今天给各位分享Graphcore 目标成为市场第二的知识，其中也会对进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！

本次媒体交流会将重点关注PyTorch for IPU发布的最新PyTorch产品级版本和Graphcore发布的Poplar SDK 1.4，以及7月份发布的第二代IPU产品IPU-M2000。会上，Graphcore通过一系列对比测试展示了IPU-M2000的优异性能，并通过性能展示为行业用户注入催化剂，力争在巨头的竞争中脱颖而出，抢占未来市场。

IPU-M2000：能够训练BERT-Large模型的AI处理器Graphcore今年发布的IPU-M2000产品是一款即插即用的机器智能计算刀片，搭载第二代Colossus IPU处理器GC200，采用7nm制程工艺，由Poplar软件堆栈支持，并且易于部署。

陆涛介绍，IPU-M2000是继NVIDIA GPU、Google TPU之后，全球第三款公开发布的可以训练BERT-Large模型的AI处理器。 Benchmark博客、Performance结果表等已经在Graphcore官网上发布。

据介绍，基于MK2 IPU的IPU-M2000基准测试覆盖了众多模型的训练结果，包括典型的CV模型ResNet、基于分组卷积的ResNeXt、EfficientNet、语音模型、BERT-Large等自然语言处理模型， MCMC等传统机器学习模型。

与V100相比，ResNet中IPU-M2000的吞吐量提升了4倍，ResNeXt的吞吐量提升了5.4倍，EfficientNet的吞吐量达到了18倍，Deep Voice3的吞吐量达到了13倍。此外，Graphcore还与马萨诸塞大学和Facebook一起使用近似贝叶斯计算进行流行病模型分析。与CPU相比，IPU速度提高了30倍，与GPU相比提高了7.5倍。

陆涛表示，Graphcore已加入MLPerf管理组织MLCommons，将于2021年上半年正式参与MLPerf性能测试。

IPU-POD64正式交付：性能出色，纵向扩展和横向扩展更加灵活IPU-POD64是由16块IPU-M2000组成的AI计算解决方案。该方案实现了x86与IPU计算的解耦，具有更加灵活的垂直扩展和水平扩展能力。

在纵向扩展方面，IPU-POD64可以实现从IPU-M2000到IPU-POD16（4个IPU-M2000），再到IPU-POD64（16个IPU-M2000）的透明软件扩展，使编译变得简单。可以在IPU-M2000 和IPU-POD64 上运行。在水平扩展方面，多个IPU-POD64可支持多达64000个IPU组成的AI计算集群。

陆涛告诉记者，在与多家领先的互联网公司沟通后，他们认为目前大多数单一工作负载不会超过IPU-POD64。也就是说，对于目前最主流的工作负载，一台IPU-POD64就可以满足大多数工程师对分布式机器学习、分布式机器学习框架、分布式通信的需求。

Graphcore中国工程总经理、AI算法科学家金晨也通过一组详细的测试对比，分享了IPU-POD64在各个模型上的训练和推理等相关数据。

在IPU-POD64上，PopART BERT-Large的端到端训练时间仅为13.2小时。与一台DGX-A100相比，BERT-Large可以在IPU-POD64上实现5.3倍的提升。与三台DGX-A100相比，可实现1.8倍的提升。

在EfficientNet-B4上，IPU-M2000的推理吞吐量比市场上最新GPU高60倍以上，延迟缩短16倍以上。同时，IPU-M2000在NLP、语音、金融等不同领域的模型训练和推理方面的性能结果也表现出色。

陆涛告诉记者，创新的机器学习模型可以在IPU-M2000和IPU-POD上实现最先进的性能。首先，因为IPU-M2000作为最新的硬件产品形态，采用了最新的硬件工艺：7nm。制程、垂直分布式片上存储架构，以及瓦片间47.5TB/s的高速交互带宽。第二个原因是通过对编译器、运算符和矩阵乘法的全面优化，软件性能得到了显着提升。

在PyTorch支持方面，IPU-M2000将PopTorch的轻量级接口引入到PyTorch代码中。通过这个接口，用户可以基于当前的PyTorch模型进行非常轻量级的封装。通过这种封装，用户可以在IPU和CPU上无缝运行模型。此外，当前的Poplar SDK 1.4版本同时支持模型并行和数据并行。

据介绍，IPU-POD64已在全球发货，包括中国、北美、欧洲等地区。

目标直指NVIDIA，中短期目标市场第二尽管Graphcore的产品和解决方案拥有不错的性能，但想要在这个巨头中获得较高的市场份额并不容易。

在谈到巨头带来的挑战时，陆涛认为Graphcore唯一的挑战是NVIDIA。他表示，NVIDIA在AI加速计算的整个软硬件生态系统中拥有比较强的优势，包括NVIDIA GPU、CUDA、开发者、社区等，但Graphcore对未来充满信心。

陆涛表示，Graphcore的处理器通过不同的测试充分展示了其价值。不仅证明使用IPU可以受益于NVIDIA A100的主流应用领域，而且还解决了一些GPU无法解决的问题。陆涛还强调，当客户考虑花钱购买一个新的软硬件平台时，首先考虑的是这样做能获得多少利益；第二个考虑因素是成本，包括软件和硬件的迁移成本。在这些方面，IPU-M2000的优势已经相当明显。 Graphcore认为IPU有自己的价值点和定位。只要能为客户带来价值，就总会有客户为其买单。

据介绍，为了实现市场目标，Graphcore建立了相对立体的渠道：一是通过传统的toB IT分销渠道，如神州数码来销售产品；第二，与服务器品牌厂商合作，如戴尔、浪潮等，配备他们的服务器产品对外销售；三是与“云”合作伙伴建立紧密联系，通过云服务实施IPU产品。

陆涛表示，Graphcore全球精英合作伙伴计划于今年初启动，旨在与合作伙伴共同推进市场工作，同时也与合作伙伴共同建设社区，进而从不同角度助力渠道建设。

“Graphcore面临的主要压力来自NVIDIA。”陆涛表示，NVIDIA这个“庞然大物”也在前行，继续研发芯片，预计未来两年可能会迭代。从深度来看，NVIDIA正在不断优化软件；从广度来看，NVIDIA正在不断开发垂直领域的应用组件。目前来看，Graphcore 和Nvidia 在规模和生态上肯定存在差距。然而，只有当Graphcore 在重点领域跑得更快时，双方的距离才会越来越短，甚至在某些领域迅速超越Nvidia。

【51CTO原创稿件，合作网站转载请注明原作者及出处：51CTO.com】

关于Graphcore 目标成为市场第二，的介绍到此结束，希望对大家有所帮助。