全球十大AI训练芯片大盘点

Graphcore IPU是这家公司的明星产品，其架构与大量具有小内存的简单处理器高度并行，通过一个高带宽的“交换”互连连接在一起。

其架构在一个大容量同步并行(BSP)模型下运行，程序的执行按照一系列计算和交换阶段进行。同步用于确保所有进程准备好开始交换。

BSP模型是一个强大的编程抽象，用于排除并发性风险，并且BSP的执行，允许计算和交换阶段充分利用芯片的能源，从而更好地控制功耗。可以通过链接10个IPU间链路来建立更大的IPU芯片系统。其核心数据如下：

• 16nm制程，236亿个晶体管，芯片面积大约为800平方毫米，功耗为150W，PCIe卡为300 W
• 1216个处理器，在FP32累加的情况下，FP16算法峰值达到125 TFLOPs
• 分布在处理器核心之间有300 MB的片上内存，提供45 TBps的总访问带宽
• 所有的模型状态保存在芯片上，没有直接连接DRAM

IO数据：

• 2x PCIe-4的主机传输链接
• 10倍的卡间IPU链接
• 共384GBps的传输带宽

单核数据：

• 混合精度浮点随机算法
• 最多运行六个线程

拓展阅读：

成立两年估值17亿美元，这家Hinton点赞的AI芯片公司获宝马微软投资

Habana Labs Gaudi

Habana Labs同样成立于2016年，是一家以色列AI芯片公司。

2018年11月，完成7500万美元的B轮募资，总募资约1.2亿美元。

Gaudi芯片于今年6月亮相，直接对标英伟达的V100。

其整体的设计，与GPU也有相似之处，尤其是更多的SIMD并行性和HBM2内存。

芯片集成了10个100G 以太网链路，支持远程直接内存访问(RDMA)。与英伟达的NVLink或OpenCAPI相比，这种数据传输功能允许使用商用网络设备构建大型系统。其核心数据如下：

• TSMC 16 nm制程（CoWoS工艺），芯片尺寸大约为500平方毫米
• 异构架构：GEMM操作引擎、8个张量处理核(TPCs)
• SRAM内存共享
• PCIe卡功耗为200W，夹层卡为300W
• 片上内存未知

TPC核心数据：

• VLIW SIMD并行性和一个本地SRAM内存
• 支持混合精度运算：FP32、 BF16，以及整数格式运算(INT32、INT16、INT8、UINT32、UINT8)
• 随机数生成、超越函数：Sigmoid、Tanh、GeLU

（编辑：惠州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!