迎 九 （《電子產品世界》 北京，100036）

　　摘 要：英國半導體之父、Arm的聯合創始人Hermann爵士稱：“在計算機歷史上發生過3次革命，第1次是70年代的CPU，第2次是90年代的GPU，而Graphcore公司帶來了第3次革命。”Graphcore推出了為AI計算而生的IPU。Graphcore高級副總裁兼中國區總經理盧濤先生和中國銷售總監朱江，向電子產品世界等媒體介紹了IPU的架構。

　　0 引言

　　Graphcore總部在英國，目前全球有450名員工。公司已獲大量投資，截止到2020年6月，總融資超過4.5億美元。

　　Graphcore主要產品是IPU。Graphcore認為，由于CPU和GPU不是為了滿足機器學習的計算需求而設計，因此盡管進化，創新者卻開始因硬件阻礙而倒退。而Graphcore創建了一種全新的處理器，是第一個專為機器學習工作負載而設計的處理器——智能處理器（IPU）。

　　1 IPU的兩大特點

　　Graphcore現有的IPU的表現及下一代的模型上，性能領先于GPU：在自然語言處理方面的速度能夠提升20%~50%；在圖像分類方面，能夠有6倍的吞吐量而且是更低的時延；在一些金融模型方面的訓練速度能夠提高26倍以上。目前，IPU在一些云上、客戶自建的數據中心服務器上已經可用。

　　相比GPU及其他與GPU類似的處理器架構，IPU有2個亮點設計。

　　1）從大規模并行的角度來看，CPU在控制方面做了很多非常通用化的處理器，也就是一個標量的處理器；GPU是向量處理器，有單指令、多數據的特點，適合處理大規模的、稠密的數據，在某一類的AI運算里會有非常明顯的優勢，這也是現在GPU在市場上表現得非常好的原因；而IPU是一種全新的架構設計，是一種圖形的處理器，具備多指令、多數據的特點。除了稠密的數據之外，現在代表整個AI發展方向的大規模稀疏化的數據，在IPU上處理就會有非常明顯的優勢。

　　2）IPU采用的大規模分布式的片上SRAM的架構，這與GPU、CPU是完全不同的。Graphcore IPU拋棄了外部的DDR，把所有memory放到片上，因此能夠解決在目前機器學習中大量出現的內存帶寬構成的瓶頸。

　　在場景應用方面，由于采用了分組卷積這種新型的卷積，和目前比較傳統的ResNet相比，可以有更好的精度表現。但這樣的分組卷積因為數據不夠稠密，在GPU上可能效果并不好，而IPU可以把這樣的模型真正落地使用，尤其是在一些垂直行業，諸如金融領域提升應用的性能。

　　Graphcore所做的產品包括了硬件、軟件和IPU的系統解決方案。

　　2 為AI應用打造的IPU

　　機器智能代表的是全新的計算負載，特點是非常大規模的并行計算，和非常稀疏的數據結構。AI或機器智能相較于傳統的科學計算或者高性能計算（HPC）有個特點，就是低精度計算；另外像在做訓練推理過程中的數據參數復用、靜態圖結構都是AI應用代表的一些全新的計算負載。

　　從2016年至今，整個AI算法模型發展基本上從2016年1月的ResNet50的2 500萬個參數，到2018年10月BERT-Large的3.3億個參數，2019年GPT2的15.5億個參數，呈大幅增長的趨勢。甚至現在有一些領先的科研機構和AI研究者在探索更大的算法模型，希望用一些復雜的模型能夠訓練更復雜的算法，并提高精度。

　　但是現在的密集計算并不是可持續的，因為譬如要從15.5億規模擴展到1萬億，計算方面的提高是指數級，即數倍算力的提升，這就需要一種全新的方法來做AI計算。

　　但是在當前，機器學習采用的還是傳統處理器架構，例如CPU，目前還是有很多AI負載架構在CPU之上。CPU實際是針對應用和網絡進行設計的處理器，是標量處理器（表1）。

　　后來出現的GPU是針對圖形和高性能計算，以向量處理為核心的處理器，從2016年到現在被廣泛應用在AI里。

　　但AI是一種全新的應用架構，它底層表征是以計算圖作為表征的，所以可能需要一種全新的處理器架構，而Graphcore IPU就是針對計算圖的處理來設計的處理器。

　　提到摩爾定律和算力，處理器現在是1個teraflops（每秒1萬億次浮點運算）、10個teraflops甚至100個teraflops，算力提升非常快。但人們發現，有效的算力其實遠遠達不到算力的峰值，中間內存的帶寬是非常限制性能的。

　　例如，處理器算力提高了10倍，內存怎樣提高10倍吞吐量呢？如果用傳統的DDR4、DDR5、HBM、HBM1、HBM2、HBM3內存等，基本上每代只能有30%、40%的提升。

　　所以在Graphcore做IPU的時候，在這部分做了一個特別的設計：與傳統的CPU、GPU比較起來，IPU用了大規模并行MIMD的處理器核，另外做了非常大的分布式的片上的SRAM，在片內能做到300 MB的SRAM，相對CPU的DDR2的子系統，或相對于GPU的GDDR、HBM，IPU能夠做到10~320倍的性能提升。從時延的角度來看，與訪問外存相比較，時延只有1%，可以忽略不計。

　　再從整體上看一下IPU處理器，目前已經量產的是GC2處理器，是16 nm TSMC的工藝。該處理器目前片內有1 216個IPU-Tiles，每個Tile里有獨立的IPU核作為計算及In-Processor-Memory（處理器之內的內存）。所以整個GC2共有7 296個線程，能夠支持7 296個程序做并行計算。對整片來說，In-Processor-Memory總共是300 MB。所以IPU的整個思想是所有的模型要被放在片內處理。PCIe也是16個PCIeGen 4。

　　所以，IPU GC2是非常復雜的擁有236億個晶體管的芯片處理器，在120 W的功耗下有125 TFlops的混合精度、1 216個獨立的處理器核心（Tile）、300 M的SRAM能夠把完整的模型放在片內，另外內存的帶寬有45 TB/s、片上的交換是8 TB/s，片間的IPU-Links是2.5 Tbps。

　　由于IPU GC2有1 216個核心（Tile）、7 000多個線程，所以解決并行硬件的高效編程問題是一個非常大的課題。Graphcore采用構建大規模數據中心集群的BSP技術（Bulk Synchronous Parallel，大容量同步并行），這種技術目前在谷歌、Facebook、百度這樣的大規模數據中心都在使用。

　　因此，IPU是業界首款BSP處理器，通過硬件能支持BSP協議，并通過BSP協議把整個計算邏輯分成計算、同步、交換。對軟件工程師或開發者，這就是非常易于編程的，因為這樣就不用處理locks這個概念。對用戶來說，也不用管其中是1 216個核心（Tile）還是7 000多個線程、任務具體在哪個核上執行，所以這是一個非常用戶友好的創新。

　　（注：本文來源于科技期刊《電子產品世界》2020年第07期第59頁，歡迎您寫論文時引用，并注明出處。）