人們所期望的“機(jī)器智能”，其實(shí)是“超人類”的。只有當(dāng)一臺(tái)機(jī)器比受過良好訓(xùn)練的人類更加優(yōu)秀的時(shí)候，人們才會(huì)信任它。在汽車領(lǐng)域，自動(dòng)駕駛的主要挑戰(zhàn)并非控制車輛或是辨別行人的位置，而是推斷出其他人類駕駛汽車的下一步行動(dòng)是什么。這要求機(jī)器智能在理解其他人類方面，至少和人類一樣聰明。

如今的機(jī)器智能也許可以在某一狹窄領(lǐng)域里，比人類更準(zhǔn)確地識(shí)別某一物體，但是在更多方面，機(jī)器智能和人類還有相當(dāng)?shù)牟罹?。GPT-3是目前已經(jīng)產(chǎn)生的最大的語(yǔ)言模型之一，大約有1750億個(gè)參數(shù)，訓(xùn)練一次需要數(shù)千萬(wàn)美金。雖然它的性能已經(jīng)足以令人驚嘆，但與人類相比，它還是有所局限，比人類大腦小1000多倍。

下一代的機(jī)器智能系統(tǒng)將更加復(fù)雜、龐大。為助力汽車等領(lǐng)域的眾多機(jī)器智能創(chuàng)新者開發(fā)下一代機(jī)器智能系統(tǒng)，拓展機(jī)器智能的邊界，Graphcore為機(jī)器學(xué)習(xí)工作負(fù)載，專門設(shè)計(jì)了IPU智能處理器。

為什么IPU“跑”得快

CPU和GPU從來不是為了滿足機(jī)器學(xué)習(xí)的計(jì)算需求而設(shè)計(jì)的，在機(jī)器智能的道路上，創(chuàng)新者們往往被傳統(tǒng)的方式所“桎梏”。Graphcore IPU是針對(duì)人工智能計(jì)算的計(jì)算圖特性而設(shè)計(jì)。去年發(fā)布的第二代IPU（MK2 IPU）凝聚了計(jì)算、數(shù)據(jù)、通信三大顛覆性“黑科技”，在7納米的芯片上集成了594億晶體管，相較于第一代IPU（MK1 IPU）系統(tǒng)性能提升了8倍以上，再一次樹立了新的行業(yè)標(biāo)準(zhǔn)。

4個(gè)MK2 IPU可以驅(qū)動(dòng)1個(gè)機(jī)器智能計(jì)算刀片IPU-Machine：M2000（IPU-M2000）。獨(dú)特的IPU-Fabric?技術(shù)能夠?qū)崿F(xiàn)2.8Tbps的超低時(shí)延，支持64000個(gè)IPU之間的橫向擴(kuò)展。創(chuàng)新者既可獨(dú)立使用1個(gè)IPU-M2000，也可以在IPU-POD64系統(tǒng)中將16個(gè)緊密互連的IPU-M2000機(jī)架擴(kuò)展到超級(jí)計(jì)算規(guī)模。

IPU如何驅(qū)動(dòng)汽車未來

IPU的高靈活性、可擴(kuò)展性能夠支持汽車領(lǐng)域，尤其是智能汽車領(lǐng)域?qū)ο乱淮鷻C(jī)器智能系統(tǒng)及其硬件的要求。

和傳統(tǒng)方式相比，Graphcore的IPU系統(tǒng)體積更小，提供同等甚至更多的算力和更低的延遲，大幅減少數(shù)據(jù)中心支出，提升效率的同時(shí)滿足智能汽車對(duì)數(shù)據(jù)中心算力的超高要求。創(chuàng)新者可以通過IPU開發(fā)者云獲取IPU的超高性能，在IPU開發(fā)者云中進(jìn)行即時(shí)開發(fā)和早期的車載實(shí)驗(yàn)，使用Graphcore架構(gòu)創(chuàng)造突破，并無縫移植到正在發(fā)展中的自動(dòng)駕駛新階段。如今，對(duì)話式人工智能（Conversational AI）等技術(shù)已經(jīng)悄然出現(xiàn)在了車載應(yīng)用中，創(chuàng)新者通過云端IPU驅(qū)動(dòng)這些車載應(yīng)用、高級(jí)輔助駕駛應(yīng)用、自動(dòng)駕駛應(yīng)用，還可以運(yùn)用云端IPU進(jìn)行電池管理模型的加速，優(yōu)化電池管理方案。

IPU還能為數(shù)據(jù)中心和車載提供相同的Graphcore處理，為創(chuàng)新者提供一個(gè)既能用于訓(xùn)練，也能用于推理，在云和端側(cè)（Edge）都可以通用的機(jī)器智能架構(gòu)。對(duì)于探索“車載數(shù)據(jù)中心”的創(chuàng)新者來說，能夠提供更高計(jì)算效率的IPU智能處理器，可以大幅加速智能汽車的研究和應(yīng)用進(jìn)程。

無人駕駛的普及使用還存在哪些技術(shù)難點(diǎn)

科技產(chǎn)業(yè)的發(fā)展中往往會(huì)出現(xiàn)一個(gè)拐點(diǎn)。當(dāng)技術(shù)成本達(dá)到某一程度的時(shí)候，才能被大規(guī)模地使用。

以前的人工智能是以密集計(jì)算來推進(jìn)的，一些無人駕駛汽車?yán)锩婵赡芘鋫涞氖且粋€(gè)高功耗的巨型服務(wù)器，使用時(shí)可能需要頻繁地充電，在投入實(shí)際應(yīng)用的時(shí)候會(huì)遇到一定的操作困難。

現(xiàn)在，人們從兩個(gè)維度對(duì)人工智能進(jìn)行新的探索：算法模型更加輕量化，精度更高；計(jì)算更加輕量化，功耗更低、成本更低。算法層面探索的其實(shí)是“超人類”的機(jī)器智能。計(jì)算層面，人們需要的是更加經(jīng)濟(jì)實(shí)惠及功耗更低的解決方案。這兩個(gè)維度結(jié)合在一起，才能夠共同促進(jìn)機(jī)器智能的發(fā)展。

精確度是機(jī)器智能應(yīng)用中至關(guān)重要的一點(diǎn)。安全性是汽車領(lǐng)域永恒的話題，而和人工駕駛相比，人們對(duì)無人駕駛的安全性要求只會(huì)更高。

5G對(duì)汽車智能化的影響

在3G、4G時(shí)代，人們討論的是電信運(yùn)營(yíng)商，而在5G時(shí)代，人們討論的是OTT（Over The Top）。而在OTT和端側(cè)（Edge）之間，會(huì)出現(xiàn)很多創(chuàng)新的機(jī)會(huì)，孵化出一些新的商業(yè)模式。從4G向5G遷移過程中的另一大轉(zhuǎn)變是物聯(lián)網(wǎng)的應(yīng)用，汽車可能是物聯(lián)網(wǎng)應(yīng)用中最重要的應(yīng)用方向之一。

人們以前討論智能汽車，是從車的視野來討論，比如在車?yán)镅b一個(gè)機(jī)器人。未來，端側(cè)（Edge）智能能力會(huì)大幅提升，5G會(huì)加速車路協(xié)同的進(jìn)程。此外，5G超高帶寬、超低延時(shí)的重要特性能夠?yàn)槎藗?cè)（Edge）提供超低延時(shí)的智能服務(wù)，推進(jìn)汽車智能化。

（供稿單位：Graphcore）