距離2016年左右的AI晶片創業熱潮已經過去五年多，從團隊組建，到晶片設計、再到産品落地，AI晶片公司們到了交出一份答卷的時間。
Graphcore大中華區總裁兼全球首席營收官盧濤
Graphcore大中華區總裁兼全球首席營收官盧濤對雷峰網表示，“2022年AI晶片公司的競争會更加激烈，因為不同的公司選擇了不同的政策和路徑，今年開始能看得更加清晰。”
實際上，從2020年開始，大部分AI晶片公司都開啟了晶片的落地，然而由于AI晶片與傳統晶片有明顯的差别，晶片提供者與使用者之間的認知差異，加上疫情的影響，和全球蔓延的缺芯潮，AI晶片的落地和大規模使用面臨重重挑戰。
2021年，業界更加關注AI的部署，包括對機器學習架構的關注，支援的模型，以及叢集的管理和排程管理。
想要成為AI晶片的佼佼者，有哪三個秘訣？
AI晶片公司面前的七個台階
AI熱潮催生了大量的晶片初創公司，初創公司要成功落地全新類型的AI晶片，挑戰目前巨頭，可以以攀登珠穆朗瑪峰來比喻。
盧濤認為，如果今天的巨頭在珠穆朗瑪峰上，想要達到巨頭的高度，需要攀登七個台階。
第一個台階是組建團隊，第二個台階是宣講理念，第三個台階是設計出晶片，第四個台階是有晶片且能給客戶送樣品做測試，第五個台階是有産品有落地，第六個台階是有産品，有很多落地的，第七個台階是有很大的市場佔有率。盧濤認為Graphcore處于第五到第六個台階間。
處于這個階段的公司，表明其已經解決了許多技術挑戰。AI計算與傳統的CPU有顯著的差别，過去5-10年間，CPU的應用都十分明确，比如Web服務、資料庫服務、存儲服務等。但AI整體面向的應用有許多創新和研究，整體呈高度動态化。
在這樣的情況下，AI晶片的落地更顯艱難，步驟大緻可以分為三個，首先，要用AI晶片的性能優勢吸引客戶，接下來客戶會考慮軟體移植的難度以及時間，在曆經驗證之後，才能實作大規模部署。
這個過程可以說是漫長而又挑戰重重。其中一個非常大的挑戰就是AI晶片提供者和使用者之間認知的差異。“從我們的角度而言，雖然這種認知的差異有所改善，但挑戰仍然持續存在。”盧濤說，“比如，不少使用者可能覺得我們的IPU性能表現好，并想能在不修改代碼的情況下遷移到IPU，這就需要我們在軟體和生态方面做大量的工作。”
AI軟體和生态的建設，要求對某個具體的應用領域有比較完整的認知，實作整個業務端到端的配合，不僅僅是AI，還包括AI晶片與其它裝置、系統的配合，運維管理等。
盧濤指出，“作為計算平台的提供者，要讓最終使用者把我們的平台用好，生态非常重要，生态建設能夠降低使用者的使用門檻。同時，垂直案例也非常重要，通過‘打樣闆’，能夠顯著加速在某一行業的應用。當然，加強與AI平台廠商的合作同樣關鍵。AI領域有兩種使用者，一種是AI開發者，有了案例就可以做相應的開發，還有一種是AI平台型企業，他們可以把AI技術封裝以提供給其他人員使用。”
對于有計算機背景的開發者或研究員，他們可以基于TensorFlow、PyTorch和百度飛槳等進行程式設計，如果不具備這個能力，就需要借助更進階的架構，比如Hugging Face來降低開發門檻，簡化開發。這兩者的開發難度有顯著差别，如果用PyTorch實作一個業務，可能需要兩百行代碼，但采用Hugging Face，可能用50行代碼就可以完成。
成為AI晶片領先者的三個關鍵
不難發現，想要實作AI晶片的大規模落地，減小AI晶片提供者和使用者之間的認知差是關鍵，這其中的關鍵又是軟體和生态的建設。
但要成為AI晶片領域的上司者，盧濤認為有三個關鍵：預判+冒一點風險+一點運氣。
“Graphcore在2016年成立時，隻能追趕。對于新的領域，如果能提前預判，就可能在領域裡具備領先性。”盧濤具體解釋。
2016年，傳統的機器視覺模型ResNet已經存在，這時候Graphcore需要追趕，作為追趕者需要做一些預判發現機會。2020年，Graphcore關注到了Transformer技術，這種技術本來是用于自然語言處理的底層技術，但業界出現了用Transformer做計算視覺的趨勢，Graphcore率先開始支援。
到2021年下半年，一些基于Transformer的視覺模型，比如ViT成為了熱門。由于有提前的預判，Graphcore對于新的基于Transformer的視覺模型以及GNN都有很好的支援，很多創新和前沿的模型比GPU支援得更好。
正是憑借着創新的IPU硬體和不斷完善的Poplar軟體生态，Graphcore在2021年有不少應用案例。在2021年下半年，安捷數科利用IPU進行氣象預測、精準灌溉、防災減災。深勢科技完成分子動力學模拟軟體DeePMD-kit向IPU硬體的遷移，探索基于分子動力學模拟的科學計算、藥物設計、材料設計和新型能源等場景。
在金融保險領域，牛津-英仕曼用IPU進行股價預測；Tractable與Graphcore達成合作，加速事故和災害恢複。電信方面，Graphcore與南韓電信合作釋出了IPU雲。在城市環境可持續發展領域，升哲科技基于IPU進行城市相關可持續發展方面的應用。在醫療、生命科學領域，Graphcore與斯坦福大學醫學院合作，使用IPU以“醫療+隐私計算”為核心方向進行了一些研究和探索。
他也同時透露，2022年，Graphcore會有一些和國内公有雲廠商的IPU産品釋出，也會有新的硬體産品的釋出。Graphcore也會在一些相關的AI應用領域中會進一步加深合作，比如AI輔助科研、自動駕駛等是他們2022年在AI應用或垂直領域中比較重要的方向。
值得一提的是，Graphcore的IPU與CPU的硬體解耦，有助于IPU更好的拓展市場。比如在BERT訓練中，Graphcore采用一台2顆CPU的伺服器和64顆IPU，比例為1：32，在計算機視覺模型中的比例則基本為1：8。但如果是英偉達或者英特爾的系統，無論何種場景和模型，都會有一個固定的CPU和GPU比例，比如1：4或1：2。
寫在最後
AI晶片的競争最終依舊會演變為生态、商業的競争。在AI晶片的早期階段，雖然參與者衆多，但各自都在團隊組建和産品開發的階段，AI晶片公司間并沒有真正的競争關系。随着AI晶片的釋出，以及落地的推進，AI晶片公司之間的競争才真正開始。
當越來越多的領域和客戶開始關注AI的規模應用和落地時，自然會加劇AI晶片公司之間的競争，這時候，已經不再單純比拼硬體性能，軟體和生态才更能打動最終使用者。
2022年，我們将看到AI晶片公司間的競争日趨激烈，我們也将慢慢看到AI晶片公司們真正的實力。雷峰網