AI芯片创业公司们走到分岔口( 二 ) 距离2016年左右的AI芯片创业热

成为AI芯片领先者的三个关键
不难发现，想要实现AI芯片的大规模落地，减小AI芯片提供者和使用者之间的认知差是关键，这其中的关键又是软件和生态的建设。
但要成为AI芯片领域的领导者，卢涛认为有三个关键：预判+冒一点风险+一点运气。
“Graphcore在2016年成立时，只能追赶。对于新的领域，如果能提前预判，就可能在领域里具备领先性。 ”卢涛具体解释。
2016年，传统的机器视觉模型ResNet已经存在，这时候Graphcore需要追赶，作为追赶者需要做一些预判发现机会。 2020年， Graphcore关注到了Transformer技术，这种技术本来是用于自然语言处理的底层技术，但业界出现了用Transformer做计算视觉的趋势， Graphcore率先开始支持。
到2021年下半年，一些基于Transformer的视觉模型，比如ViT成为了热门。由于有提前的预判， Graphcore对于新的基于Transformer的视觉模型以及GNN都有很好的支持，很多创新和前沿的模型比GPU支持得更好。

文章图片
正是凭借着创新的IPU硬件和不断完善的Poplar软件生态， Graphcore在2021年有不少应用案例。在2021年下半年，安捷数科利用IPU进行气象预测、精准灌溉、防灾减灾。深势科技完成分子动力学模拟软件DeePMD-kit向IPU硬件的迁移，探索基于分子动力学模拟的科学计算、药物设计、材料设计和新型能源等场景。
在金融保险领域，牛津-英仕曼用IPU进行股价预测；Tractable与Graphcore达成合作，加速事故和灾害恢复。电信方面， Graphcore与韩国电信合作发布了IPU云。在城市环境可持续发展领域，升哲科技基于IPU进行城市相关可持续发展方面的应用。在医疗、生命科学领域， Graphcore与斯坦福大学医学院合作，使用IPU以“医疗+隐私计算”为核心方向进行了一些研究和探索。
他也同时透露， 2022年， Graphcore会有一些和国内公有云厂商的IPU产品发布，也会有新的硬件产品的发布。 Graphcore也会在一些相关的AI应用领域中会进一步加深合作，比如AI辅助科研、自动驾驶等是他们2022年在AI应用或垂直领域中比较重要的方向。
值得一提的是， Graphcore的IPU与CPU的硬件解耦，有助于IPU更好的拓展市场。比如在BERT训练中， Graphcore采用一台2颗CPU的服务器和64颗IPU ，比例为1：32 ，在计算机视觉模型中的比例则基本为1：8 。但如果是英伟达或者英特尔的系统，无论何种场景和模型，都会有一个固定的CPU和GPU比例，比如1：4或1：2 。

文章图片
写在最后
AI芯片的竞争最终依旧会演变为生态、商业的竞争。在AI芯片的早期阶段，虽然参与者众多，但各自都在团队组建和产品开发的阶段， AI芯片公司间并没有真正的竞争关系。随着AI芯片的发布，以及落地的推进， AI芯片公司之间的竞争才真正开始。
当越来越多的领域和客户开始关注AI的规模应用和落地时，自然会加剧AI芯片公司之间的竞争，这时候，已经不再单纯比拼硬件性能，软件和生态才更能打动最终用户。
2022年，我们将看到AI芯片公司间的竞争日趋激烈，我们也将慢慢看到AI芯片公司们真正的实力。雷峰网