BERT-Large的训练时间比最新的NVIDIA DGX-A100快5.3倍（比双DGX设置快2.6倍以上），这一结果彰显了Graphcore的IPU-POD横向扩展解决方案在数据中心的优势，以及Poplar软件栈管理复杂工作负载的能力，这些工作负载能够利用多个处理器并行工作。”Graphcore为其最新的AI计算系统——IPU-M2000和纵向扩展的IPU-POD64发布了第一套性能benchmark。

在各种流行的模型中，Graphcore技术在训练和推理方面均显著优于NVIDIA的A100（基于DGX）。

EfficientNet-B4：吞吐量高18倍

ResNeXt-101：吞吐量高3.7倍

BERT-Large：与DGX A100相比，在IPU-POD64上的训练时间快5.3倍（比双DGX系统缩短2.6倍）

LSTM：以更低时延实现吞吐量提升超过600倍

EfficientNet-B0：吞吐量提升60倍/时延缩短超过16倍

ResNeXt-101：吞吐量提升40倍/时延缩短10倍

BERT-Large：以更低的时延实现吞吐量提升3.4倍

Benchmark中包括了BERT-Large（基于Transformer的自然语言处理模型）在IPU-POD64的全部64个处理器上运行的结果。

与Poplar软件栈的其他元素一样，Graphcore正在将其用于IPU接口库的PyTorch开源，从而使社区能够对PyTorch的开发做出贡献，并且加速PyTorch的开发。

IPU-Machine：M2000（IPU-M2000）是一台即插即用的机器智能计算刀片，旨在轻松部署并为可大规模扩展的系统提供支持。

纤巧的1U刀片可提供1 PetaFlop的机器智能计算能力，并在机箱内部纳入针对AI横向扩展进行了优化的集成网络技术。

(素材来源：ttic和eccn.如涉版权请联系删除。特别感谢）