云端IPU:驱动汽车未来

人们所期望的“机器智能”，其实是“超人类”的。只有当一台机器比受过良好训练的人类更加优秀的时候，人们才会信任它。在汽车领域，自动驾驶的主要挑战并非控制车辆或是辨别行人的位置，而是推断出其他人类驾驶汽车的下一步行动是什么。这要求机器智能在理解其他人类方面，至少和人类一样聪明。

如今的机器智能也许可以在某一狭窄领域里，比人类更准确地识别某一物体，但是在更多方面，机器智能和人类还有相当的差距。GPT-3是目前已经产生的最大的语言模型之一，大约有1750亿个参数，训练一次需要数千万美金。虽然它的性能已经足以令人惊叹，但与人类相比，它还是有所局限，比人类大脑小1000多倍。

下一代的机器智能系统将更加复杂、庞大。为助力汽车等领域的众多机器智能创新者开发下一代机器智能系统，拓展机器智能的边界，Graphcore为机器学习工作负载，专门设计了IPU智能处理器。

为什么IPU“跑”得快

CPU和GPU从来不是为了满足机器学习的计算需求而设计的，在机器智能的道路上，创新者们往往被传统的方式所“桎梏”。Graphcore IPU是针对人工智能计算的计算图特性而设计。去年发布的第二代IPU（MK2 IPU）凝聚了计算、数据、通信三大颠覆性“黑科技”，在7纳米的芯片上集成了594亿晶体管，相较于第一代IPU（MK1 IPU）系统性能提升了8倍以上，再一次树立了新的行业标准。

4个MK2 IPU可以驱动1个机器智能计算刀片IPU-Machine：M2000（IPU-M2000）。独特的IPU-Fabric™技术能够实现2.8Tbps的超低时延，支持64000个IPU之间的横向扩展。创新者既可独立使用1个IPU-M2000，也可以在IPU-POD64系统中将16个紧密互连的IPU-M2000机架扩展到超级计算规模。

IPU如何驱动汽车未来

IPU的高灵活性、可扩展性能够支持汽车领域，尤其是智能汽车领域对下一代机器智能系统及其硬件的要求。

和传统方式相比，Graphcore的IPU系统体积更小，提供同等甚至更多的算力和更低的延迟，大幅减少数据中心支出，提升效率的同时满足智能汽车对数据中心算力的超高要求。创新者可以通过IPU开发者云获取IPU的超高性能，在IPU开发者云中进行即时开发和早期的车载实验，使用Graphcore架构创造突破，并无缝移植到正在发展中的自动驾驶新阶段。如今，对话式人工智能（Conversational AI）等技术已经悄然出现在了车载应用中，创新者通过云端IPU驱动这些车载应用、高级辅助驾驶应用、自动驾驶应用，还可以运用云端IPU进行电池管理模型的加速，优化电池管理方案。

IPU还能为数据中心和车载提供相同的Graphcore处理，为创新者提供一个既能用于训练，也能用于推理，在云和端侧（Edge）都可以通用的机器智能架构。对于探索“车载数据中心”的创新者来说，能够提供更高计算效率的IPU智能处理器，可以大幅加速智能汽车的研究和应用进程。

无人驾驶的普及使用还存在哪些技术难点

科技产业的发展中往往会出现一个拐点。当技术成本达到某一程度的时候，才能被大规模地使用。

以前的人工智能是以密集计算来推进的，一些无人驾驶汽车里面可能配备的是一个高功耗的巨型服务器，使用时可能需要频繁地充电，在投入实际应用的时候会遇到一定的操作困难。

现在，人们从两个维度对人工智能进行新的探索：算法模型更加轻量化，精度更高；计算更加轻量化，功耗更低、成本更低。算法层面探索的其实是“超人类”的机器智能。计算层面，人们需要的是更加经济实惠及功耗更低的解决方案。这两个维度结合在一起，才能够共同促进机器智能的发展。

精确度是机器智能应用中至关重要的一点。安全性是汽车领域永恒的话题，而和人工驾驶相比，人们对无人驾驶的安全性要求只会更高。

5G对汽车智能化的影响

在3G、4G时代，人们讨论的是电信运营商，而在5G时代，人们讨论的是OTT（Over The Top）。而在OTT和端侧（Edge）之间，会出现很多创新的机会，孵化出一些新的商业模式。从4G向5G迁移过程中的另一大转变是物联网的应用，汽车可能是物联网应用中最重要的应用方向之一。

人们以前讨论智能汽车，是从车的视野来讨论，比如在车里装一个机器人。未来，端侧（Edge）智能能力会大幅提升，5G会加速车路协同的进程。此外，5G超高带宽、超低延时的重要特性能够为端侧（Edge）提供超低延时的智能服务，推进汽车智能化。

（供稿单位：Graphcore）