張帥

有這樣一個你可能熟悉卻又不清楚的數(shù)據(jù)：全球關(guān)于AI方法的論文數(shù)量自2017年起，每年增長50%，2020年我們可能會看到超過21000篇AI領(lǐng)域的新論文。

在AI算力呈現(xiàn)爆炸式增長的過程中，有一個2012年廣為人知的英偉達GPU故事，一個來自多倫多大學(xué)的Alex和他的團隊設(shè)計了AlexNet的深度學(xué)習(xí)算法，并用了2個英偉達的GTX580 GPU進行訓(xùn)練后，打敗了其他所有計算機視覺團隊開發(fā)的算法，成為那一屆ImageNet冠軍。

此后，在計算機視覺和自然語言處理領(lǐng)域，GPU的高并行計算能力得到了充分的發(fā)揮，英偉達的GPU也隨著AI第三次浪潮的崛起而迎來井噴發(fā)展。與此同時，更多為機器學(xué)習(xí)而專門定制的專用芯片開始出現(xiàn)，比如專用集成電路（ASIC）的張量處理單元TPU、神經(jīng)網(wǎng)絡(luò)單元NPU以及半定制芯片F(xiàn)PGA等等。

隨后AI熱度不斷攀升，與AI相關(guān)應(yīng)用也在急劇增長，這引發(fā)了市場對超大型數(shù)據(jù)中心的強勁需求，僅構(gòu)建于英偉達平臺上的AI創(chuàng)業(yè)公司，全球就被估計有3000家。而GPU只是AI領(lǐng)域中的一條技術(shù)路線。

2018年，英國一家名為Graphcore的創(chuàng)業(yè)公司推出了一種專門應(yīng)用AI計算的處理器芯片IPU（Intelligence Processing Unit）。IPU一經(jīng)問世，就受到AI界越來越多的關(guān)注。ARM創(chuàng)始人，被稱為英國半導(dǎo)體之父的赫曼·豪瑟曾為Graphcore的IPU給出很高評價，將其譽為“計算機史上三次革命中，繼CPU和GPU之后的第三次革命”。

IPU究竟為何物？

IPU被行業(yè)內(nèi)稱為一種新的技術(shù)架構(gòu)，與 GPU有著非常大的差異。比如GPU只是為大塊密集的連續(xù)數(shù)據(jù)設(shè)計，而IPU則是針對未來學(xué)習(xí)趨勢的高性能/高效率。簡單來說GPU像是一個齒輪，可以連續(xù)不斷的運作數(shù)據(jù)，而IPU則像是工業(yè)大廠，涵蓋GPU了的工作，且可以并行運作多個工作項目。

所以行業(yè)人士更多地將IPU視為一個標準的神經(jīng)網(wǎng)絡(luò)處理芯片，可以支持多種神經(jīng)網(wǎng)絡(luò)模型，因其具備數(shù)以千計到數(shù)百萬計的頂點數(shù)量，遠遠超過GPU的頂點規(guī)模，所以可以進行更高潛力的并行計算工作。此外，IPU的頂點的稀疏特性，令其也可以高效處理GPU不擅長的稀疏的卷積計算。其次，IPU也支持了模型參數(shù)的復(fù)用，這些復(fù)用特性可以獲取數(shù)據(jù)中的空間或時間不變性，對于訓(xùn)練與推理的性能會有明顯幫助。

2020年，Graphcore與馬薩諸塞大學(xué)、Facebook一起使用近似貝葉斯計算的方式做流行病的模型分析，在研究領(lǐng)域也取得了一些進展。Graphcore高級副總裁兼中國區(qū)總經(jīng)理盧濤表示：“與CPU相比IPU速度提高了30倍，與GPU相比提高了7.5倍。除此之外IPU也能做許多通用計算，比如布里斯托大學(xué)使用IPU，攻克粒子物理中的HPC挑戰(zhàn)。倫敦帝國理工學(xué)院在IPU上，加速了經(jīng)典計算機視覺的一些問題?！?/p>

而根據(jù)最新的訓(xùn)練報告來看，相比1個DGX-A100，BERT-Large（BERT模型，具備3.4億個參數(shù)）能在IPU-POD64上實現(xiàn)5.3倍的提升，相比3個DGX-A100，能夠?qū)崿F(xiàn)1.8倍的提升?！?個IPU-POD64和3個DGX-A100的功率和價格基本相同，但卻能夠?qū)崿F(xiàn)接近兩倍的性能提升，這就是非常顯著的性能優(yōu)勢?！盙raphcore中國工程總負責(zé)人、AI算法科學(xué)家金琛如是說道。

還在路上有待努力

12月29日，Graphcore宣布，其已在E輪融資中籌集了2.22億美元，增資后公司的估值為27.7億美元。這是一家用四年時間快速成長起來的科技公司，早在2018年12月份，Graphcore從微軟、寶馬、三星和紅杉手中融資2億美元，成為英國估值最高的初創(chuàng)企業(yè)之一。

在融資方面，盧濤給人一副十分自信的感覺，他表示：“在融資的架構(gòu)組合上，Graphcore是非常好的，其中的戰(zhàn)略投資人涵蓋企業(yè)應(yīng)用、云計算、汽車等不同的垂直領(lǐng)域。在VC方面，投資方有來自世界知名的紅杉資本，而投資方是Graphcore積極發(fā)展的重要信心來源。”

我們知道，AI芯片既要具備一定的靈活的可編程性（通用性），又要具備專用的高效性能優(yōu)勢。比如專注于圖像渲染崛起的英偉達GPU，也隨著游戲、視頻渲染以及AI加速而向GPGPU（General Purpose GPU）的方向演進。當(dāng)然，這也并非一件壞事，或許IPU能夠找到一個新的細分市場，介入GPU無法很好發(fā)揮效能的神經(jīng)網(wǎng)絡(luò)模型，同時又避免專用AI芯片的不可擴展性，能夠部署在更大規(guī)模的云計算中心或超算中心，對新算法模型保持足夠的彈性計算空間。

但是，今年AI芯片產(chǎn)業(yè)正在遭遇洗牌期，例如美國某AI芯片公司在春季就黯然退場，中國區(qū)工程全部關(guān)閉。也許這并不意味AI計算將會遭遇寒冬，因為一個AI芯片從產(chǎn)出到大規(guī)模的應(yīng)用，需要經(jīng)歷一系列的中間環(huán)節(jié)，比如主流算法架構(gòu)的軟件庫、工具鏈、用戶生態(tài)等。所以回頭來看，GPU已經(jīng)形成了一個非常完整的AI算力生態(tài)鏈，而IPU仍在路上，是否真的能夠崛起，我們還需要看整個AI產(chǎn)業(yè)和應(yīng)用研發(fā)的選擇。