2021年01月26日 | Graphcore和Cirrascale发布Graphcloud，加速云计算创新

Graphcore宣布其在帮助客户加速创新和大规模利用人工智能技术上，又迈出了新的一步。

Graphcore与Cirrascale Cloud Services（以下简称Cirrascale）携手，为云上人工智能带来全新内容：借助首个公开发行的、基于第二代IPU的IPU-POD（MK2 IPU-POD）横向扩展集群，不需要拥有和运营数据中心，我们提供了一种简单方法来实现来按需增加计算容量。

Graphcore认识到，人工智能技术为市场带来了巨大的机遇，同时也带来了一系列独特的计算挑战：模型的尺寸正在迅速增加，精度的标准也在不断提高。如果客户想要充分利用最新的创新，他们就需要一个紧密集成的、专门为人工智能构建的硬件和软件系统。

Graphcloud是一项安全可靠的IPU-POD系列云服务，让客户在从实验、概念验证和试点项目扩展到更大的生产系统时，能够获取Graphcore IPU的强大功能。

首发时，Graphcore提供两款可用产品。在未来数月，Graphcore将提供更大的横向扩展系统：

·   IPU-POD16：提供4 PetaFLOPS的人工智能计算（4个IPU-M2000，即16个Colossus MK2 GC200 IPU）

·   IPU-POD64：提供16 PetaFLOPS的人工智能计算（16个IPU-M2000，即64个Colossus MK2 GC200 IPU）

与最新的GPU系统相比，IPU-POD系统可降低训练总成本，并缩短解决时间。

Graphcloud系统实例已预装了Poplar和系统软件。示例代码和应用示例可在本地获得，并可用于那些在Graphcore基准测试中使用的先进模型，包括BERT和EfficientNet。用户还可以访问全面的文档，这些文档可帮助他们快速启用包括PyTorch和TensorFlow在内的多个框架。

总部位于英国的Healx是最早使用Graphcloud的Graphcore客户之一，该公司的人工智能药物研发平台正在寻找罕见疾病的新疗法。该公司在2019年人工智能大奖中获得“健康和医学领域的最佳AI应用奖”（Best Use of AI in Health and Medicine）。

Healx机器学习工程技术负责人Dan O’Donovan表示：“我们从2020年12月下旬开始在Graphcloud上使用IPU-POD16，将我们现有的MK1 IPU代码迁移到MK2系统上运行。这一过程毫无障碍，并且带来巨大的性能优势。为模型提供更多的存储意味着我们不再需要切分模型，而只需专注切分数据即可。这使得代码更为简单，模型训练更加高效。”

他还指出：“在与Graphcore的合作中，Graphcore始终为我们开放最新硬件、SDK和工具的访问权限。此外，我们还可以通过直接会议和支持服务部门与Graphcore的硬件和软件专业工程师持续进行对话沟通。”

对于Graphcloud的发布，Graphcore联合创始人兼CEO Nigel Toon表示：“无论用户是初次评估我们的硬件和Poplar软件栈，还是扩展人工智能计算资源，借助Graphcloud，启用IPU变得前所未有的简单。我们很高兴与Cirrascale合作，将Graphcloud推向世界。Graphcloud与我们的全球合作伙伴计划、内部销售和工程支持等重要组成部分，共同构成/构建了Graphcore全方位的产品与服务。”

Cirrascale CEO PJ Go表示：“Cirrascale对于与Graphcore的战略合作感到非常自豪，此次合作进一步推动了基于云的机器学习解决方案时代的发展，进而与财富500强公司一起进行全新的、大规模商业部署。”

Graphcore宣布学术计划，支持并加速人工智能创新

此外，Graphcore宣布启动Graphcore学术计划，进一步扩展该公司有关支持大学和其他机构探索人工智能新应用和新方法的长期承诺。

Graphcore学术计划旨在为世界各地有意在研究或教学工作中使用Graphcore系统的研究人员、项目负责人、教授、硕士生、博士生以及博士后们提供支持。

Graphcore学术计划的参与者将获得IPU计算系统的免费访问权限，包含搭载有8个C2 PCIe卡，即16个Colossus MK1 GC2 IPU的Dell DSS8440服务器。该计划的其他裨益还包括Graphcore内部研究人员和工程师提供的支持和定期随访。Graphcore可能还会提供经费申请方面的支持。

Graphcore会为下列领域中的项目和计划优先安排访问权限。但是，Graphcore也会考虑有关IPU创新应用的其他计划：

稀疏训练

有条件的稀疏计算

随机学习优化

用于深度学习和计算图网络的新型高效模型

小型计算图网络

平行计算的新方向

本地平行性

多模型训练

Graphcore联盟和战略伙伴总监Victoria Rege在宣布启动Graphcore学术计划时表示：“Graphcore的目标是帮助创新者在机器智能领域创造下一个突破。通过在创新的前沿为研究人员和项目负责人提供实质性支持，我们可以共同加速人工智能的发展，真正落实人工智能可以为人类带来的诸多益处。”

在启动Graphcore学术计划之前，IPU研究人员已经展示了一系列突破性的应用，以及与传统处理器系统（例如GPU和CPU）相比在计算工作负载上的大幅加速。

基于他们使用Graphcore IPU开展的研究工作，加州大学伯克利分校的研究人员与谷歌大脑团队成员一起发表了研究深度神经网络训练中的性能和效率方法报告。加州大学伯克利分校的Pieter Abbeel教授表示：“我们与Graphcore合作进行的具有本地更新的深度网络并行训练的研究工作表明，IPU截然不同的处理器架构能够帮助实现新的分布式计算和更大模型训练的方法。研究表明，Graphcore的技术不仅在吞吐量和时延等指标上提供数量上更优化的性能，还从根本上开启了新的方法，以应对那些可能会阻碍人工智能发展的计算挑战。”

伦敦帝国理工学院计算机视觉教授Andrew Davison的团队一直在使用Graphcore的IPU解决有关计算机视觉解释周遭世界的一些挑战。他们的研究工作展示了如何在IPU上使用高斯置信传播来解决捆绑调整的经典计算机视觉问题。他表示：“我带领的团队是第一批基于Graphcore IPU进行研究并发表研究成果的团队之一。这是一项在数量上和质量上都能够实现收益的技术。在我们的计算机视觉工作中，我们看到IPU的性能优于传统芯片架构。IPU也扩大了我们对该领域计算潜力的理解。”

布里斯托大学的研究人员使用Graphcore IPU开发新技术，用以管理CERN大型强子对撞机的实验数据。布里斯托大学物理学教授Jonas Rademacker表示：“我们研究了Graphcore IPU对粒子物理学中发现的几个计算问题的适用性，这些计算问题对于我们在CERN进行的LHCb实验的研究至关重要。我们所展示的功能和性能提升，表明了IPU独特架构的多功能性。此外，对于我们正在进行的、探索IPU处理粒子物理学中庞大且快速增长的数据集能力的研究工作来说，Graphcore对我们一直以来的支持至关重要。”