微軟在去年底投資了一家叫做Graphcore的公司，該公司創(chuàng)立于2016年，創(chuàng)立至今已經成功募集到了2億美元的融資，但其產品至今仍保持神秘，并未與世人見面。

而該AI芯片的首秀獻給了微軟。微軟近日公布，Graphcore芯片方案將會被應用在微軟的云計算平臺上。

與大多數用于AI的芯片不同，Graphcore的處理器從零開始設計，目標是支持機器識別面部、理解語音、解析語言、駕駛汽車和訓練機器人的計算等應用 。

Graphcore預計將吸引在AI上運行關鍵業(yè)務操作的企業(yè)客戶，例如自動駕駛汽車公司，貿易公司以及利用AI處理大量視頻和音頻的服務業(yè)者。不只是行業(yè)客戶，他們也期待從事下一代AI算法的開發(fā)人員能深入探索該平臺的優(yōu)勢。

根據微軟和Graphcore所發(fā)布的基準測試結果表明，該芯片使用為那些競爭對手平臺編寫的算法，可以達到或超過NVIDIA和Google的頂級AI芯片的性能。 專為Graphcore硬件編寫的代碼可能會更加高效。

兩家公司聲稱，例如，某些圖像處理任務在Graphcore的芯片上的工作速度比使用現有代碼的競爭對手要快許多倍。

尤其是在BERT框架方面，該方案能夠表現出極高的效率，這對于涉及語言的AI應用非常重要。谷歌最近表示，他們正在使用BERT為其核心搜索業(yè)務提供更優(yōu)秀的解決問題能力。微軟對此也表示，他們目前的核心研發(fā)方向，正是將Graphcore的芯片用于涉及自然語言處理的內部AI研究項目。

Moor Insights的AI芯片市場研究員Karl Freund說，從測試數據結果表明，該芯片效率極高，且依舊保持非常好的彈性。一般來說，高度專用化的芯片可能在某些方面勝過NVIDIA或Google的芯片，比如說中國的許多AI芯片業(yè)者，都推出過性能極高的AI芯片，但缺乏彈性，讓這些AI芯片很難被客戶接受并導入到產品中。對客戶而言，具備解決問題的能力才是AI芯片的關鍵，至于僅能在少數跑分環(huán)境中得到高分，這個不叫做優(yōu)勢，而是虛假宣傳。

與微軟的交易對于Graphcore的業(yè)務至關重要，畢竟Graphcore的芯片是前所未見的全新方案，因此對某些應用而言，該芯片理論性能雖可能要優(yōu)于現有硬件，但是要為新平臺重新開發(fā)AI代碼需要花費大量精力。而該芯片的基準測試還不足以吸引公司和研究人員遠離他們已經習慣使用的硬件和軟件。

為了解決相關問題，Graphcore創(chuàng)建了一個名為Poplar的軟件框架，該框架允許將現有的AI程序移植到其硬件中。 然而與市面上那些號稱可以通過特定軟件來轉換現有的AI代碼的做法類似，經過轉換后的代碼效率可能會有一定程度的損失，現有算法可能仍更適合運行在競爭對手硬件之上的軟件。近年來， Google的Tensorflow AI軟件框架已成為主流AI程序的通用標準，并且相關代碼都是專門為NVIDIA和Google芯片編寫的，這種代碼轉換框架也就成為必備工具。

Graphcore的聯(lián)合創(chuàng)始人兼首席執(zhí)行官Nigel Toon表示，公司成立一年后，通過英國的Microsoft Research Cambridge，兩家公司開始了合作。 他說，他公司的芯片特別適合涉及非常大的AI模型或時態(tài)數據的任務。 據稱，由于Graphcore的硬件，一位金融客戶在用于分析市場數據的算法中看到了26倍的性能提升。

少數其他較小的公司今天也宣布，他們正在通過Azure使用Graphcore芯片。這包括將使用芯片來分析財務數據的Citadel ，而歐洲搜索引擎Qwant 希望通過該硬件運行稱為ResNext的圖像識別算法。

一些著名的AI研究人員已經向Graphcore投入預算，包括DeepMind的聯(lián)合創(chuàng)始人Demis Hassabis ，劍橋大學教授，Uber AI實驗室負責人Zoubin Ghahramani和UC Berkeley專門研究AI和機器人技術的教授Peiter Abbeel 。 在去年12月接受WIRED采訪時，AI專家Geoffrey Hinton則是討論了Graphcore芯片推動基礎研究的潛力。Graphcore的芯片稱為智能處理單元（IPU），其內核比GPU或TPU多得多。它們還具有芯片本身的內存，從而消除了將數據移至芯片上進行處理和關閉后的瓶頸。

而在業(yè)界專家與企業(yè)客戶的殷殷期盼之下，市場對該公司的估值也不斷水漲船高，目前已經來到將近17億美元的高水位。