IPU：為AI處理器帶來了一種顛覆 性架構(gòu)

　　迎 九 （《電子產(chǎn)品世界》 北京，100036）

　　摘 要：英國(guó)半導(dǎo)體之父、Arm的聯(lián)合創(chuàng)始人Hermann爵士稱：“在計(jì)算機(jī)歷史上發(fā)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(jì)算而生的IPU。Graphcore高級(jí)副總裁兼中國(guó)區(qū)總經(jīng)理盧濤先生和中國(guó)銷售總監(jiān)朱江，向電子產(chǎn)品世界等媒體介紹了IPU的架構(gòu)。

　　0 引言

　　Graphcore總部在英國(guó)，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?cè)谫Y超過4.5億美元。

　　Graphcore主要產(chǎn)品是IPU。Graphcore認(rèn)為，由于CPU和GPU不是為了滿足機(jī)器學(xué)習(xí)的計(jì)算需求而設(shè)計(jì)，因此盡管進(jìn)化，創(chuàng)新者卻開始因硬件阻礙而倒退。而Graphcore創(chuàng)建了一種全新的處理器，是第一個(gè)專為機(jī)器學(xué)習(xí)工作負(fù)載而設(shè)計(jì)的處理器——智能處理器（IPU）。

　　1 IPU的兩大特點(diǎn)

　　Graphcore現(xiàn)有的IPU的表現(xiàn)及下一代的模型上，性能領(lǐng)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(shí)延；在一些金融模型方面的訓(xùn)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(shù)據(jù)中心服務(wù)器上已經(jīng)可用。

　　相比GPU及其他與GPU類似的處理器架構(gòu)，IPU有2個(gè)亮點(diǎn)設(shè)計(jì)。

　　1）從大規(guī)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(gè)標(biāo)量的處理器；GPU是向量處理器，有單指令、多數(shù)據(jù)的特點(diǎn)，適合處理大規(guī)模的、稠密的數(shù)據(jù)，在某一類的AI運(yùn)算里會(huì)有非常明顯的優(yōu)勢(shì)，這也是現(xiàn)在GPU在市場(chǎng)上表現(xiàn)得非常好的原因；而IPU是一種全新的架構(gòu)設(shè)計(jì)，是一種圖形的處理器，具備多指令、多數(shù)據(jù)的特點(diǎn)。除了稠密的數(shù)據(jù)之外，現(xiàn)在代表整個(gè)AI發(fā)展方向的大規(guī)模稀疏化的數(shù)據(jù)，在IPU上處理就會(huì)有非常明顯的優(yōu)勢(shì)。

　　2）IPU采用的大規(guī)模分布式的片上SRAM的架構(gòu)，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(jī)器學(xué)習(xí)中大量出現(xiàn)的內(nèi)存帶寬構(gòu)成的瓶頸。

　　在場(chǎng)景應(yīng)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(tǒng)的ResNet相比，可以有更好的精度表現(xiàn)。但這樣的分組卷積因?yàn)閿?shù)據(jù)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(yè)，諸如金融領(lǐng)域提升應(yīng)用的性能。

　　Graphcore所做的產(chǎn)品包括了硬件、軟件和IPU的系統(tǒng)解決方案。

　　2 為AI應(yīng)用打造的IPU

　　機(jī)器智能代表的是全新的計(jì)算負(fù)載，特點(diǎn)是非常大規(guī)模的并行計(jì)算，和非常稀疏的數(shù)據(jù)結(jié)構(gòu)。AI或機(jī)器智能相較于傳統(tǒng)的科學(xué)計(jì)算或者高性能計(jì)算（HPC）有個(gè)特點(diǎn)，就是低精度計(jì)算；另外像在做訓(xùn)練推理過程中的數(shù)據(jù)參數(shù)復(fù)用、靜態(tài)圖結(jié)構(gòu)都是AI應(yīng)用代表的一些全新的計(jì)算負(fù)載。

　　從2016年至今，整個(gè)AI算法模型發(fā)展基本上從2016年1月的ResNet50的2 500萬個(gè)參數(shù)，到2018年10月BERT-Large的3.3億個(gè)參數(shù)，2019年GPT2的15.5億個(gè)參數(shù)，呈大幅增長(zhǎng)的趨勢(shì)。甚至現(xiàn)在有一些領(lǐng)先的科研機(jī)構(gòu)和AI研究者在探索更大的算法模型，希望用一些復(fù)雜的模型能夠訓(xùn)練更復(fù)雜的算法，并提高精度。

　　但是現(xiàn)在的密集計(jì)算并不是可持續(xù)的，因?yàn)槠┤缫獜?5.5億規(guī)模擴(kuò)展到1萬億，計(jì)算方面的提高是指數(shù)級(jí)，即數(shù)倍算力的提升，這就需要一種全新的方法來做AI計(jì)算。

　　但是在當(dāng)前，機(jī)器學(xué)習(xí)采用的還是傳統(tǒng)處理器架構(gòu)，例如CPU，目前還是有很多AI負(fù)載架構(gòu)在CPU之上。CPU實(shí)際是針對(duì)應(yīng)用和網(wǎng)絡(luò)進(jìn)行設(shè)計(jì)的處理器，是標(biāo)量處理器（表1）。

　　后來出現(xiàn)的GPU是針對(duì)圖形和高性能計(jì)算，以向量處理為核心的處理器，從2016年到現(xiàn)在被廣泛應(yīng)用在AI里。

　　但AI是一種全新的應(yīng)用架構(gòu)，它底層表征是以計(jì)算圖作為表征的，所以可能需要一種全新的處理器架構(gòu)，而Graphcore IPU就是針對(duì)計(jì)算圖的處理來設(shè)計(jì)的處理器。

　　提到摩爾定律和算力，處理器現(xiàn)在是1個(gè)teraflops（每秒1萬億次浮點(diǎn)運(yùn)算）、10個(gè)teraflops甚至100個(gè)teraflops，算力提升非?？臁５藗儼l(fā)現(xiàn)，有效的算力其實(shí)遠(yuǎn)遠(yuǎn)達(dá)不到算力的峰值，中間內(nèi)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(nèi)存怎樣提高10倍吞吐量呢？如果用傳統(tǒng)的DDR4、DDR5、HBM、HBM1、HBM2、HBM3內(nèi)存等，基本上每代只能有30%、40%的提升。

　　所以在Graphcore做IPU的時(shí)候，在這部分做了一個(gè)特別的設(shè)計(jì)：與傳統(tǒng)的CPU、GPU比較起來，IPU用了大規(guī)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(nèi)能做到300 MB的SRAM，相對(duì)CPU的DDR2的子系統(tǒng)，或相對(duì)于GPU的GDDR、HBM，IPU能夠做到10~320倍的性能提升。從時(shí)延的角度來看，與訪問外存相比較，時(shí)延只有1%，可以忽略不計(jì)。

　　再從整體上看一下IPU處理器，目前已經(jīng)量產(chǎn)的是GC2處理器，是16 nm TSMC的工藝。該處理器目前片內(nèi)有1 216個(gè)IPU-Tiles，每個(gè)Tile里有獨(dú)立的IPU核作為計(jì)算及In-Processor-Memory（處理器之內(nèi)的內(nèi)存）。所以整個(gè)GC2共有7 296個(gè)線程，能夠支持7 296個(gè)程序做并行計(jì)算。對(duì)整片來說，In-Processor-Memory總共是300 MB。所以IPU的整個(gè)思想是所有的模型要被放在片內(nèi)處理。PCIe也是16個(gè)PCIeGen 4。

　　所以，IPU GC2是非常復(fù)雜的擁有236億個(gè)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(gè)獨(dú)立的處理器核心（Tile）、300 M的SRAM能夠把完整的模型放在片內(nèi)，另外內(nèi)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(gè)核心（Tile）、7 000多個(gè)線程，所以解決并行硬件的高效編程問題是一個(gè)非常大的課題。Graphcore采用構(gòu)建大規(guī)模數(shù)據(jù)中心集群的BSP技術(shù)（Bulk Synchronous Parallel，大容量同步并行），這種技術(shù)目前在谷歌、Facebook、百度這樣的大規(guī)模數(shù)據(jù)中心都在使用。

　　因此，IPU是業(yè)界首款BSP處理器，通過硬件能支持BSP協(xié)議，并通過BSP協(xié)議把整個(gè)計(jì)算邏輯分成計(jì)算、同步、交換。對(duì)軟件工程師或開發(fā)者，這就是非常易于編程的，因?yàn)檫@樣就不用處理locks這個(gè)概念。對(duì)用戶來說，也不用管其中是1 216個(gè)核心（Tile）還是7 000多個(gè)線程、任務(wù)具體在哪個(gè)核上執(zhí)行，所以這是一個(gè)非常用戶友好的創(chuàng)新。

　?。ㄗⅲ罕疚膩碓从诳萍计诳峨娮赢a(chǎn)品世界》2020年第07期第59頁，歡迎您寫論文時(shí)引用，并注明出處。）