AI颠覆GPU！计算机史上迎来第三个性架构IPU，瘫痪男子大脑植入芯片触觉恢复
被誉为英国半导体之父的Hermann Hauser曾经这样说：“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。” 他所指的正是Graphcore率先提出的就是为AI计算而生的IPU（Intelligence Processing Unit），这项技术甚至让一个长期瘫痪的大脑植入了芯片，使得患者能够再次感受到触觉。
内存墙是阻碍AI芯片性能提升的关键，因此计算架构的创新变得更加重要。不过，这其中大部分的架构创新都是在已有的架构基础上。Graphcore联合创始人兼CEO Nigel Toon在ASPENCORE主办的2019 CEO峰会期间接受雷锋网采访时表示，Graphcore开创了全新的处理器类型IPU，它是一种专为机器智能设计的人工智能处理器，可以满足人们对高效易于使用的人工智能处理器需求。
除了资本和学术界的认可外，Graphcore还获得了一些知名人物如DeepMind 的联合创始人 Demis Hassabis、剑桥大学 Zoubin Ghahramani 和 Uber 的首席科学家 Pieter Abbeel 以及 OpenAI 的 Greg Brockman、Scott Grey 和 Ilya Sutskever等人的支持，他们都认为需要转向不同类型的人工智能电脑。幸运的是，他们有机会看到这个未来，因为Nigel Toon伸手从口袋里拿出了一个硅片——这是他用于说明他们最新发明——一块比一般硅片更大的、更亮丽的小小奇迹，这正是在去年底推出的一块包含240亿个晶体管、高达125 teraFLOPS运算能力，以及数百兆字节RAM和1.6 GHz速度运行能力的人工智能处理单元。
创建这家公司并非偶然，其两位共同创始人Nigel Toon和Simon Knowles拥有丰富经验。在2002年，他们共同成立了Icera，在2011年被英伟达以3.7亿美元收购后不久，他们开始思考下一次创业，并最终决定在2016年成立了Graphcore，如今，该公司已经扩展到伦敦、剑桥、北京、Palo Alto以及Oslo，并计划今年底将员工数量增加至400人。
那么，为何IPU能引起如此多关注？答案很简单：它代表着全新的处理器架构。这不是普通加速器，也不是ASIC；也不是传统意义上的GPU，而是一个专门针对深度学习任务设计出来的新型设备。这使得它成为一种灵活且强大的工具，有助于解决目前深度学习模型训练过程中遇到的瓶颈问题，即数据通信与提升数据使用效率的问题。通过其独特设计，比如1216个核，每个核有自己的内存储储量，以及通过BSP协议进行通信，这些都极大地提高了系统效率，让模型可以快速训练并进行实时操控，同时功耗也相比传统设备降低了一半以上。
虽然提高带宽是个挑战，但通过all-to-all总线实现任意核之间高速访问，以及通过IPU-Link联结多个芯片组成集群，再加上BSP协议协调跨核间通信，使得这一点变得可行。而对于超大规模AI 训练应用，Graphcore开发了专门用于连接几千甚至几万颗IPU 处理器互联工作环境——叫做POD，每个POD 中集成了 IPUGateway 芯片，其中包括 IPUs-of technology 可以把大量Ipu 连接起来形成一个巨大的分布式系统。此外，由于Poplar软件栈提供编译工具/编译代码映射到不同的位置定义交换与同步时间，使得整个系统更加易用且具有足够灵活性，不仅适合算法工程师，而且无需担心复杂通信问题就能轻松操作。
总结来说，与其他竞争者的区别主要体现在三个方面：
第一，从MIMD结构开始。
第二，将模型放置在处理单元内部。
第三，大规模并行化，同时保持高效率沟通网络。
即使这样的硬件同样适用于推理和训练，它们依旧能够提供卓越性能。然而，最难的事并不只是研发独特产品，还要赢得市场认可。因此，对于未来的几个月里，图像识别、大规模数据分析等密集场景将成为图像识别核心业务领域。
