​Graphcore®（拟未）正式发布其参与MLPerf测试的度飞最新结果。本次提交中，桨联绩Graphcore使用新发布的手闪Bow系统分别在图像分类模型ResNet-50和自然语言处理模型BERT上实现了和上次提交相比高达31%和37%的性能提升
。此外 ，创佳Graphcore还新增了语音转录模型RNN-T的度飞提交 。

 本次MLPerf提交中，桨联绩首次有第三方使用了Graphcore的手闪系统。百度飞桨使用Graphcore系统进行了BERT的创佳提交，并展现出和Graphcore的度飞BERT提交几乎一致的性能
，服务器租用证明了Graphcore的桨联绩IPU所提供的性能可以有效地跨框架复现  ，以及IPU生态进一步繁荣的手闪潜力 。

 Graphcore此次在封闭分区面向ResNet-50和BERT两个模型提交了以3D WoW处理器Bow IPU为核心的创佳Bow系统 ，包括Bow Pod16、度飞Bow Pod64、桨联绩Bow Pod128和Bow Pod256
。手闪和前代产品相比，Bow系统在提供更优性能的同时价格保持不变，进一步提升了Graphcore系统的性价比优势。结果显示，源码下载与上次提交相比，ResNet-50的训练时间提升高达31% 
，BERT的训练时间提升高达37%。

 在GPU占据优势的模型ResNet-50上
，Bow Pod16仅耗时19.6分钟，表现优于NVIDIA的旗舰产品DGX-A100 640GB所需的28.7分钟 ，再一次体现了Bow系统的性价比优势。

 除此之外，Graphcore还提交了RNN-T在开放分区中的结果。高防服务器RNN-T是一种进行高度准确的语音识别的精密方式，在移动设备上被广泛使用。在Bow Pod64上，RNN-T的训练时间可以从原本的几周缩短到几天 。

 Graphcore中国工程副总裁、AI算法科学家金琛表示：“对于本次MLPerf取得的出色成绩 ，我们感到非常自豪，这与Graphcore始终坚持创新密不可分。我们也非常高兴能够与百度飞桨联合进行提交，通过与百度飞桨的云计算合作加速IPU生态系统的扩展，为产业赋能，推动各领域产业AI化转型和升级。未来，我们也将继续创新 ，应对不断增长的AI计算挑战，助力AI计算的演进。”

 在本次MLPerfTraining 2.0的提交中 ，百度飞桨使用Bow Pod16和Bow Pod64进行了BERT在封闭分区的提交 ，结果与Graphcore使用PopART进行提交的结果几乎一致 。香港云服务器这充分证明了Graphcore IPU性能的跨框架复现能力。这一能力的实现得益于Graphcore灵活的硬件系统 、持续优化的软件 、强大的本地支持和合作伙伴的支持。正如此次提交，百度将Graphcore的Poplar®与飞桨软件框架相结合，实现了出色的性能结果。

 百度飞桨产品团队负责人赵乔表示  ：“百度飞桨与Graphcore的建站模板合作，在本次MLPerf上获得了十分优秀的成果。Graphcore的IPU系统在合作中展现了出色的性能 ，在许多应用场景都展现出了巨大的应用潜力 。我们期待进一步加深与Graphcore在硬件生态共创计划中的合作 ，以创新的技术加速AI产业落地 ，推动AI产业变革。”

 百度飞桨已经实现了对于IPU的全面支持 。Graphcore是百度飞桨硬件生态圈的创始成员 ，并在2022年5月正式加入了百度飞桨发起的硬件生态共创计划。未来，双方还将进一步展开合作，为开发者提供更多创新工具，推动AI生态繁荣 ，从而赋能产业中AI的应用和AI的商业化。产业中AI的应用落地，也必将反哺AI的发展和AI生态的进一步繁荣。