1
| 本文作者： 老王 | 2016-11-01 17:15 |
近日，一家生產 AI 芯片的英國初創公司 Graphcore 融資 3000 萬美元資金，用于研發和生產新型芯片。
Graphcore 計劃明年大規模出貨，其芯片將用于對機器學習和深度學習運算需求較高的無人駕駛汽車和云計算領域。Graphcore 稱，他們的芯片性能可領先市場同類產品的 10 ~ 100 倍。
Graphcore 是從芯片廠商 XMOS 中孵化，XMOS 在物聯網高性能芯片領域有著一定的積累， 2014 年曾獲得華為和德國工業巨頭博世以及 Xilinx 的投資。
作為一個從傳統芯片廠商獨立出來的技術團隊，Graphcore 首席執行官 Nigel Toon 也十分自信，聲稱當前 GPU 常被用來運行機器學習程序，只是行業的權宜之計，這并不見得是最好的選擇，它們往往無法滿足 AI 的需求。GPU 被設計成用來運行完整的程序，而機器學習與此完全不同。后者是不斷訓練程序使用數據的過程，需要完全不同類型的處理器。
雷鋒網此前曾在《芯片之爭：CPU、GPU、DSP、NPU，到底哪個更適用于深度學習？》一文中提到：
無論是針對人工智能的眾核芯片還是定制版的 GPU，本質上都不是專用處理器，實際上是拿現有的、相對成熟的架構和技術成果去應對新生的人工智能，并沒有發生革命性的技術突破。
英特爾和英偉達是在使用現有的比較成熟的技術去滿足深度學習的需求，眾核芯片和定制版 GPU 在本質上來說依舊是 CPU 和 GPU，而并非專門針對深度學習的專業芯片，這就必然帶來一些天生的不足。打個比方，用眾核芯片和 GPU 跑深度學習，就類似于用轎車去拉貨，受轎車自身特點的限制，貨物運輸能力與真正大馬力、高負載的貨車有一定差距。同理，即便是因為技術相對更加成熟，英特爾和英偉達的芯片在集成度和制造工藝上具有優勢，但由于 CPU、GPU 并非針對深度學習的專業芯片，相對于專業芯片，其運行效率必然受到一定影響。
為此，Graphcore 正著力打造新的智能處理單元（IPU）系統，并計劃于 2017 年推出。根據官方介紹，其 IPU 圍繞神經網絡計算加速處理器（Neural Network Accelerator），支持的并行計算規模和浮點運算精度比其他芯片更高。
當然，關于 Graphcore 自稱其 IPU 芯片性能均領先市場同類產品的10 ~ 100 倍這一說，還需經過市場考驗。其實 NPU 也一直被業內認為將在人工智能演進過程中扮演的關鍵角色，如寒武紀團隊過去和 Inria 聯合發表的 DianNao 論文提到，CPU、GPU與 NPU 相比，會有百倍以上的性能或能耗比差距。
但目前國內外均還未有主流的 NPU 廠商出現。高通曾對外宣稱將大力發展 NPU，并稱在 2014 年推出樣品，隨后卻不了了之。雖然 2016 年涌現出多家進軍 NPU 的芯片廠商，但無論哪家推出的芯片，均需要一定的驗證和測試周期。因此 Graphcore 的 IPU 芯片在量產后是否能夠表現優秀，仍有很多未知因素。
Toon 給出一個為社交媒體公司服務的案例，以證明 IPU 的實用性。Toon 提到，社交網絡的用戶活躍度通常在某個時間最為突出，Graphcore 的 IPU 系統會伺機在用戶活躍度低時利用閑置的處理器資源進行 AI 訓練，然后在第二天及時地上線新內容。
Graphcore 也并非一個人在戰斗，Bosch 和三星作為 Graphcore 的戰略投資方，兩者均在與 Graphcore 探討合作：Bosch 意在借助 Graphcore 的技術拓展自動駕駛領域，而三星投資它的目的想把其相關技術應用在下一代網絡設備中。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
