在人工智能芯片，尤其是在訓練芯片這個市場,，英偉達是當之無愧的霸主,。

　　得益于公司在通用CPU和CUDA生態(tài)方面的多年投入，英偉達拿下了AI訓練芯片公開市場的絕大多數(shù)份額,。據(jù)筆者了解，除了谷歌自用的TPU頗具規(guī)模以外，其他的AI芯片在訓練市場現(xiàn)在基本都難以撼動英偉達的地位,。但因為這是一個巨大的市場，所以不少廠商正在投入其中,，期望打破這種格局,，從中分一杯羹,，來自英國的Graphcore正是其中一個最強挑戰(zhàn)者。

　　今年年中,，Graphcore發(fā)布了全新一代的IPU芯片Colossus MK2 GC200 IPU,，同時還帶來了搭載四顆MK2 IPU的系統(tǒng)解決方案IPU-Machine：M2000（IPU-M2000）。據(jù)介紹,，這款產品還可以擴展到1024個IPU-POD,，也就是512個機架，最多64000個MK2 IPU,，進而把16bit FP的算力擴展到16 ExaFLOPs,。

　　從基礎數(shù)據(jù)來看，IPU給英偉達帶來了前所未有的威脅,。而在最近Graphcore發(fā)布的一個benchmark測試中,，基于這個芯片打造的系統(tǒng)也在多項應用中領先于AI芯片領域的王者。

　　多維度領先GPU

　　Graphcore中國工程總負責人,、AI算法科學家金琛在日前的一場媒體溝通會上告訴記者,，Graphcore最新的AI計算系統(tǒng)——IPU-M2000和縱向擴展的IPU-POD64在各種流行的模型的訓練和推理方面的表現(xiàn)都優(yōu)于英偉達的A100（基于DGX）。

　　首先看訓練方面：

　　從金琛提供的數(shù)據(jù)我們可以看到,，在BERT-Large（基于Transformer的自然語言處理模型）端到端的訓練方面,，英偉達DGX-A100所需的訓練時間是69.5小時。來到IPU-POD64上,，PopART BERT-Large的端到端訓練時間僅為13.2小時,。

　　“如此看來，相比1個DGX-A100,，BERT-Large能在IPU-POD64上實現(xiàn)5.3倍的提升”,，金琛告訴記者。她進一步指出,，與三個DGX-A100相比,，1個IPU-POD64也能夠實現(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,，但卻能夠實現(xiàn)接近兩倍的性能提升，這就是非常顯著的性能優(yōu)勢”,，金琛補充說,。

　　據(jù)金琛介紹，Graphcore的IPU在Deep Voice 3的訓練性能與英偉達GPU相比,，也有不小的提升,。如上圖所示，IPU-M2000的吞吐量是最新GPU的13.6倍,。

　　來到機器視覺的訓練方面,，IPU也毫不遜色,。

　　如上圖所示，在大家較為熟悉的ResNet-50的訓練中,，IPU-M2000較之A100有2.6倍的吞吐量提升,。在ResNet-101的訓練中，IPU-M2000和A100相比,，更是實現(xiàn)了3.7倍吞吐量的提升,。

　　在EfficientNet-B4的訓練中，EfficientNet在IPU-M2000上實現(xiàn)了比A100高18倍的性能提升,。從金琛的介紹我們得知,，能實現(xiàn)這樣的飛躍,，主要是因為EfficientNet是由可分離深度卷積組成的,，它的卷積核比較小，使得您在調度上的開銷和算子的利用率在IPU上可能會有更好的體現(xiàn),。而ResNet-50則基本上是由卷積組成的,。

　　“如果算子小、算子比較多,，在GPU上的調度開銷也會引入跟HDM內存上數(shù)據(jù)交互的開銷,，這就可能會導致它們的性能折損。這也從側面證明了新一代的模型上IPU其實更具普適性,?！苯痂≌f道。

　　在了解完IPU在訓練方面的優(yōu)勢外,，我們再來看一下它們在推理方面的杰出表現(xiàn),。首先被介紹的是IPU在EfficientNet上的推理性能。金琛表示,，這個由谷歌在2019年開發(fā)的模型尺寸有8個等級,，其中B0是一個模型尺寸比較小的模型，擁有5兆的參數(shù)量級,。而B7則是其中最大的模型,，參數(shù)量級大概是60兆-70兆。

　　“在PyTorch和TensorFlow兩種不同的框架下,，EfficientNet-B0在1臺IPU-M2000上的吞吐量大概可以達到以‘萬’為單位的級別,，時延則遠遠小于5毫秒。而在最新的GPU上,，即使在時延最大化的情況下,，它的吞吐量也遠遠小于以‘萬’為單位的吞吐量級，由此可充分體現(xiàn)IPU所具備的時延優(yōu)勢”,，金琛告訴記者,。

　　“BERT-Large推理上,，在IPU和GPU都處于最低時延的情況下，與A100相比,，IPU-M2000也能實現(xiàn)3.4倍的吞吐量提升”,。金琛進一步指出。

　　據(jù)金琛介紹,，IPU-M2000在LSTM推理和ResNeXt-101的推理方面,，獲得了遙遙領先于GPU的時延和吞吐表現(xiàn)。其中前者以更低時延實現(xiàn)吞吐量提升超過600倍,，后者的吞吐量提升了40倍,，同時時延縮短了10倍。

　　Graphcore軟件高級副總裁Matt Fyles在對測試結果發(fā)表評論時說,，這一整套全面的benchmark表明Graphcore的IPU-M2000和IPU-POD64在許多流行模型上的性能均優(yōu)于GPU,。他進一步指出，諸如EfficientNet之類的新型模型的benchmark特別具有啟發(fā)性,，因為它們證明了AI的發(fā)展方向越來越傾向于IPU的專業(yè)架構,，而非圖形處理器的傳統(tǒng)設計。

　　軟硬件是底氣

　　從前文的介紹中,，我們可以看到Graphcore IPU及基于IPU打造的系統(tǒng)的實力,。毫無疑問，Graphcore獨特設計的IPU芯片是其根本,。但除此以外,，Graphcore基于這個芯片打造的一個可擴展的硬件生態(tài)以及一個讓開發(fā)者的工作更簡便的軟件生態(tài)，才是Graphcore叫板英偉達的底氣,。

　　Graphcore高級副總裁兼中國區(qū)總經理盧濤告訴記者,，Graphcore的IPU-POD64是一個由16臺IPU-M2000組成的解決方案，目前也已經在全球范圍之內實現(xiàn)了該方案的交付,。該方案具備的優(yōu)勢之一是實現(xiàn)了x86和IPU計算的解耦,。

　　“在IPU-M2000里，我們通過IPU-Fabric,，使其能夠實現(xiàn)與x86服務器芯片之間的動態(tài)搭配,。您在使用IPU做計算機視覺的應用時，可以把x86配比設置得高一點,。而在做自然語言處理業(yè)務的時候,，您則可能可以用一臺x86服務器帶動一個IPU-POD64、甚至兩個IPU-POD64,。這就是解耦的作用”,，盧濤舉例說。

　　此外，IPU-POD64是目前市場上非常少見的,，可以同時將縱向擴展和橫向擴展都做得非常好的AI計算平臺產品,。

　　據(jù)盧濤介紹，所謂縱向擴展是指IPU-POD64可以實現(xiàn)從一臺IPU-M2000到一個IPU-POD16（4臺IPU-M2000）,，再到一個IPU-POD64（16臺IPU-M2000）進行軟件透明擴展,。換而言之，您在一個IPU-M2000里編譯好的軟件,，可以被應用到擴展后的IPU-POD64上,。

　　在談到為何將擴展限制在IPU-POD64的時候，盧濤表示,，這是他們與很多頭部互聯(lián)網(wǎng)公司交流的結果,。在后者看來，當前絕大部分單一工作負載最大不會超過IPU-POD64,。也就是說,，對于當前最主流的工作負載來說，1個IPU-POD64就能夠讓絕大多數(shù)工程師不需要擔心分布式的機器學習,、分布式的機器學習框架和分布式通信等問題,，可以進行軟件透明擴展,。

　　“與之相比,，如果您把DGX-A100這樣的機器，從1個擴展到4個,，就需要用一個叫做分布式的機器學習框架,，對您的算法模型進行相應的改造，才能被應用到新系統(tǒng)上”,，盧濤接著說,。

　　從橫向擴展的角度來看，多個IPU-POD64最多可以支持64000個IPU組成的AI計算集群,。這就為開發(fā)者提供了更多的選擇,。

　　在介紹了Graphcore的IPU在硬件方面的擴展能力之后，盧濤還對公司在軟件方面的進展進行了分享,。首先,，他講到，公司在發(fā)布Poplar SDK 1.4時,，還發(fā)布了面向IPU的PyTorch產品化版本,。

　　“在PyTorch的代碼里面，Graphcore引入了一個叫PopTorch的輕量級接口,。通過這個接口,，用戶可以基于他們當前的PyTorch的模型做一個輕量級的封裝。封裝之后就可以無縫的在IPU和CPU上執(zhí)行這個模型了。在當前的Poplar SDK 1.4版本中,，我們既支持模型并行,、也支持數(shù)據(jù)并行?！?/p>

　　他進一步指出,，這個封裝使得模型生成了一個IPU和PyTorch兼容的一個中間模型表示格式，這個表示格式可以通過PopART編譯起來,，之后生成一個可在IPU上執(zhí)行的一個二進制文件,。“Poplar SDK 1.4版本支持模型從1個IPU橫向擴展到64個IPU,。下一代的Poplar SDK可能能夠橫向擴展到128個IPU”,，金琛補充說。

　　除了進一步完善自身的軟件方面以外,，Graphcore還正在與微軟和阿里云進行開源相關合作,。用盧濤的話來說，他們與這兩者的合作,，目的就是希望能從AI編譯的角度,，讓用戶能夠在GPU和IPU之間能實現(xiàn)盡量平滑的遷移。

　　金琛也解析道,，NNFusion是微軟亞洲研究院所做的一項的工作,，其目的就是為了讓用戶在不同芯片平臺上開發(fā)的時候，可以避免一些重復性的工作,，使用統(tǒng)一的平臺,、統(tǒng)一的接口，讓模型在不同的硬件廠商的芯片上無縫的運行,。

　　“上圖中間表示,，理想情況下，NNFusion可以做跨平臺的工作,，既可以集成TensorFlow生成的模型,、也可以集成PyTorch或其他框架生成的模型，用戶只要通過一個NNFusion接口就可以在不同的AI芯片上做訓練或者推理”,，金琛告訴記者,。

　　至于阿里云的HALO，其初衷也是和NNFusion一樣,，想做一個整體的框架,，向上跨AI框架，向下通過ODLA這樣一個通用的硬件接口對接不同的硬件廠商的芯片,。據(jù)金琛所說,，阿里云的初衷多是希望處理如TensorFlow的模型、ONNX的模型、或是PyTorch的模型等不同模型,，然后能夠將它一鍵式地在系統(tǒng)上或者是集群上運行起來,。

　　在問到對競爭的看法時，盧濤告訴記者,，在他看來,，Graphcore在AI芯片市場，唯一的一個挑戰(zhàn)者就是英偉達,。這主要是得益于他們過去多年與開發(fā)者,、社區(qū)一起共同建立的，包括GPU和CUDA在內的AI加速計算的軟硬件生態(tài),。但即使如此,，他們對未來還是充滿信心，這一方面因為Graphcore的處理器在不同的地方充分體現(xiàn)了自己的價值,；另一方面,，Graphcore也在解決一些GPU所不能解決的問題。

　　“目前我們從體量和生態(tài)上跟英偉達相比,，肯定還是有差距的,。但只要我們在所聚焦的領域跑得更快，我們之間的距離會越來越短,，甚至在某些領域超過英偉達,。Graphcore希望在未來幾年之內，能夠真正在數(shù)據(jù)中心的AI訓練和推理的批量部署上面,，在發(fā)貨以及體量上面,，做到除英偉達以外的另一個頭部企業(yè)的地位，這是我們中短期的目標”,，盧濤最后說。