AI تراشه راه اندازی Graphcore وارد سیستم کسب و کار ادعا اقتصاد بسیار بهتر از Nvidia

در آنچه به نظر می رسد روند در دنیای هوش مصنوعی سخت افزار و نرم افزار AI طراح تراشه Graphcore صبح روز چهارشنبه گفت که آخرین آن بسیار بزرگ تراشه برای AI فروخته خواهد شد در چهار تراشه کامپیوتر سرور است که نشسته است در یک قفسه قرار دادن Graphcore به گسترش بازار به صورت اختصاصی AI سرور کامپیوتر.

Graphcore مستقر در بریستول انگلستان است که با دریافت بیش از 300 میلیون دلار در سرمایه گذاری, پرده برداری از آنچه در آن خواستار Mk2 GC200 و یا علامت-2 به عنوان شرکت اشاره به آن را آن آخرین پردازنده اختصاص داده شده به دست زدن به دستگاه آموزش عملیات از شبکه های عصبی. همچنین گفت که از آن آغاز خواهد شد فروش چهار تراشه های کامپیوتری به نام M2000 که قرار دارد در یک استاندارد 1U پیتزا جعبه شاسی.

"این واقعا چیزی است که ما روی آن کار کرده ایم پس ما شروع به شرکت" نایجل تن, مدیر اجرایی Graphcore گفته ZDNet در مصاحبه ای از طریق زوم.

ساختمان کامپیوتر خود را یک خروج برای Graphcore از آن موجود مدل کسب و کار به موجب آن این شرکت به فروش می رساند یک پلاگین در PCIe برای کارت است که به معنای زنده داخل کس دیگری را در کامپیوتر سرور. قبلا Graphcore با همکاری Dell برای توسعه سیستم از کسانی که کارت.

اما این افزایش نیاز به خوشه ماشین آلات بدان معنی است که کسی تا به حال به حل پوسته پوسته شدن از تراشه های به بسیار بزرگ سیستم گفت: تن.

"مهم این است که شما می دانید که مردم می خواهند به انجام این کار واقعا بزرگ مدل" گفت: تن با اشاره به شبکه عصبی مدل های کامپیوتری در هوش مصنوعی است. به طور فزاینده ای برنامه ها از گوگل و دیگران هستند و بنابراین محاسبه فشرده است که آنها می تواند نیاز به ده ها یا صدها نفر از تراشه های کار در موازی. تن قبلا گفته ZDNet اين مدل بهتر و مناسب توسط Graphcore رویکرد به پردازش.

همچنین: AI در حال تغییر است تمام ماهیت محاسبه

"آنها می خواهند به ساخت این سیستم های کامپیوتری و آنها می خواهند برای آموزش واقعا سریع و بنابراین آنچه که ما در حال انجام در اینجا این است که ما در حال ساخت بیشتر کارآمد رایانه است."

"شما می خواهید می شود قادر به مقیاس سیستم به طوری که شما چگونه اتصال این جعبه با هم ؟" او پرسید: فصاحت. "شما نیاز به یک سرور اختصاصی AI [شبکه] پارچه, پس ما رو که در این ایپو ماشین."

Graphcore را محوری برای سیستم پژواک حرکت توسط چندین تراشه فروشندگان AI سیلیکون در سال گذشته یا بیشتر.

Nvidia, نیروی غالب در AI تراشه ممکن است در صحبت کردن خود DGX100 سرور در حال اجرا متعدد A100 پردازنده های طراحی شده برای هوش مصنوعی با تاکید بر پیچیدگی آن سیستم های مهندسی به عنوان مندرج در آن مادربرد. راه اندازی Cerebras سیستم های پاییز گذشته پرده برداری از یک سیستم است که شبیه به یک سوپر کامپیوتر در جعبه ای به اندازه یک خوابگاه,,,, یخچال, در حال اجرا, بزرگترین تراشه. رودریگو لیانگ رئیس AI راه اندازی SambaNova بیان شده در حال ظهور جهان بینی زمانی که او گفته ZDNet در اوایل سال جاری "شما باید برای ساخت کل سیستم."

در قلب Graphcore کامپیوتر است Mk2 GC200 پردازنده تراشه است که حتی بزرگتر از آن در حال حاضر غول پیکر Mk1 این شرکت اولین محصول. این شرکت نقل مکان کرد و از 16 نانومتری روند تکنولوژی در تایوان نیمه هادی در 7 نانومتر روند و در نتیجه 59.4 میلیارد ترانزیستور می میرند اندازه گیری 823 مربع میلی متر است. که بیش از دو برابر 23.6 میلیارد ترانزیستور در Mk1 اما تنها کمی بزرگتر از Mk1 815 میلی متر مربع.

پردازنده فردی محاسبات هسته که crunch اعداد در موازات افزایش در تعداد به 1,472 از 1,280 و سریع بر روی تراشه حافظه SRAM شده است سه برابر شده و به 900 مگابایت. این تراشه می تواند انجام دهد معادل آن در حال اجرا 9,000 برنامه های جداگانه ای در موازی تن اشاره کرد.

همه که عملکرد برخی فوری بزرگ با سرعت یو پی اس مانند یک 9.3-بار افزایش سرعت در آموزش برت-بزرگ زبان طبیعی شبکه عصبی از گوگل.

مقایسه مستقیم در عملکرد با کارت گرافیک Nvidia هنوز در دسترس فوری ترین دلیل بودن Graphcore هنوز به آن دست Nvidia DGX A100 به اجرا در برابر چند تن گفت: آن را در نظر دارد به معیار به طور مستقیم در ماه های آینده.

اما تن ساخته شده است که قدرت خام و اتصال باعث می شود M2000 بسیار بیشتر مقرون به صرفه در خرید ماشین. پایه 4-راه سرور هزینه $32,450. خرید هشت دستگاه در $259,600 بازده مشخصات که حداقل بر روی کاغذ به مراتب بالاتر از آنچه که یکی می توانید با خرید 8 DGX ماشین آلات در مقایسه با قیمت $199,000: دو petaflops از محاسبه قادر به دست زدن به 32 بیتی با ممیز شناور با دقت ریاضی در مقابل تنها 156 teraflops برای DGX; 3.6 ترابایت حافظه در مقابل 320 گیگابایت در DGX.

"به همان نوع از توان شما می خواهم نیاز به صرف سه میلیون دلار در انویدیا کیت در مقابل کمتر از 300.000 دلار در ایپو ماشین آلات" گفت: تن.

این ایده می شود انجام دورتر با مونتاژ دستگاه های متعدد به یک خوشه گفت: تن. شانزده از چهار تراشه سرور وصل می شود در کابینه شرکت تماس غلاف-64 در مجموع از 64 تراشه. و 1,024 از آن غلاف را می توان شبکه با هم در مجموع 64,000 پردازنده های مشغول به کار در موازی. که اجازه می دهد تا برای یک مجموع از 16 exaflops از محاسبه و 3.2 petabits در هر ثانیه از پهنای باند.

با خوشه سیستم های حجم کار می تواند به صورت پویا اختصاص داده شده توسط Graphcore نرم افزار برای هر یک از کسانی که 64,000 پردازنده به طوری که ترکیبی از پردازنده های مشغول به کار در شغل های مختلف می توانید در طول روز.

"شاید شما در حال انجام استنتاج در طول روز و سپس شما در حال بازآموزی مدل های خود را در شب" ارائه شده تون. "یا شاید شما یک گروه هستند که یک تیم تحقیقاتی و سپس آنها را تغییر دهید به برخی از مدل های مختلف که نیاز به تنظیمات مختلف از IPUs متصل به طوری که آن را ایجاد یک به طور کامل بدون درز configuration."

همچنین: "این اساسی': Graphcore مدیر عامل شرکت معتقد است نوع جدیدی از هوش مصنوعی ثابت خواهد کرد که ارزش یک نوع جدید از کامپیوتر

برای فعال کردن خوشه بندی شرکت اختراع خود را خوشه اتصال تکنولوژی به نام "ایپو-پارچه." تکنولوژی یا به عنوان یک ارتباط مستقیم بین M2000s و یا از طریق اترنت پشتیبانی از پهنای باند بالا به 2.8 terabits در هر ثانیه در چه کشورهای شرکت است که زمان تاخیر کم. این شرکت می گوید ایپو-پارچه بهینه سازی شده است برای انجام عملیات مانند همه-کاهش و اطلاعات دیگر جنبش نیاز به پشتیبانی AI حجم کار در سراسر دستگاه های متعدد.

تن در زمان این فرصت را به بهم زدن سرگرم کننده در Nvidia که در مارس بسته بر 7 میلیارد دلار کسب Mellanox فن آوری به منظور دریافت با سرعت بالا ارتباطات برای آن DGX سیستم.

"ما تا به حال این تیم از 100 نفر مشغول به کار در اسلو برای بیش از سه سال در حال حاضر ساختمان این چیزی که از ابتدا به صورت AI و Nvidia رفته و صرف هفت میلیارد دلار برای خرید Mellanox فقط به نگه دارید تا با ما, شاید."

گذشته از مزایای پوسته پوسته شدن تن گفت: سرور ارائه خواهد حذف نیاز به دیگران برای ساخت سفارشی سرور است که در یک فرآیند گران قیمت برای تولید کنندگان تجهیزات اصلی مانند Dell. "آنچه ما در حال انجام است و ما در حال گفت, نگاه, شما می توانید با استفاده از سرور هایی که مشتریان خود را در حال حاضر می خواهید برای رفتن و خرید."

"شما فقط پلاگین ما ایپو دستگاه در قفسه در کنار آن قرار داده و در عنوان بسیاری از شما نیاز دارید و شما به اضافه هوش مصنوعی پردازش به سیستم خود را." مشابه استدلال ساخته شده توسط Nvidia مدیر عامل جنسن هوانگ در معرفی DGX دستگاه در ماه ژوئن کاهش بار Nvidia سخت افزار همکاران.

پرسیده شده توسط ZDNet چه در مورد شرکت های بزرگ که فقط می خواهید برای خرید کارت گرافیک pci express تن اشاره کرد که در واقع اکثر مشتریان نمی مبادله کارت های قدیمی برای آنهایی که جدید به دلیل کارت های جدید نیاز به قدرت بیشتری نسبت به تحویل داده شد که کارت های قدیمی. از این رو درخواست تجدید نظر از یک کارت در مقابل یک جعبه بسته است و کمتر از آن به نظر می رسد.

"آنچه ما در حال انجام در اینجا این است که ما به مردم یک پلت فرم از طریق مدیریت سیستم به طوری که شما فقط می توانید تغییر دهید و تنظیم قدرت به شما این کارایی که شما نیاز دارید بر روی جعبه."

همچنین: Nvidia آمپر به علاوه در جهان پیچیده ترین مادربرد خواهد سوخت عظیم مدل های هوش مصنوعی

Graphcore اتحاد داخلی توسعه PCIe برای کارت تن اشاره کرد و "ما می توانیم و ساخت آن محصول" او گفت:. "ما به دنبال در آن ما می توانید بروید پایین که مسیر" گفت: تن. "من فکر می کنم در این نقطه ما فکر می کنیم وجود دارد بسیاری از مزایای در ایپو ماشین," او گفت: "اگر مشتریان واقعا به نوبه خود در اطراف و می گویند هیچ هیچ, ما فقط می خواهید یک کارت به پلاگین در, پس از آن ما می تواند به نوبه خود در آن است."

در حال حاضر بررسی های اولیه به نظر می رسد نسبتا مشتاق. Graphcore ارائه شده به نقل از مشتریان برای M2000 از جمله پروفسور اندرو بریگز گروه از مواد در دانشگاه آکسفورد است که با استفاده از این دستگاه برای سرعت بخشیدن به محاسبات کوانتومی کار می کنند. او گفت: بخش "فوق العاده هیجان زده" در مورد فن آوری های جدید و چگونه آن را "سوق دادن ما بیشتر و سریع تر به آینده از محاسبات کوانتومی."

مشابه اظهارات درخشان آمد از لورنس برکلی و آزمایشگاه ملی, Oxford Nanopore و چینی AI شرکت EspresoMedia. Graphcore گفت: JP Morgan Chase گفت: این ارزیابی سیستم به "ببینید اگر ما راه حل می تواند سرعت بخشیدن به پیشرفت در هوش مصنوعی به طور خاص در ان و گفتار عرصه است."