如果我說機械學習及人工智能會是未來科技發展的大趨勢，相信沒有人會對此說法作出反對。然而，人工智能及機械學習對硬件的要求非常大，特別在運算晶片方面，人工智能及機械學習需要高階晶片用以作高速資料傳輸。
但是，原有 CPU 及 GPU 的設計未能完全迎合人工智能及機械學習的需求。CPU 的主要目的為用作算術、邏輯運算並解讀電腦內的指令來控制電腦的日常運作。而GPU 初期的目的則以圖形運算為主，現在則開始迎合的對人工智能的需求作深度運算。至於你問我兩者運作起上來有何分別，觀賞下列影片相信就能完全解答了你的問題。
隨著市場對人工智能的重視程度日漸增加，而現有的運算晶片未能完全符合人工智能對資料傳輸及處理的需求。因此，英國 Graphcore 公司針對人工智能設計 IPU ，同時將訓練和推理合二為一，兼具處理兩者工作的能力，從而在資料演算時有更佳表現、速度更快、更完整，同時亦更能做到低延遲及低功耗。
圖片來源: https://tinyurl.com/yaor5rw7
Graphcore已經吸引了許多機器智能領域的知名企業家及企業投資，包括革命性AI公司 DeepMind 的創始人之一Demis Hassabis、 Samsung 創投基金及 Arm 聯合創始人Hermann Hauser。
微軟數據中心及Dell的伺服器也開始使用Graphcore晶片。
而理所當然地，Graphcore的晶片是由當前地表上最強的半導體製造廠 – 台積電製造。
在2018年5月時，Graphcore 公布了一項測試表現。在測試中，8張 IPU 運算卡的表現等同於128張 GPU 運算卡的表現。
另外，根據 Money DJ 的報導 ，微軟研究員 Sujeeth Bharadwaj 曾指出，用高階GPU訓練AI模型判讀胸部X光片的肺炎病徵，得花五個小時。不過微軟Azure內建Graphcore晶片後，只要30分鐘就大功告成。
據英國 The Telegraph 報導，Graphcore 有意在2022年於納斯達克交易所上市。相信屆時定會掀起晶片業界的一場龍爭虎鬥。不過 Intel 以後的日子應該會更加難捱，先是被 AMD 的最新技術打得體無完膚，再被 Apple 及 Microsoft 棄用，更要面對 Nvidia 收購 Arm 進軍處理器的壓力，現在還要應付一名來自 IPU 的強勁對手。
參考資料:
https://www.fanaticalfuturist.com/2018/06/revolutionary-ai-ipu-chip-hailed-as-the-future-by-arm-founder/
https://buzzorange.com/techorange/2020/12/31/graphcore_ipu_seriese/?fbclid=IwAR3kbUbdVv_R_QVpmWi65LRy1NKJBKrbWKwHgUwJUgnhsxwWUGYtKkW8nVk
https://www.moneydj.com//KMDJ/News/NewsViewer.aspx?a=703f001c-a77c-4c2c-927a-e9041402de36
https://iter01.com/537400.html
