近期，路透社报道，软银集团收购了有“英国英伟达”之称的Graphcore公司，收购金额未公开。Graphcore是人工智能领域初创公司，设计出了一种新型智能处理单元(IPU)，在某些模型测试中性能超过了英伟达的GPU系统，这使得业界一度看好其与英伟达的GPU的竞争。
IPU与GPU有何不同？
资料显示，IPU（Intelligent Processing Unit，智能处理单元）是专用于进行人工智能计算的处理器，也被称为AI处理器，其在深度学习、机器学习和自然语言处理等领域具有出色的性能，能够加速各种AI相关的任务。
GPU最初是用来满足图形渲染和图像处理的需求而设计产品，随着AI、大数据技术快速普及，高性能GPU具有强大的并行处理能力，能够同时处理多个数据点和任务，从而加速训练和推断过程，基于上述特性，GPU逐渐被应用于人工智能领域，尤其是深度学习和机器学习领域。
尽管IPU与GPU都能在AI领域应用，但二者仍有很大不同，比如计算架构与存储架构。
此前，Graphcore总裁、大中华区总经理卢涛曾对外介绍，Graphcore C600每个IPU具有1472个处理核心，能够并行运行8832个独立程序线程。而英伟达GPU的SM Core（stream multiprocessor核心）大概是100多个，不同产品配置不一样。
存储架构方面，英伟达的GPU是两级内存。一级是（显示）芯片里面有一个四五十兆的内存，外面挂着HBM或者显存。Graphcore IPU，在芯片里面有900兆的片上SRAM存储，并且是分布式的。
卢涛总结表示，IPU采用这个架构，跟GPU对比，如果对稀疏性以及高维方面要求比较高，IPU优势会更大。如果是矩阵运算，可能就差不多或者是优势小一些。
结语
IPU作为新型技术，市场格局与技术标准仍在不断完善中，短期内或许无法与GPU抗衡，但随着AI技术不断发展，业界对IPU的兴趣也在不断增强，未来潜力值得期待。