微软在其云计算环境中使用了新的AI核心

微软在其云计算环境中使用了新的AI核心

去年年底，微软投资了一家名为Graphcore的公司，成立于2016年。它已经成功地筹集了2亿美元的股权融资，但它的产品迄今仍然保密，没有与大家见面。

而AI芯片的登场给了微软。微软最近宣布，Graphcore芯片计划可能应用于微软的云计算服务。

与大多数用于AI的芯片不同，Graphcore的CPU是从头开始设计的。总体目标是应用设备识别人脸，理解视频和语音，分析语言，驾驶汽车和训练智能机器人进行测量和计算。

Graphcore估计，它将吸引在AI上 *** 作重要业务流程的客户，如无人驾驶汽车集团、贸易公司及其使用AI解决许多视频和音频问题的服务提供商。不仅仅是域客户，他们也希望下一代AI算法的开发者能够深入挖掘这个服务平台的优势。

根据微软公司和Graphcore公布的标准测试结果，为这些竞争对手的服务平台编写的算法可以达到或超过英伟达和谷歌的顶级AI芯片的性能。专门为Graphcore硬件编写的代码可能效率更高。

两家公司声称，例如，一些图像处理的日常任务在Graphcore的芯片上的工作速度比应用当前代码的竞争对手快很多倍。

尤其是在BERT架构层面，这个方案主要可以表现出非常高的效率，这对于涉及语言的AI应用来说至关重要。Google最近显示，他们已经应用BERT来展示他们解决关键搜索业务流程困难的更好能力。微软还表示，他们现阶段的重点产品研发方向是一个新的内部AI科研项目，涉及使用Graphcore芯片对自然语言的理解和求解。

MoorInsights的AI芯片销售市场研究员卡尔·弗罗伊德表示，数据测试结果显示，该芯片效率极高，仍保持良好的可扩展性。一般来说，特殊长宽比的芯片在某些方面很可能比英伟达或者谷歌的芯片更好。比如国内很多AI芯片厂商都发布了性能非常高的AI芯片，但是缺乏可扩展性使得这样的AI芯片很难被客户接受并引入商品。对于客户来说，解决困难的能力才是AI芯片的重要。自然环境下只有少数显卡能拿高分，这不是优势，是虚假广告。

与微软的业务对于Graphcore的业务流程尤为重要。毕竟Graphcore的芯片是一个全新的升级计划，是前所未有的。所以对于某些应用来说，这种芯片的基础理论性能很可能比现在的硬件更好，但是需要花费大量的精力为新平台重新开发设计AI代码。然而，芯片的标准测试并不能吸引公司和科研人员停止他们早已习惯使用的硬件和手机软件。

为了更好地处理相关问题，Graphcore建立了一个名为Poplar的软件框架，允许将当前的AI程序流移植到其硬件中。众所周知，目前市面上的做法类似于现在的AI代码可以根据专门的手机软件进行转换。转换后代码的高效率很可能造成一定程度的破坏，目前的算法很可能还是更适合竞争对手硬件之上的手机软件。近年来，Google的TensorflowAI软件框架已经成为流行的AI程序流的通用规范，所有相关代码都是为NVIDIA和Google芯片编写的，因此这种代码转换框架已经成为一种必要的专用工具。

graphcore的创始人兼首席执行官奈杰尔·图恩(NigelToon)表示，根据美国微软剑桥研究院(MicrosoftResearchCambridge)的数据，在公司成立一年后，两家公司就开始了合作。他说，他公司的芯片特别适合涉及非常大的AI物理模型或时态数据信息的日常任务。据报道，由于Graphcore的硬件，一位金融客户看到用于分析销售市场数据信息的算法性能提高了26倍。

很少有其他较小的企业也在今天宣布他们已经根据Azure应用了Graphcore芯片。这包括应用芯片分析财务报表的Citadel，以及欧洲百度搜索引擎Qwant预计根据这种硬件运行一种名为ResNext的图像识别技术算法。

一些知名的人工智能科研工作者已经投资了Graphcore基金，包括DeepMind的创始人戴密斯·哈萨比斯、牛津大学专家教授邹斌·加赫拉马尼、优步人工智能实验室负责人、加州大学伯克利分校专门研究人工智能和自动化技术的专家教授彼得·阿比尔。在去年12月接受《连线》采访时，AI权威专家杰弗里·辛顿(GeoffreyHinton)讨论了Graphcore芯片促进基础研究的发展潜力。Graphcore的芯片被称为智能控制单元(IPU)，其核心远不止GPU或TPU。它们还有芯片自带的运行内存，消除了数据信息移至芯片待解关闭后的短板。