在提供最好的机器学习加速器的竞赛中，英伟达的最大挑战者之一在生物技术领域取得了胜利，伦敦公司 LabGenius 表示，Graphcore 的智能处理单元 (IPU) 为基于人工智能的药物发现提供了明显更快的性能。一些不明的传统 GPU。

LabGenius 成立于 2012 年，是一家由风险投资支持的公司，通过依靠机器学习算法和实验室自动化来发现具有治疗疾病的合适品质的蛋白质，开发癌症和炎症性疾病的抗体治疗。

在周四发布的一篇博客文章中，英国布里斯托尔的Graphcore将揭示 LabGenius 转向其 IPU，在现有蛋白质的大型数据集上训练一个 BERT Transformer 模型，以预测掩蔽氨基酸。反过来，我们被告知，这有助于 LabGenius 找出重要的蛋白质特征，帮助它开发新的疗法。

我们将周转时间缩短到大约两周，因此我们可以更快地进行实验
LabGenius 表示，通过使用 Cirrascale Cloud Services 的云实例中提供的 Graphcore IPU，训练该模型大约需要两周时间，低于之前使用 GPU 所需的一个月。至于哪些 GPU，LabGenius 没有说，但我们最好的猜测是它们是 Nvidia 的，因为该公司在 AI 领域的主导地位，再加上 AMD 才刚刚开始在该领域具有竞争力的事实。

“以前我们使用 GPU，我们花了大约一个月的时间来构建所有蛋白质的功能模型。使用 Graphcore，我们将周转时间缩短到大约两周，因此我们可以更快地进行实验，而且我们可以更快地看到结果，”LabGenius 的机器学习顾问 Katya Putintseva 博士说。

LabGenius 表示，在与其他开发新疗法的公司竞争时，获得这样的重大性能提升至关重要。
“Graphcore 改变了我们能够做的事情，将我们的模型训练时间从几周缩短到几天。对于我们的数据科学家来说，这确实具有变革性。他们可以以他们认为的速度更快地移动。对我们来说，这非常有价值，” LabGenius 的技术主管 Tom Ashworth 说。
Nvidia 看着英国新贵 Graphcore 摇摆成后视镜，挥舞着野兽般的第二代 AI 芯片硬件档案Graphcore 由半导体资深人士 Nigel Toon 和 Simon Knowles 于 2012 年创立，这位芯片设计师认为，其 IPU 比 GPU 更适合 AI 工作负载，因为处理器的架构是从头开始构建时考虑到此类应用的。这位芯片设计师表示，LabGenius 计划扩大其对 Graphcore 提供的标准 PyTorch BERT 实现的使用，该实现只需要少量代码更改。这家生物技术公司还希望使用包括 Graph Neural Networks 在内的 Graphcore 系统构建新的 AI 模型，该芯片设计师表示其 IPU 具有“与生俱来的架构优势”。 Nvidia、Graphcore 和其他 AI 芯片设计商，如 Cerebras Systems，都在生物技术领域寻求 AI 芯片交易。例如，Cerebras 上个月宣布，生物医学初创公司 nference 采用其 CS-2 系统之一来分析大量非结构化数据。另一方面，英伟达为医疗保健和生命科学公司开发了完整的软件和硬件平台。