AI芯片制造商Graphcore会出去吃Nvidia的午餐吗？联合创始人兼首席执行官奈杰尔·托恩(Nigel Toon)在接受采访时笑了笑--或许是因为他早在2011年就把前一家公司卖给了这家芯片

“我相信NVIDIA也会成功的，”他冒险说。“他们在这个市场上已经非常成功了，…作为一个可行的竞争者，站在他们身边，我认为这对我们自己来说是一个值得追求的目标。“

托恩还表示，他在竞争格局中表现出“有趣的缺阵”，与其他主要玩家相比，“你希望能在那里”，比如英特尔(Intel)。(不过，英特尔显然是在花钱填补这一缺口。)

Gartner最近的一份报告显示，到2020年，人工智能技术将在几乎所有软件产品中使用。用于支持机器学习软件海啸的更强大的硬件引擎的竞赛是非常清楚的。

“我们比许多其他公司更早开始了这一旅程，”Toon说。“我们可能还有两年的时间，所以我们肯定有机会成为第一批为这个应用程序设计解决方案的人之一。”因为我们领先了，所以我们从一些关键的创新者那里得到了兴奋和兴趣，他们给了我们正确的反馈。“

总部位于英国布里斯托尔的Graphcore刚刚结束了一轮以Atomico为首的价值3000万美元的B系列，此前它在2016年10月推出了3200万美元的A系列。它正在为机器学习开发人员构建专用处理硬件和软件框架，以加速构建自己的人工智能应用程序--其明确目标是成为“机器智能处理器”市场的领导者。

在一份支持声明中，Atom的合作伙伴SirajKhaliq，谁加入了石墨核心委员会，讨论它的潜力是“加快创新本身的步伐”。他补充说：“Graphcore的第一个议会联盟比最新的行业产品提供了一个到两个数量级的性能，使得开发新的模型成为可能，而等待算法完成运行的时间要少得多。”

Toon说，在去年10月A系列的时候，该公司看到了很多投资者的兴趣--因此它决定“比计划的更早”做B系列。他对TechCrunch说：“这将使我们能够更快地扩大公司规模，支持更多的客户，并更快地发展。”“而且它仍然给了我们明年筹集更多资金的选择，在我们把产品拿出来之后，这样才能真正加快增长速度。”

新的融资带来了一些新的备受瞩目的天使投资者--包括DeepMind的联合创始人德米斯哈萨比斯和优步首席科学家Zoubin Ghahramani。因此，你可以大胆猜测一下，在其人工智能处理系统的开发阶段，Graphcore可能会与哪些科技巨头密切合作(不过Toon很快就强调，哈萨比斯这样的天使正在投资于个人能力)。

他补充道：“我们不能就谷歌可能做的事情发表任何声明。”“我们还没有公布任何客户，但我们显然正在与这里的一些领先企业合作--而且我们得到了这些人的支持，你可以推断，我们正在做的事情有很大的兴趣。”

其他加入B系列的天使包括OpenAI的GregBrockman，IlyaSutskever，PieterAbbel和Scott Gray。现有的Graphcore投资者Amadeus Capital Partners，Robert BoschVenture，C4Ventures，DellTechnologiesCapital，Draper Esprit，FoundationCapital，Pitango和SamsungCatalyst Fund也参加了这一轮。

优步(Uber)的Ghahramani在一份声明中表示，目前的加工硬件阻碍了替代机器学习方法的发展，他认为，这种方法可能有助于“机器智能的大幅飞跃”。

“过去几年，深度神经网络让我们取得了巨大的进步，但还有许多其他机器学习方法，”他说。“一种能够支持替代技术并将其与深度神经网络相结合的新型硬件，将产生巨大影响。”

到目前为止，Graphcore已经筹集了约6000万美元资金--Toon称，目前已有60名员工--尽管该公司的起源可追溯到2013年，但该公司已经“认真”地开展了三年的业务。

公司创始人NigelToon（CEO，左）和SimonKnowles（CTO，右）。

2011年，联合创始人将他们之前的公司Icera(为2G、3G和4G移动通信技术进行基带处理)出售给了NVIDIA。“在出售那家公司后，我们开始思考这个问题和这个机会。我们开始与该领域的一些领先创新者进行交谈，并开始在2013年前后组建一个团队。“他解释道。

Graphcore正在建造一个被它称为“智能处理单元”的“议会联盟”，它提供专门为机器学习任务设计的处理硬件，而不是迄今为止一直在帮助推动人工智能繁荣的新用途GPU的意外结果。或者实际上，大量的CPU在其他方面需要(但不是很适合)来进行这种密集的处理。

该公司还在构建图形框架软件，用于与硬件(名为“杨树”)进行接口，该软件旨在与不同的机器学习框架相连接，使开发人员能够轻松地进入一个系统。该公司声称，与“当今最快的系统”相比，该系统将使机器学习培训和推理的性能提高10倍至100倍。

托恩说，它希望议会联盟在今年年底之前掌握在“早期访问客户”手中。“这将是一种系统形式，”他补充道。

“虽然我们正在做的核心是制造一个处理器，我们正在构建我们自己的芯片--领先的边缘处理，16纳米--我们实际上将把它作为一个系统解决方案来交付，所以我们将交付PCI快速卡，我们将把它放到一个底盘中，这样你就可以把这些IPU的集群放在一起，让人们更容易使用。

“到明年，我们将向更多的客户推广。并希望我们的技术也能进入一些更大的云环境，因此它可以为广大开发人员所用。“

在讨论其议会联盟的设计与用于机器学习的GPU之间的区别时，他总结道：“GPU是一种刚性的，锁在一起的，一切都在做着同样的事情(…)。所有这些都是同时进行的，而我们有成千上万的处理器都在做不同的事情，所有的处理器都在整个机器学习任务中一起工作。

“[通过ipu处理]引发…的挑战实际上就是让这些处理器协同工作，能够共享它们之间需要共享的信息，安排处理器之间的信息交换，并创建一个便于人们编程的软件环境，这正是复杂性所在，而这正是我们要解决的问题。“

他补充道：“我认为我们已经找到了一些相当优雅的解决方案。”“这正是引起人们对我们正在做的事情感兴趣的原因。”

他说，Graphcore的团队的目标是在硬件之间建立“完全无缝”的接口--通过其图形框架--以及广泛使用的高级机器学习框架，包括TensorFlow、Caf 2、MxNet和PyTorch。

他指出：“使用相同的环境，编写完全相同的模型，然后通过我们称之为“白杨树”（一个C框架）的方法给它喂食。“在大多数情况下，这将是完全无缝的。”.

尽管他证实，在当前人工智能主流之外工作更多的开发人员--比如试图创建新的神经网络结构，或者使用决策树或马尔可夫字段等其他机器学习技术--可能需要进行一些手动修改，才能利用其IPU。

“在这些情况下，可能会有一些原语或需要修改的库元素，”他指出。“我们提供的库都是开放的，这样他们就可以修改一些东西，为了自己的目的而改变它。”

Toon表示，科技行业对机器学习的需求似乎难以满足--至少部分原因在于，需要从文字到图片和视频的数据类型发生了重大变化。这意味着越来越多的公司“真正需要机器学习”。他说：“这是他们了解自己网站上的非结构化数据的唯一方法。”

除此之外，他还指出了各种新兴技术和复杂的科学挑战，人们希望人工智能的加速发展也能带来好处--从自动驾驶汽车到具有更好医疗效果的药物发现。

“许多癌症药物都具有很强的侵入性，并且有可怕的副作用，所以有各种各样的领域，这项技术可以产生真正的影响，”他建议。“人们会看到这一点，并认为这将需要20年(人工智能技术的工作)，但如果你有正确的硬件可用[开发可以加快]。

看看谷歌翻译利用机器学习的速度有多快，我认为同样的加速也适用于这些非常有趣和重要的领域。”.

在一份支持声明中，DeepMind的哈萨比斯还暗示，专用的人工智能处理硬件可能会为发展人工智能这一科幻圣杯目标(相对于目前最前沿的更狭窄的认可机构)提供一条支撑点。

“建立具有一般人工智能能力的系统意味着开发能够从原始数据中学习的算法，并在广泛的任务中推广这种学习。这需要大量的处理能力，而作为Graphcore处理器基础的创新架构有着巨大的希望。“他补充道。