC供应商白皮书下载
（3）PFGA30G资料包下载
（4）HotChips顶会官方PPT合集下载
（5）ISSCC论文+PPT合辑
