AI原生芯片
我们都知道，全球芯片制造企业中，制程工艺最先进的，就是台积电。过去几年，台积电最大的客户就是苹果，占到了年度营收的20%以上。
既是自己的第一大客户，而这个客户还非常愿意尝试最新的制程工艺；因此，当台积电量产10纳米、7纳米、5纳米的时候，苹果始终都是最早尝鲜的那个。
如今，这个“国际惯例”似乎要被打破了。据外电报道，台积电3纳米或将于明年7月量产，而率先引入的客户会有两家，一家是英特尔，另一家则是Graphcore。
英特尔咱们以后再说，先说这家Graphcore，其实是一家成立仅仅6年时间的英国公司。也是在今年，这家公司获得了E轮融资，估值高达27.7亿美元，也是西方国家里唯一的半导体行业“独角兽”（估值超过10亿美元的未上市公司）。
那么，为什么Graphcore这么值钱？老冀仔细琢磨了一下，想出了一个理由：因为Graphcore是一家“AI原生”的芯片设计公司，只有它设计的IPU（Intelligence Processing Unit），从一开始就是为了AI（人工智能）而生的。
说到AI，大家应该也能够感觉到，经历了数字化浪潮之后的我们，即将进入智能化时代。未来，越来越多的企业、消费者、地方、场景都会用到AI。最近老冀就看到了一个新闻，全球领先的新能源电池生产商宁德时代，就与AI公司第四范式达成战略合作，要让AI系统与现有生产系统对接，实现对生产线数据的实时分析与决策。
AI应用的过程一般可以分为训练和推理，哪个阶段都离不开强大算力也就是芯片的支持。以AI训练为例，要满足其不断增长的需求，一方面需要不断提升芯片的计算能力，另一方面可能大家就知道得比较少了，那就是还需要不断提升存储容量和带宽，这是因为在AI训练的过程中需要存储大量的中间激励函数。
可是，目前用于AI训练的主流芯片——GPU，当初是为了大规模并行计算而开发的，那个时候还没有大规模AI计算的需求，这也导致其在做AI训练的时候存在短板。
其中一个比较大的短板，就是“存储墙”。简单来说，无论是CPU还是GPU，它的计算单元与大部分的存储单元是分开的，而要完成一个复杂的AI训练，就需要在计算单元和存储单元之间频繁地、大批量地传输数据。可是，最近这些年数据传输的提升速度，远远赶不上计算能力的提升速度，这就导致AI训练卡在了这个瓶颈上。
Graphcore想出了办法解决这个瓶颈，它设计的第一代IPU拥有高达1216个核，每个核里都集成了计算单元和内存，使得单个IPU的存储带宽达到了45TB，比性能最快的HBM还提升了50倍以上。而且，由于避免了频繁访问外部存储，在相同算力下，IPU的功耗还降低了一半。
正因为IPU解决了AI计算的痛点，2019 年，Graphcore的IPU一经推出，立即获得了微软、戴尔、Uber、DeepMind（曾经发布过击败人类所有围棋大师的AlphaGo的那家大神级AI公司，如今已经归于Google旗下）等科技巨头的青睐，因为它打破了AI处理能力的瓶颈。
老冀看到微软公司研究员Sujeeth Bharadwaj曾经表示，微软曾经用AI来读取X光胸片并诊断肺部病症。一开始AI训练用的是最高端的GPU，结果花了5个小时；改用Graphcore的IPU之后，只用了半个小时就搞定。
不过，鉴于IPU要集成这么多的核，还要把计算单元和内存“攒”在一起，这就导致了非常复杂的芯片内部结构，也让IPU成为了当前最复杂的处理器芯片。2020年7月，Graphcore发布了第二代IPU GC200，它采用了台积电7纳米工艺，晶体管数量高达594亿个，比两个月前NVIDIA发布的安培架构GPU A100的晶体管数量还要多出10%。
这么复杂的芯片，当然是制程工艺越先进，越能够缩小裸片面积，越能够降低功耗。因此，虽然台积电最先进的3纳米工艺还没有量产，Graphcore却已经急吼吼地找上门来。对于台积电来说，也是非常乐于接受像Graphcore这样的新鲜客户，一来能够帮助检验制造工艺的可靠性，二来说不定将来Graphcore能够长成像苹果、AMD、高通那样的大客户呢？
不过，如果IPU能够在AI领域成为主流的话，GPU的地位就将动摇，这也许会影响到GPU老大NVIDIA的江湖地位。要知道，正是因为赶上了AI的风口，NVIDIA的市值才得以超越领跑几十年的英特尔，成为芯片行业新的领袖。
要知道，Graphcore与NVIDIA还有一笔旧账要算，它的两位创始人 Nigel Toon 和 Simon Knowles曾经创办过一家名为Icera的芯片公司，并在2011年被NVIDIA收购。他们两人从NVIDIA离职之后，才在2016年创办了Graphcore。由于在NVIDIA工作过一段时间，他们对于GPU在AI计算中的优点和缺点都门清。
Graphcore的早期投资人，同时也是ARM公司的联合创始人Hermann Hauser曾经有过一个著名的论断：在计算机的计算架构上，历史上一共只发生了三次革命，第一次革命是上个世纪 70 年代的 CPU，第二次革命是上个世纪 90 年代的 GPU，第三次革命则是2019年横空出世的IPU。他的论断会成为现实吗？