Graphcore為AI工作提供了更便宜，更簡單的方案。

英國晶片設計公司Graphcore近期推出Colossus MK2，又名為GC200 IPU（智能處理單元），在AI應用層面上，公司稱之為全球最複雜的晶片。新晶片的性能是上代產品Colossus MK1的八倍，由594億個晶體管驅動 ─ 超越NVIDIA(NASDAQ:NVDA) 最新頂級A100數據中心GPU的540億個晶體管。

Graphcore計劃把四顆GC200 IPU安裝至一台名為M2000的新機器，其大小與薄餅盒相若，能夠提供1 petaflop（每秒一千萬億次）的運算能力。系統本身比NVIDIA的A100慢，後者的單獨運算能力達5 petaflop。

然而，Graphcore的M2000是隨插即用的系統，用戶可以把多達64,000個IPU連接，實現16 exaflop（每exaflop等於1,000 petaflop）的處理能力。具體來說，假設人類每秒執行一次運算，便需要近317億年，才能媲美1 exaflop系統在一秒鐘內可完成的工作。

GC200和A100均屬功能非常強大的機器，但Graphcore在不斷增長的AI市場，擁有三項更勝NVIDIA的獨特優勢。

1.Graphcore正為不同工作開發特定晶片

NVIDIA把GPU由遊戲和專業視象化用途擴大至AI市場，Graphcore有別於此，專門設計用於機器學習工作的定制IPU，與GPU或CPU不同。

Graphcore在官方網站上聲稱：「CPU設計作辦公用途、GPU用於圖象運算，而IPU則用於機器智能。」 公司解釋，CPU為「標量」處理而設計，一次處理一項數據，GPU則為「矢量」處理而設計，一次處理大量整數和浮點數。

Graphcore的IPU科技運用「圖象」處理，可一次處理各個單一圖象標示的所有數據。公司指IPU的結構比CPU和GPU更能有效處理機器學習工作。許多機器學習框架（包括TensorFlow、MXNet和Caffe）已支援圖象處理。

Graphcore表示，GPU使用的矢量處理模型，比圖象模型「嚴謹得多」，研究人員可在AI研究中「探索新模型或重新探索各個領域」。

2.Graphcore GC200每petaflop處理能力的成本較低

NVIDIA的A100價值199,000美元，相當於每petaflop 39,800美元。相對之下，Graphcore M2000系統提供1 petaflop處理能力的價格為32,450美元。每petaflop 7,350美元的差異，可以為數據中心的多重exflop系統節省數百萬美元。

這可能使NVIDIA的數據中心業務面對嚴峻挑戰，其上季度收益按年增加80%至11.4億美元，佔該晶片製造商總收益的37%。NVIDIA近期收購了數據中心網絡設備製造商Mellanox，希望壯大該業務，但規模擴大也難以阻止Graphcore的革命性研發。

3.Graphcore獲創投基金支持

NVIDIA是一間上市晶片製造商，需要定期檢討其開支慣例，Graphcore則為一間私營初創企業，可以專注於研發和增長，而非短期利潤。

Graphcore僅在四年前成立，但在2月份最後一次融資後，估值已高達19.5億美元。公司的贊助人包括Merian Chrysalis和Amadeus Capital Partners等投資公司，以及微軟(NASDAQ:MSFT)等大公司。微軟已使用Graphcore的IPU，在Azure雲端運算平台處理機器學習工作，其他雲端巨企可能在未來數年跟隨其腳步。

NVIDIA投資者應該擔心嗎？

NVIDIA在數據中心GPU享有先行優勢，但公司面對的挑戰者越來越多，包括來自亞馬遜、Facebook和Alphabet Google的第一方晶片。Graphcore步步進迫，NVIDIA投資者應該警惕Graphcore的新晶片 ─ 它似乎有能力提供更便宜，更精簡靈活的方式，處理機器學習和AI工作。