在这个全新的AI时代，英国半导体之父Hermann Hauser曾经预言：“计算机历史上只发生过三次重大变革：70年代的CPU、90年代的GPU，以及我们现在正在经历的IPU革命。” Graphcore正是推动这一变化的先锋，以其为AI专门设计的Intelligence Processing Unit（IPU）打破了传统GPU架构的局限。
内存墙一直是阻碍AI芯片性能提升的一大挑战。为了应对这一问题，Graphcore联合创始人兼CEO Nigel Toon提出了全新类型处理器架构——IPU。作为一个灵活且针对AI设计的处理器，IPU能够满足人们对于高效易于使用处理器需求。
Graphcore凭借风险资本支持，在2016年成立仅三年，就获得了3.25亿美元融资，并在去年的估值达到17亿美元。除了金融投资者，如红杉资本，还有像戴尔、三星、微软等知名企业提供战略投资。多位AI领域知名学术人物如DeepMind 的联合创始人 Demis Hassabis、剑桥大学 Zoubin Ghahramani 和 Uber 首席科学家 Pieter Abbeel 等也给予了他们认可。
被誉为“AI教父”的Geoff Hinton曾说，“我认为我们需要转向不同类型的人工智能计算机。我这里有一个。”他从钱包里拿出一个硅片，这就是Graphcore开发出的IPU。在Icera被英伟达收购后，Nigel Toon和Simon Knowles又一次踏上了创业之路，他们于2016年成立了Graphcore。
图形核心销售副总裁/中国区总经理卢涛表示，Graphcore IPU内部共有1216个核，每个核都包含计算单元和内存。这使得单个IPU能实现45TB存储带宽，比性能最快HBM提升50%以上，同时在相同算力下功耗减少一半。此外，每个芯片集成了240亿晶体管，为125 teraFLOPS运算能力提供支持，并配备数百兆字节RAM，可以以1.6 GHz速度运行。
解决数据通信和提升数据使用效率是关键挑战之一。通过all-to-all总线实现任意两个核之间高速访问，以及通过IPU-Link将多个IPU连接成集群，都显著提高了系统间通信效率。此外，对于超大规模训练应用，Graphcore还开发了专用的POD系统，即由多颗Ipu-machine组成的一个节点，每颗ipu-machine中集成了ipu-gateway芯片并引入了一种叫做ipuoF技术，可以将几千甚至几万颗ipu设备联结起来进行训练。
此外，由于采用BSP配合Poplar软件栈，不同处理器间不再需要复杂Cache协议，而是直接映射或分配到不同的位置定义交换与同步时间，使得算法工程师可以更方便地工作，无需担心通信问题即可发挥最大潜力。
总而言之，与传统AI芯片相比，Graphcore IPU在三个方面具有独特优势：首先，它采用的是MIMD架构；其次，它将模型放置在处理器内部；最后，它具备高效并行以及优化后的内核间通信。这一切都是通过大量创新来实现的。而且，不同的是，这些硬件可以用于推理和训练任务，从而极大地简化用户体验。
