前言:

AI近些年的大火,直接促進(jìn)了CPU和GPU的發(fā)展,而英偉達(dá)的GPU真正借此迅速成為AI市場(chǎng)的主流產(chǎn)品之一,其勢(shì)頭甚至蓋過(guò)了CPU。

而AI應(yīng)用需要專門的處理器,而IPU正是這樣的處理器。目前,AI在各行各業(yè)均得到廣泛應(yīng)用,IPU可以基于自身優(yōu)勢(shì)為世界的智能化進(jìn)程增添不竭動(dòng)力。

英偉達(dá)專注的GPU優(yōu)勢(shì)逐漸縮小

從專注圖像渲染崛起的英偉達(dá)的GPU,走的也是相當(dāng)于ASIC的技術(shù)路線,但隨著游戲、視頻渲染以及AI加速需要的出現(xiàn),英偉達(dá)的GPU也在向著GPGPU的方向演進(jìn)。

當(dāng)硬件更多的需要與軟件生態(tài)掛鉤時(shí),市場(chǎng)大多數(shù)參與者便會(huì)倒下。在競(jìng)爭(zhēng)清理過(guò)后,GPU形成了如今的雙寡頭市場(chǎng),并且步入相當(dāng)成熟的階段。

ASIC本身的成本、靈活性缺失,以及應(yīng)用范圍很窄的特點(diǎn),都導(dǎo)致它無(wú)法采用最先進(jìn)制程: 即便它們具備性能和能效優(yōu)勢(shì),一旦無(wú)法采用最先進(jìn)制程,則這一優(yōu)勢(shì)也將不再明顯。　

為保持其在GPU領(lǐng)域的寡頭地位,使得英偉達(dá)必須一直保持先進(jìn)的制程工藝,保持其通用性,但是要犧牲一定的效能優(yōu)勢(shì)。

相比于來(lái)自類GPU的競(jìng)爭(zhēng),英偉達(dá)不應(yīng)該忽視Graphcore的IPU,特別是Graphcore一直都在強(qiáng)調(diào)其是為AI而生,面向的應(yīng)用也是CPU、GPU不那么擅長(zhǎng)的AI應(yīng)用。

利用AI計(jì)算打側(cè)面競(jìng)爭(zhēng)戰(zhàn)

不管CPU還是GPU都無(wú)法從根本上解決AI問(wèn)題,因?yàn)锳I是一個(gè)面向計(jì)算圖的任務(wù)、與CPU的標(biāo)量計(jì)算和GPU的矢量計(jì)算區(qū)別很大。

而另一邊的IPU,則為AI計(jì)算提供了全新的技術(shù)架構(gòu),同時(shí)將訓(xùn)練和推理合二為一,兼具處理二者工作的能力。

作為標(biāo)準(zhǔn)的神經(jīng)網(wǎng)絡(luò)處理芯片,IPU可以支持多種神經(jīng)網(wǎng)絡(luò)模型,因其具備數(shù)以千計(jì)到數(shù)百萬(wàn)計(jì)的頂點(diǎn)數(shù)量,遠(yuǎn)遠(yuǎn)超過(guò)GPU的頂點(diǎn)規(guī)模,可以進(jìn)行更高潛力的并行計(jì)算工作。

計(jì)算加上數(shù)據(jù)的突破可以讓IPU在原生稀疏計(jì)算中展現(xiàn)出領(lǐng)先IPU 10-50倍的性能優(yōu)勢(shì),到了數(shù)據(jù)稀疏以及動(dòng)態(tài)稀疏時(shí),IPU就有了比GPU越來(lái)越顯著的優(yōu)勢(shì)。

此外,如果是在IPU更擅長(zhǎng)的分組卷積內(nèi)核中,組維度越少,IPU的性能優(yōu)勢(shì)越明顯,總體而言,有4-100倍的吞吐量提升。

在5G網(wǎng)絡(luò)切片和資源管理中需要用到的強(qiáng)化學(xué)習(xí),用IPU訓(xùn)練吞吐量也能夠提升最多13倍。

兩種芯片勢(shì)能英偉達(dá)與Graphcore的較量

Graphcore成立于2016年,是一家專注于機(jī)器智能、同時(shí)也代表著全新計(jì)算負(fù)載的芯片制造公司,其包括IPU在內(nèi)的產(chǎn)品研發(fā)擅長(zhǎng)大規(guī)模并行計(jì)算、稀疏的數(shù)據(jù)結(jié)構(gòu)、低精度計(jì)算、數(shù)據(jù)參數(shù)復(fù)用以及靜態(tài)圖結(jié)構(gòu)。

英偉達(dá)的潛在競(jìng)爭(zhēng)對(duì)手Graphcore的第二代IPU在多個(gè)主流模型上的表現(xiàn)優(yōu)于A100 GPU,兩者將在超大規(guī)模數(shù)據(jù)中心正面競(jìng)爭(zhēng)。

未來(lái),IPU可能在一些新興的AI應(yīng)用中展現(xiàn)出更大的優(yōu)勢(shì)。

第二代IPU相比第一代IPU有兩倍峰值算力的提升,在典型的CV還有NLP的模型中,第二代IPU相比第一代IPU則展現(xiàn)出了平均8倍的性能提升。

如果對(duì)比英偉達(dá)基于8個(gè)最新A100 GPU的DGX-A100,Graphcore 8個(gè)M2000組成的系統(tǒng)的FP32算力是DGX-A100的12倍,AI計(jì)算是3倍,AI存儲(chǔ)是10倍。