機器智能標志著一個新的計算時代的開始，這個時代需要一種從根本上不同于以往的處理器和軟件工具。這個迅速增長的新市場為Graphcore創(chuàng)造了打造一家大型全球科技公司的機會。

基于AI算法的更大需求

眾所周知，使用AI算法的公司通常會選擇使用GPU，而機器學習算法需要快速處理海量數據，這使得企業(yè)對硬件的需求日益攀升。

與傳統(tǒng)處理器不同，Graphcore所設計的這款芯片是專為機器學習系統(tǒng)打造，這種芯片可以部署于各種機器學習的應用，例如聯網設備、自動駕駛、云計算以及機器人等領域，他們相信越來越多的企業(yè)將使用這些技術。

芯片產業(yè)鏈復雜，從技術研發(fā)、產品迭代及資金鏈需求角度而言，初創(chuàng)公司的成長挑戰(zhàn)都是巨大的。盡管如此，Graphcore還是迅速打開了行業(yè)知名度，原因之一離不開英國產業(yè)市場的特殊性。

在這樣的大環(huán)境下，Graphcore想要在AI硬件這個快速發(fā)展的行業(yè)中對標巨頭英特爾和英偉達，成長為一個英國本土大型上市企業(yè)，并且不會出售給競爭對手。

根據IDC數據預測，認知和人工智能系統(tǒng)在2017年全球收入將達到125億美元，并預計在2020年增長到460億美元。投資者之所以紛紛押注芯片制造商，也是因為這項技術是這一增長趨勢背后最為重要基礎支持。

Graphcore的誕生和目標

與一般的新銳公司不同，Graphcore在人工智能學習的反應速度以及低能耗方面，其開發(fā)的產品要比目前市場上所有的圖像處理解決方案好10到100倍。

Graphcore成立于2016年，其總部位于英國布里斯托，兩位聯合創(chuàng)始人Nigel Toon、Simons Knowles此前還共同創(chuàng)立過市值4.35億美金的3G蜂窩芯片公司Icera，后賣給英偉達。

Graphcore頻受資本和學界青睞，主要來自于其核心產品一款名為IPU的AI芯片，與常見的IPU（ImageProcessingUnit，圖像處理器）不同，其IPU主要應用于無人駕駛汽車和云計算，專門為強大的機器習得系統(tǒng)設計。

此外還開發(fā)了一套可以幫助用戶無縫使用TensorFlow和MXNet等機器學習框架的接口，并為此提供了一個包含工具、驅動和應用庫的開源軟件框架Poplar。

總的來說，Graphcore認為先做Training然后做Inference的機制，未來一定會被Learning取代，即未來理想的人工智能應該能夠在部署之后還能保持持續(xù)的學習和進化。

市場看好融資多輪順暢

自創(chuàng)立以來，Graphcore就吸收了不少戰(zhàn)略投資方，其中A輪包括三星和博世，以及該輪融資中的寶馬和微軟。

在2017年初，Graphcore完成的3000萬美元融資就備受關注，因為這次投資方里包括了三星集團、德國汽車巨頭Bosch以及Arm創(chuàng)始人HermannHauser，還吸引了DeepMind聯合創(chuàng)始人DemisHassabis、Uber首席科學家ZoubinGhahramani以及AtomicoandDellTechnologiesCapital的投資。

2017年10月，Graphcore接受了紅杉資本5千萬美元的投資，這是最近成為風險投資新寵的AI芯片公司之一。

2018年12月，英國AI芯片公司Graphcore宣布完成新一輪2億美元融資，寶馬旗下風投公司iVentures和微軟作為戰(zhàn)略投資方加入，公司估值達到17億美元。這樣一來，其融資總額超過3億美元。

本輪融資為Graphcore的D輪融資，在最近一個月里敲定，新晉投資人和早期投資人各占一半金額。由其早期投資人Skype創(chuàng)始人NiklasZennstrm'sAtomico以及歐洲大型投資公司Sofina領投。寶馬iVentures和微軟、美利安全球投資者均是該輪融資的新晉投資方。

合理的推測是，博世和寶馬將為Graphcore推進自動駕駛和車聯網市場提供便利，而三星則是手機和語音助手領域的窗口，戴爾還將為其提供云計算芯片市場的DOE和渠道資源。

此外，羅伯特博世風險投資公司、C4風險投資公司、戴爾科技資本、以色列最大風投Pitango、三星和紅杉資本等跟投。

IPU的核心特征及難點

根據公開資料顯示，GraphcoreIPU的一些關鍵特征包括：

①同時支持Training和Inference。

②采用同構多核（many-core）架構，超過1000個獨立的處理器。每個處理器核的處理能力和具體支持的操作還不清楚。支持all-to-all的核間通信，采用Bulk Synchronous Parallel的同步計算模型。

③采用大量片上memory，不直接連接DRAM，這可能是他們的架構中最激進的一個選擇。

Graphcore IPU的多功能性，即支持多種機器學習技術的高效表現適合各種應用，無論是智能語音助手還是自動駕駛車輛。因為GraphcoreIPU的靈活性，能夠在數據中心和車輛中使用相同的處理器，以減少用戶的開發(fā)時間和工作量。

此外，Graphcore IPU的規(guī)模很大，通常包括數千到數百萬個頂點，這也意味著巨大的并行性。同時IPU是稀疏的，大多數頂點只連接到其他一小部分頂點，即低精度。

對于新架構，幾乎Graphcore運行神經網絡模型的所有計算機系統(tǒng)，甚至包括Google的特殊硬件，都使用RAM存儲。從RAM中獲取神經網絡的權重需要耗費大量的計算資源，所以處理器可以幫忙解決。

在Graphcore的芯片上，權重存儲在處理器中的高速緩存中，而不是存儲在RAM中，也不需要移動，因此，事情就變得比較簡單了?？赡芪覀儠玫揭粋€系統(tǒng)，比如一萬億個權重。

與微軟戴爾的緊密合作

11月18日至22日，Graphcore在美國丹佛舉辦的SC19上展示與微軟最新聯合發(fā)布的微軟Azure上GraphcoreIPU相關產品與介紹，并提供相關的注冊信息。

另外，使用了Graphcore第一個IPU技術的戴爾易安信DSS8440也將首次對外展示。

微軟和Graphcore的開發(fā)人員使用BERT語言模型實現了最先進的性能和準確性，僅用一個IPU服務器系統(tǒng)和8個C2IPU處理器PCIe卡就可以在56個小時內訓練BERTBase。通過BERT推理，吞吐量提高了3倍，延遲改善了20％以上，從而可以更快地交付結果。

微軟和Graphcore已經緊密合作了兩年多。就在11月14日，Graphcore宣布了與微軟的具體合作內容，并正式發(fā)布MicrosoftAzure上Graphcore智能處理單元（IPU）的預覽版。這是重大公有云供應商首次提供Grapchore IPU，這些IPU從構建之初便旨在支持下一代機器學習。

其強大的并行處理能力實現了快速訓練模型并進行超低延時運行，這也使的Graphcore能夠在自然語言處理以及在理解自動駕駛視頻方面取得重大進展。因此，IPU強大的并行處理能力是我們區(qū)別于其他處理器的一個重要因素。

Graphcore還將與戴爾公司一起展示第一個IPU技術，該技術旨在滿足企業(yè)客戶構建本地機器智能計算的需求。在戴爾公司的DellEMCDSS8440是一款采用Graphcore技術的機器學習服務器。

該系統(tǒng)使用8個GraphcoreC2IPU處理器PCIe卡提供1.6PetaFlops的機器智能計算，每個卡有2個IPU處理器，所有卡都在標準4U機箱中與高速IPU-Link技術連接。

這個全新的芯片速度會非常快，可以支撐很多不同的神經系統(tǒng)，擁有極高的擴展性。Arm聯合創(chuàng)始人甚至把Graphcore IPU成為芯片產業(yè)的第三次革命。

結尾：

隨著人工智能對芯片算力和帶寬的需求越來越高，現在大多數的ASIC AI芯片并不能滿足當下的需求。為此打造一個全新架構的AI芯片就成為迫切需求，這也正是Graphcore IPU正在做的事情。