英国,布里斯托,12月29日——一种专门为支持人工智能工作负载设计的新型微处理器——IPU智能处理器的制造商Graphcore今天宣布,其已在E轮融资中筹集了2.22亿美元,增资后公司的估值为27.7亿美元。新投资将用于支持公司继续在全球扩展业务,并进一步加速未来IPU芯片、系统和软件的开发。
安大略省教师退休金计划委员会(Ontario Teachers’)领投了这一轮融资,富达国际和施罗德管理的基金,以及包括Baillie Gifford和Draper Esprit在内的Graphcore现有投资者也共同参与了本轮投资。这项投资使Graphcore筹集的资金总额超过了7.1亿美元,预计增资完成后该公司将握有超过4.4亿美元的现金,可用以支持未来的增长。
Graphcore联合创始人兼CEO Nigel Toon表示:“这些备受尊敬的机构投资者的支持,正是目前市场对Graphcore看好的有力证明。他们对Graphcore的信心来自于我们在构建产品和业务方面表现出的能力。我们创造的技术在性能上大大优于GPU等传统处理器,我们针对AI开发人员的需求量身定制了功能强大的软件工具集,并且通过全球销售运营把产品推向市场。”
新投资者带来了在颠覆性技术领域的丰富经验和对扩展型企业的支持,突显了Graphcore在数据中心AI计算的潜在市场里拥有的巨大机遇以及公司产品的成熟度。
安大略省教师退休金计划教师创新平台(TIP)高级董事总经理Olivia Steedman表示:“由于云技术和5G等计算大趋势的发展以及AI普及率的提高,专用AI处理器的市场在未来几年内将变得非常重要。我们相信Graphcore已经准备好成为该领域的领导者。TIP专注于投资诸如Graphcore这类的技术驱动型企业,这些企业处于其行业创新的最前沿。我们很高兴与Nigel和强大的管理团队合作,以支持Graphcore公司的持续增长和产品开发。”
该公司的第二代IPU(MK2 IPU)产品于2020年推出,现已量产并发货给客户。
IPU-M2000是一个1U数据中心刀片,围绕四个Graphcore Colossus™ MK2 GC200 IPU处理器构建,能够支持一个PetaFlop的AI计算。对于许多AI训练和推理任务,IPU系统的性能明显优于基于GPU的最新系统。
用于大规模部署的Graphcore IPU-POD64能够并行运行多达64个IPU处理器的超大型模型,或在多个用户和任务之间共享计算资源。对于百亿亿次级别的计算,在IPU-POD配置中最多可以连接64000个IPU。
Orrick, Herrington & Sutcliffe LLP为Graphcore提供了法律咨询。
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。