芯东西6月1日消息，近日，微软机器学习科学家展示了英国AI芯片明星创企Graphcore自研AI芯片的加速效果，该芯片在运行微软新冠肺炎影像分析算法SONIC时表现亮眼，据称能在30分钟内完成NVIDIA传统芯片需5个小时的训练工作量。
科技媒体ZDNet认为，在未来，像Graphcore这样的并行计算芯片或可用于支持最先进的神经网络，有可能为NVIDIA等传统芯片巨头带来威胁。
英国AI芯片初创公司Graphcore成立于2016年，总部位于英国布里斯托尔市。目前，Graphcore已经筹集了超过4.5亿美元的风险投资基金，其中包括二月份D轮融资的1.5亿美元。最近一次注资后，Graphcore的估值为略低于20亿美元；截至今年二月份，Graphcore在银行的资产为3亿美元。
Toon透露，Graphcore的投资者包括“一些科技公开市场中最大的投资者”，比如英国投资管理公司Baillie Gifford，以及微软公司、博世公司、宝马公司和谷歌DeepMind AI部门联合创始人Demis Hassabis等。
“像Baillie Gifford这样的公司投资了Graphcore，显然是因为预料到我们可能在未来的某个时间点上市。”Toon说。目前，Toon并未透露公司具体上市时间。
现有计算机常按时序执行任务，即先做一件事、然后再做下一件事，而AI算法存在大量重复性简单计算任务，用并行计算效率更高。
对此，Graphcore的智能处理单元（IPU）采用自研大规模并行同构多核架构，包含1216个独立IPU核心。
由于从GPU到计算机主存储器的速度远比不了片上内存访问的速度，Graphcore在IPU架构中采用大量片上内存，容量为300 MB，带宽达45 TB/s。
系统运行结果显示，Graphcore芯片可在30分钟内完成NVIDIA的传统芯片5个小时的训练工作量。
Bharadwaj称，运行结果显示SONIC神经网络和Graphcore芯片之间形成了“非常强大的协同作用”。
Graphcore CEO Toon认为，以SONIC神经网络为例，IPU将能够用于开发顶尖AI模型。“我认为IPU能够帮助创新者做到的一件事是创建下一代图像感知模型，使它们运行起来更加准确、更加高效。”他说。
另外，Toon称，IPU除了被设计用于支持机器视觉这类复杂的算法外，还适用于加速自然语言处理等存在稀疏化的模型。
对此，芯片行业媒体Microprocessor Report编辑Linley Gwennap表示怀疑。他认为，NVIDIA的产品的性能标准“远远超过所有的现有产品”，其他竞争者难以超越。Gwennap对英特尔收购的Habana也表示看好，他称Habana芯片的基准测试结果优于NVIDIA V100和Graphcore的产品。“一旦英特尔将其庞大的AI软件栈覆盖到Habana硬件，这种组合将远远胜过任何初创公司的平台。”他说。
早在神秘的潜心研发阶段，Graphcore就因曾获得微软、宝马、戴尔、三星等巨头的融资而备受瞩目，成为英国盛名在外的AI芯片明星创企之一。
成立仅有4年的Graphcore成长速度已算惊人。其IPU芯片拥有超过1000个独立IPU核，并且激进地采用了大量片上内存单元，同时为AI训练和推理提供超快的加速计算能力。
就最新微软机器学习科学家展示的新冠肺炎影像分析算法示例来看，Graphcore能做到10倍于NVIDIA传统芯片的训练速度，但暂不清楚具体是和哪款NVIDIA GPU进行的比较。
继去年11月与微软达成合作，发布微软云Azure上的IPU预览版外，Graphcore还于今年5月的Wave Summit 2020深度学习开发者峰会上，宣布成为百度飞桨硬件生态圈共建计划伙伴之一，加速机器视觉、自然语言处理等算法模型与硬件的适配与落地。
总体来看，Graphcore在IPU架构上融合了相当多的创新精神，并于过去半年着力将产品推向中美云端AI市场，而Graphcore的AI芯片在落地实践中效果究竟如何，还有待市场的检验。
