0
| 本文作者： 包永剛 | 2019-11-18 18:35 |
被譽為英國半導體之父，也是Arm聯合創始人的Hermann Hauser曾經這樣說：“在計算機歷史上只發生過三次革命，第一次是70年代的CPU，第二次是90年代的GPU，而Graphcore就是第三次革命。” 他所指的正是Graphcore率先提出的就是為AI計算而生的IPU（Intelligence Processing Unit）。
內存墻是阻礙AI芯片性能提升的關鍵，因此計算架構的創新變得更加重要，不過這其中大部分的架構創新都是在已有的架構基礎上。Graphcore聯合創始人兼CEO Nigel Toon在ASPENCORE主辦的2019 CEO峰會期間接受雷鋒網采訪時表示，Graphcore開創了全新的處理器類型IPU，IPU是專為機器智能設計的處理器，能夠滿足人們對高效易于使用的處理器的需求。
左：Graphcore銷售副總裁/中國區總經理盧濤，右：Graphcore聯合創始人兼CEO Nigel Toon
左右逢源的英國AI獨角獸
Graphcore在風險資本的支持下于2016年在英國成立，成立三年時間，就獲得了3.25億美元的融資，去年估值就達到了17億美元，其中的投資者既有像紅杉資本這樣的金融投資者，也有像戴爾、三星、微軟等的戰略投資者。
除了資本的認可，Graphcore還獲得了多位AI領域的知名學術投資人為其背書，比如DeepMind 的聯合創始人 Demis Hassabis、劍橋大學的 Zoubin Ghahramani 和 Uber 的首席科學家、加州大學伯克利的 Pieter Abbeel 以及 OpenAI 的 Greg Brockman、Scott Grey 和 Ilya Sutskever等。
被稱為AI教父Geoff Hinton就曾說，“我認為我們需要轉向不同類型的計算機。幸運的是，我這里有一個。”Hinton伸手進入他的錢包，拿出一個又大又亮的硅片，這個硅片就是Graphcore的IPU。
創立這家獲得學界和資本都認可的兩位創始人是Nigel Toon和Simon Knowles，Graohcore也是他們的第二次創業。 2002年，Toon和Knowles（現任Graphcore CTO）在英國Bristol共同創辦了Icera，致力于打造3G modem芯片，2011年被英偉達以3.7億美元的價格收購。
在Icera被收購之后不久，Nigel Toon和Simon Knowles就在思考再次進行創業，基于兩位創始人的經驗以及對未來的判斷，在2016年創立了了Graphcore。如今，Graphcore在倫敦、劍橋、臺灣、北京、Palo Alto、Oslo都設有辦公室，員工人數將在今年底達到400人，IPU也已經于去年底推出。
那么，IPU為何能受到如此多的關注和期待？
全新類型處理器架構——IPU
Nigel認為，AI有三類芯片，第一類是簡單的小型化加速器，用于手機、傳感器等；第二類是ASIC，比如谷歌的TPU；第三類是可編程處理器，目前市場上只有GPU，Graphcore的IPU屬于這個分類，但又有所不同，因為IPU是一個非常靈活的處理器，從零開始，是專門針對AI設計的處理器架構，在未來很多新的AI應用中，IPU也會表現的更好。
之所以要推出IPU，是因為Nigel看到，如果只是針對基本的前饋卷積神經網絡，GPU是一個非常好的解決方案，但隨著網絡變得越來越復雜，人們需要一個新的解決方案，ASIC和FPGA的采用就已經證明了GPU的弱點。
“我們接觸過的所有創新者都說使用GPU正在阻礙他們創新。如果仔細看一下他們正在研究的模型類型，你會發現他們主要研究卷積神經網絡，遞歸神經網絡和其他類型的結構，例如強化學習，并不能很好地映射到GPU。這也正是我們將IPU推向市場的主要原因。”
Nigel指出，IPU是我們開創的一個全新的處理器類型，專為AI設計，IPU強大的并行處理能力實現了快速訓練模型并進行實時操控。其實現在有一些國外公司也在說他們的產品叫IPU，但我們首創的這個叫法，而且技術產品跟我們相比還差很多。
那IPU架構到底獨特在哪里？Graphcore銷售副總裁/中國區總經理盧濤對雷鋒網表示，Graphcore的IPU里面有1216個核，我們稱之為Tile，每個Tile里都有計算單元和內存。由于同時有上千個處理器工作，所以單個IPU的存儲帶寬能達到45TB，比性能最快的HBM提升了50倍以上，在相同算力下，功耗也降低了一半。
根據Graphcore的說法，IPU處理器是迄今為止最復雜的處理器芯片，基于16納米的工藝集成了240億個晶體管，每個芯片提供125 teraFLOPS運算能力。借助IPU，一個完整的機器學習模型可以在處理器內部處理。而且IPU處理器具有數百兆字節的RAM，可在處理器上以1.6 GHz的速率全速運行。
但是，提高帶寬的同時，如何解決數據的通信以及提升數據的使用效率就是非常關鍵的問題，也是關鍵挑戰。盧濤表示， IPU內部里有一個叫all-to-all總線，這個互聯總線，可以高速實現任意一個核到另外一個核的直接訪問。涉及到跨多個芯片的時，通過IPU-Link就可以把多個IPU聯結在一起，組成一個集群。當然，all-to-all總線中間的BSP（Bulk Synchronous Parallel）協議，不僅用于同一個芯片的不同核之間，而且跨芯片的核之間也可以通過該協議透過 IPU-Link 總線進行通信。
IPU-Link最多可以支持128個芯片的互聯，如果要進行更大規模的訓練，可以通過以太網或者Infiniband進行互聯，另外針對超大規模AI 訓練應用，Graphcore還開發了專門的IPU-POD。IPU-POD 是由 IPU-machine 組成的 POD，每個 IPU-machine 上集成的IPU-Gateway芯片里有一個叫做IPUoF的技術，能夠把幾千甚至幾萬顆的 IPU 處理器連在一起。
解決了數據通信的問題，還有數據的效率問題。IPU沒有采用傳統處理器架構中保證多個處理器數據一致性的Cache協議，而是通過BSP配合Poplar軟件棧的方式來提升效率。Nigel Toon表示，很多人都部署了BSP，但只是用在主機之間，也就是大規模的并行機制，我們在芯片上實現了BSP，同時配合Poplar的軟件棧工具/編譯器，它會把算法模型、數據處理之后，映射或者分配到處理器的不同位置，并定義好交換和同步的時間等，不僅更易于使用，而且具有足夠的靈活性。
這樣即使對于算法公司而言，雖然處理器有1000多個核，7000多個線程，但是不需要太擔心通信的問題，能夠讓算法工程師非常方便地用。
Nigel Toon總結表示，IPU與其它的AI芯片相比，有三個比較核心的區別：
第一，處理器核的架構不同，IPU是MIMD的架構。
第二，IPU的模型在處理器內。
第三，大規模并行，IPU核之間的通信效率也非常高，這非常難，Graphcore進行了大量的創新。
相同的IPU硬件就可用于推理和訓練
對于芯片公司而言，設計出獨特的芯片并不是最難的，更難的是獲得客戶的認可和采用。Nigel Toon表示，未來幾年Graphcore都會專注在算力比較密集的場景，而不會做終端的應用。IPU也更能夠適應未來整個行業的變化非常快，模型的大小每3.5個月就會增長一倍。并且，模型參數增加一倍，但最后還是要拆成不同的尺寸，算力需求的增長將不止兩倍，所以未來的算力需求將會呈現指數型的增長。
盧濤補充表示，現在AI做的主要是圖片的目標識別，自然語言處理對算力的要求更高，未來視頻的分析需要更高的算力，如何把AI應用到AR、VR都對算力提出了巨大的要求。
需要指出的是，使用相同的IPU就能進行AI訓練和推理。在大家普遍的認知中，推理和訓練對于算力有著巨大的需求，不過Nigel Toon認為，訓練和推理技術上本質上沒有很大區別，先通過數據訓練出模型，部署的時候實際上是通過推理是把模型拿出來。在未來的應用里，部署的場景可能是推理，同時還要不停地訓練和更新這個模型。
“從架構的角度，這對我們非常重要，因為隨著機器學習演進，系統將能夠從經驗中學習。推理性能表現的關鍵包括低延遲、能使用小模型、小批次，以及可能會嘗試導入稀疏性的訓練模型；IPU可以有效地完成所有這些事情。”
據介紹，在一個4U機箱中，16顆IPU共同合作協作進行訓練，每顆IPU可以執行獨立的推論任務，并由一個CPU上執行的虛擬機來控制，最終得到一個可用于訓練的硬件。一旦模型被訓練、布署，隨著模型演進且想要從經驗中學習時，就可以采用相同的硬件。
盧濤進一步指出，由于IPU架構的特性，模型部署的時候精度和訓練的結果會保持一致，另外在 IPU 里面要做的計算跟要處理的處理都是在本地，以及 IPU 這種超大規模小型向量機的架構，使得IPU做稀疏化應用場景的時候，天生性能就會更好。所以IPU既可以用于云服務器，在邊緣端，IPU也非常擅長，自動駕駛就會是我們很重要的應用場景。
但還有一個關鍵問題，擁有如此多核心和片內存儲的IPU是否會成本高昂？Nigel Toon表示不一定，因為客戶都會關注效能，如果 IPU的架構在實際應用場景實現幾倍甚至幾十倍的性能優勢時，實際的總體擁有成本還是大幅降低。
有意思的是，在技術創新的同時，Graphcore也進行了商業模式的創新。Nigel Toon表示，我們目前沒有采用傳統芯片銷售的模式，我們更多的是通過合作，有兩大類公司會是我們的合作伙伴，一類是服務器公司，目前我們已經與戴爾易安信合作推出了IPU服務器，和中國的服務器廠商合作進展也很快，估計很快就會有搭載我們IPU的服務器上市。
另外一類是云服務提供商，在新的時代，IT產品交付給最終的用戶，云服務廠商非常重要。我們會和中國、美國的公司都進行合作，但具體的合作暫時還處于保密階段。
最近，Graphcore宣布與微軟的具體合作內容，并正式發布Microsoft Azure上Graphcore智能處理單元（IPU）的預覽版，這是公有云領導供應商首次提供GrapchoreIPU。目前，Azure上的Graphcore IPU預覽版現已開放供用戶注冊，專注于突破NLP界限并在機器智能方面取得新突破的開發者可獲得優先訪問權限。
對于中國市場，Nigel Toon表示中國是Graphcore非常重要的策略性市場，Graphcore的中國公司不僅會有銷售和市場，還會注重工程技術方面的投入，會有很多定制化的開發工作，更好地與本地的社區、創新者一起用好IPU。
雷鋒網小結
AI芯片要滿足快速迭代的AI算法，算力的提升非常關鍵，但摩爾定律的放緩，讓架構的創新變得更加重要，實際的情況是大部分創新都是基于已有的架構，Graphcore表示其IPU架構進行了更全面的創新，我們可看到其獲得了資本和學術界的好評。當然，除了硬件架構的創新之外，軟件工具鏈Poplar同樣非常關鍵，這是IPU提升靈活性，降低算法開發者的應用門檻的核心，也是能比其它IPU性能更好的關鍵所在。
因此，AI的時代架構創新很重要，軟硬件的協同更加重要。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
