Graphcore的人工智能芯片現(xiàn)在得到了DeepMind的哈薩比斯和Atomico的支持

AI芯片制造商Graphcore會出去吃Nvidia的午餐嗎？聯(lián)合創(chuàng)始人兼首席執(zhí)行官奈杰爾·托恩(Nigel Toon)在接受采訪時笑了笑--或許是因為他早在2011年就把前一家公司賣給了這家芯片

“我相信NVIDIA也會成功的，”他冒險說。“他們在這個市場上已經(jīng)非常成功了，…作為一個可行的競爭者，站在他們身邊，我認為這對我們自己來說是一個值得追求的目標(biāo)?！?/p>

托恩還表示，他在競爭格局中表現(xiàn)出“有趣的缺陣”，與其他主要玩家相比，“你希望能在那里”，比如英特爾(Intel)。(不過，英特爾顯然是在花錢填補這一缺口。)

Gartner最近的一份報告顯示，到2020年，人工智能技術(shù)將在幾乎所有軟件產(chǎn)品中使用。用于支持機器學(xué)習(xí)軟件海嘯的更強大的硬件引擎的競賽是非常清楚的。

“我們比許多其他公司更早開始了這一旅程，”Toon說?！拔覀兛赡苓€有兩年的時間，所以我們肯定有機會成為第一批為這個應(yīng)用程序設(shè)計解決方案的人之一。”因為我們領(lǐng)先了，所以我們從一些關(guān)鍵的創(chuàng)新者那里得到了興奮和興趣，他們給了我們正確的反饋。“

總部位于英國布里斯托爾的Graphcore剛剛結(jié)束了一輪以Atomico為首的價值3000萬美元的B系列，此前它在2016年10月推出了3200萬美元的A系列。它正在為機器學(xué)習(xí)開發(fā)人員構(gòu)建專用處理硬件和軟件框架，以加速構(gòu)建自己的人工智能應(yīng)用程序--其明確目標(biāo)是成為“機器智能處理器”市場的領(lǐng)導(dǎo)者。

在一份支持聲明中，Atom的合作伙伴SirajKhaliq，誰加入了石墨核心委員會，討論它的潛力是“加快創(chuàng)新本身的步伐”。他補充說：“Graphcore的第一個議會聯(lián)盟比最新的行業(yè)產(chǎn)品提供了一個到兩個數(shù)量級的性能，使得開發(fā)新的模型成為可能，而等待算法完成運行的時間要少得多?！?/p>

Toon說，在去年10月A系列的時候，該公司看到了很多投資者的興趣--因此它決定“比計劃的更早”做B系列。他對TechCrunch說：“這將使我們能夠更快地擴大公司規(guī)模，支持更多的客戶，并更快地發(fā)展。”“而且它仍然給了我們明年籌集更多資金的選擇，在我們把產(chǎn)品拿出來之后，這樣才能真正加快增長速度。”

新的融資帶來了一些新的備受矚目的天使投資者--包括DeepMind的聯(lián)合創(chuàng)始人德米斯哈薩比斯和優(yōu)步首席科學(xué)家Zoubin Ghahramani。因此，你可以大膽猜測一下，在其人工智能處理系統(tǒng)的開發(fā)階段，Graphcore可能會與哪些科技巨頭密切合作(不過Toon很快就強調(diào)，哈薩比斯這樣的天使正在投資于個人能力)。

他補充道：“我們不能就谷歌可能做的事情發(fā)表任何聲明?！薄拔覀冞€沒有公布任何客戶，但我們顯然正在與這里的一些領(lǐng)先企業(yè)合作--而且我們得到了這些人的支持，你可以推斷，我們正在做的事情有很大的興趣?！?/p>

其他加入B系列的天使包括OpenAI的GregBrockman，IlyaSutskever，PieterAbbel和Scott Gray。現(xiàn)有的Graphcore投資者Amadeus Capital Partners，Robert BoschVenture，C4Ventures，DellTechnologiesCapital，Draper Esprit，F(xiàn)oundationCapital，Pitango和SamsungCatalyst Fund也參加了這一輪。

優(yōu)步(Uber)的Ghahramani在一份聲明中表示，目前的加工硬件阻礙了替代機器學(xué)習(xí)方法的發(fā)展，他認為，這種方法可能有助于“機器智能的大幅飛躍”。

“過去幾年，深度神經(jīng)網(wǎng)絡(luò)讓我們?nèi)〉昧司薮蟮倪M步，但還有許多其他機器學(xué)習(xí)方法，”他說?！耙环N能夠支持替代技術(shù)并將其與深度神經(jīng)網(wǎng)絡(luò)相結(jié)合的新型硬件，將產(chǎn)生巨大影響。”

到目前為止，Graphcore已經(jīng)籌集了約6000萬美元資金--Toon稱，目前已有60名員工--盡管該公司的起源可追溯到2013年，但該公司已經(jīng)“認真”地開展了三年的業(yè)務(wù)。

公司創(chuàng)始人NigelToon（CEO，左）和SimonKnowles（CTO，右）。

2011年，聯(lián)合創(chuàng)始人將他們之前的公司Icera(為2G、3G和4G移動通信技術(shù)進行基帶處理)出售給了NVIDIA?！霸诔鍪勰羌夜竞?，我們開始思考這個問題和這個機會。我們開始與該領(lǐng)域的一些領(lǐng)先創(chuàng)新者進行交談，并開始在2013年前后組建一個團隊。“他解釋道。

Graphcore正在建造一個被它稱為“智能處理單元”的“議會聯(lián)盟”，它提供專門為機器學(xué)習(xí)任務(wù)設(shè)計的處理硬件，而不是迄今為止一直在幫助推動人工智能繁榮的新用途GPU的意外結(jié)果?；蛘邔嶋H上，大量的CPU在其他方面需要(但不是很適合)來進行這種密集的處理。

該公司還在構(gòu)建圖形框架軟件，用于與硬件(名為“楊樹”)進行接口，該軟件旨在與不同的機器學(xué)習(xí)框架相連接，使開發(fā)人員能夠輕松地進入一個系統(tǒng)。該公司聲稱，與“當(dāng)今最快的系統(tǒng)”相比，該系統(tǒng)將使機器學(xué)習(xí)培訓(xùn)和推理的性能提高10倍至100倍。

托恩說，它希望議會聯(lián)盟在今年年底之前掌握在“早期訪問客戶”手中?！斑@將是一種系統(tǒng)形式，”他補充道。

“雖然我們正在做的核心是制造一個處理器，我們正在構(gòu)建我們自己的芯片--領(lǐng)先的邊緣處理，16納米--我們實際上將把它作為一個系統(tǒng)解決方案來交付，所以我們將交付PCI快速卡，我們將把它放到一個底盤中，這樣你就可以把這些IPU的集群放在一起，讓人們更容易使用。

“到明年，我們將向更多的客戶推廣。并希望我們的技術(shù)也能進入一些更大的云環(huán)境，因此它可以為廣大開發(fā)人員所用?！?/p>

在討論其議會聯(lián)盟的設(shè)計與用于機器學(xué)習(xí)的GPU之間的區(qū)別時，他總結(jié)道：“GPU是一種剛性的，鎖在一起的，一切都在做著同樣的事情(…)。所有這些都是同時進行的，而我們有成千上萬的處理器都在做不同的事情，所有的處理器都在整個機器學(xué)習(xí)任務(wù)中一起工作。

“[通過ipu處理]引發(fā)…的挑戰(zhàn)實際上就是讓這些處理器協(xié)同工作，能夠共享它們之間需要共享的信息，安排處理器之間的信息交換，并創(chuàng)建一個便于人們編程的軟件環(huán)境，這正是復(fù)雜性所在，而這正是我們要解決的問題?！?/p>

他補充道：“我認為我們已經(jīng)找到了一些相當(dāng)優(yōu)雅的解決方案?！薄斑@正是引起人們對我們正在做的事情感興趣的原因?！?/p>

他說，Graphcore的團隊的目標(biāo)是在硬件之間建立“完全無縫”的接口--通過其圖形框架--以及廣泛使用的高級機器學(xué)習(xí)框架，包括TensorFlow、Caf 2、MxNet和PyTorch。

他指出：“使用相同的環(huán)境，編寫完全相同的模型，然后通過我們稱之為“白楊樹”（一個C框架）的方法給它喂食?！霸诖蠖鄶?shù)情況下，這將是完全無縫的?！?

盡管他證實，在當(dāng)前人工智能主流之外工作更多的開發(fā)人員--比如試圖創(chuàng)建新的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，或者使用決策樹或馬爾可夫字段等其他機器學(xué)習(xí)技術(shù)--可能需要進行一些手動修改，才能利用其IPU。

“在這些情況下，可能會有一些原語或需要修改的庫元素，”他指出?！拔覀兲峁┑膸於际情_放的，這樣他們就可以修改一些東西，為了自己的目的而改變它。”

Toon表示，科技行業(yè)對機器學(xué)習(xí)的需求似乎難以滿足--至少部分原因在于，需要從文字到圖片和視頻的數(shù)據(jù)類型發(fā)生了重大變化。這意味著越來越多的公司“真正需要機器學(xué)習(xí)”。他說：“這是他們了解自己網(wǎng)站上的非結(jié)構(gòu)化數(shù)據(jù)的唯一方法?！?/p>

除此之外，他還指出了各種新興技術(shù)和復(fù)雜的科學(xué)挑戰(zhàn)，人們希望人工智能的加速發(fā)展也能帶來好處--從自動駕駛汽車到具有更好醫(yī)療效果的藥物發(fā)現(xiàn)。

“許多癌癥藥物都具有很強的侵入性，并且有可怕的副作用，所以有各種各樣的領(lǐng)域，這項技術(shù)可以產(chǎn)生真正的影響，”他建議。“人們會看到這一點，并認為這將需要20年(人工智能技術(shù)的工作)，但如果你有正確的硬件可用[開發(fā)可以加快]。

看看谷歌翻譯利用機器學(xué)習(xí)的速度有多快，我認為同樣的加速也適用于這些非常有趣和重要的領(lǐng)域。”.

在一份支持聲明中，DeepMind的哈薩比斯還暗示，專用的人工智能處理硬件可能會為發(fā)展人工智能這一科幻圣杯目標(biāo)(相對于目前最前沿的更狹窄的認可機構(gòu))提供一條支撐點。

“建立具有一般人工智能能力的系統(tǒng)意味著開發(fā)能夠從原始數(shù)據(jù)中學(xué)習(xí)的算法，并在廣泛的任務(wù)中推廣這種學(xué)習(xí)。這需要大量的處理能力，而作為Graphcore處理器基礎(chǔ)的創(chuàng)新架構(gòu)有著巨大的希望。“他補充道。