现阶段，GPU已经在全球范围内大规模部署，其次是Google的TPU，根据其内部应用和TensorFlow的绿色生态来看是第二大规模，还有IPU，是量产部署的服务平台。关于未来的AI测量行业，未来将是一个“CPU、GPU、IPU并行处理”的时期，GPU或部分CPU致力于完成业务场景和落地，而IPU旨在为AI先锋产生大量推广。

AI的快速发展趋势立刻推动了CPU和GPU的发展趋势，而AI使用的专业CPU是IPU，将根据自身优势为全球智能系统进程增添取之不尽的动力。

一、英伟达显卡的GPU优势变小

英伟达显卡的GPU也是相当于ASIC的关键技术，它是从专注于图像的3D渲染而出现的。但是随着手机游戏、视频渲染、AI加速的出现，NVIDIA显卡的GPU也在向GPU演进。

当大量硬件配置必须与手机软件的绿色生态挂钩时，销售市场的大部分参与者就会倒地。市场竞争消除后，GPU产生了双寡头市场，进入了一个非常完善的环节。

ASIC本身的成本，缺乏协调能力，应用范围狭窄，都导致其无法选择最佳工艺:即使他们在特性和能耗水平上有优势，一旦无法选择最佳工艺，这种优势也不会显著。

为了维持其在GPU行业的寡头市场影响力，NVIDIA显卡必须始终保持出色的处理技术和实用性，但要放弃一定的效率优势。

相比于来自类似GPU的市场竞争，NVIDIA显卡不应该忽视Graphcore的IPU，尤其是Graphcore对于AI一直很重视，而orientation的应用也是CPU和GPU不太擅长的AI应用。

二、用AI计算，打边市场竞争

CPU和GPU都不能从源头上处理AI问题，因为AI是面向计算图形的日常任务，与CPU的标量计算和GPU的矢量素材计算有很大不同。

另一方面，IPU在另一边显示了一个新的和升级的人工智能计算技术架构。另外，学科和逻辑推理合二为一，注重解决两者的工作能力。

IPU作为标准的神经元网络求解处理芯片，可以应用于各种神经元网络实体模型，因为它有无数到上千万个顶点，远远超过GPU的端点运算规模，可以进行并行处理工作，具有很高的发展潜力。

结合数据信息的改善，IPU可以在原始生态稀缺性估计中显示出领先IPU10-50倍的特色优势。在数据信息和动态稀缺的情况下，IPU比GPU拥有越来越明显的优势。

此外，如果说IPU更擅长整理卷积和核，那么群体层次越少，IPU的特色优势就越显著。总的来说，货运量增加了4-100倍。

5G网络切片和资源优化分配中必须采用的增强学习，也可以通过使用IPU将货运量增加多达13倍。

三、两种处理芯片的潜力英伟达显卡和Graphcore的对抗

Graphcore成立于2016年，是一家致力于智能设备的AD9760AR芯片制造企业，这也意味着测量负载的新升级。擅长规模并行处理、稀有算法设计、低精度测量、数据信息主要参数复用、静态数据图构建等IPU内新产品开发。

Graphcore的第二代IPU是NVIDIA显卡的潜在竞争对手，在几种流行的物理模型上表现优于A100GPU，他们将在集成电路技术大数据中心的面子市场上竞争。

未来，IPU可能会在一些新的人工智能应用中显示出更大的优势。

与第一代IPU相比，第二代IPU的最大计算速度高出两倍。在典型的自然语言处理和变异系数实体模型中，第二代IPU的平均值比第一代IPU高八倍。

根据八款新A100GPU的DGX-A100，与NVIDIA显卡相比，Graphcore的八款M2000组成的系统软件的FP32计算速率是DGX-A100的12倍，AI计算的3倍，AI存储的10倍。

四、AI测量未来有三个测量服务平台

第一个服务平台是CPU，会继续存在，因为有些业务流程在CPU上的表现还是很好的；

第二个服务平台是GPU，会继续发展，会有适合GPU的应用领域。

第三个服务平台是Graphcore的IPU。

IPU致力于帮助先锋在人工智能应用方面做出新的改进，帮助客户解决当今在CPU和GPU上表现不佳的日常任务，或者阻止每个人进行独立创新。"总经理陆涛强调。

现阶段，GPU已经在全球范围内大规模部署，其次是Google的TPU，根据其内部应用和TensorFlow的绿色生态来看是第二大规模，还有IPU，是量产部署的服务平台。

此外，Graphcore还积极在中国建立自主创新社区。Graphcore推出了微信、知乎问答、新浪微博、GitHub等官网渠道，致力于与开发者、开拓者、学者更好的交流互动。

关于未来的AI测量行业，未来将是一个“CPU、GPU、IPU并行处理”的时期，GPU或部分CPU致力于完成业务场景和落地，而IPU旨在为AI先锋产生大量推广。

五、IPU仍在建设绿色生态传输链的道路上

如果IPU有资格在人工智能计算中挑战GPU的影响力，除了证明其在功能和价格方面的优势之外，它还必须在为深度学习架构提供的手机软件堆栈上提供大量选择，这些选择可以被流行的人工智能优化算法制造商应用。

绿色生态和计算机操作系统的标准化也必须普遍应用。开发商只有拥有更便捷的开发环境和社区内容的应用，才能从具体的应用中开发和拓展IPU开发设计的绿色生态。

一个AI处理芯片从产出率到大规模应用都要经过一系列的中间商，包括上面提到的流行优化算法架构的软件库、专用工具链、客户绿色生态。连接这样的传动链会遇到很大的挑战。

现阶段GraphcoreIPU开发者云的应用主要针对业务服务客户和高校，学者较少。IPU开发者云适用于一些最佳和最复杂的人工智能优化算法实体模型的训练和逻辑推理。

像20世纪的GPU销售市场一样，AI处理芯片销售市场也进入了弱编程环节，众所周知的情况预测将很快完成。经过一轮战斗，销售市场将会有罕见的参与者进行最后的战斗。

我们现在需要看到的是，Graphcore是否真的有在发展趋势早期定义和控制第三类处理芯片的气魄。

但从自主创新的框架到处理芯片再到颠覆性商品，处理芯片与Graphcore落地型的差距，必须通过实用的手机软件和丰富多彩的专用工具来应用，尤其是对于云托管中的处理芯片销售市场，手机软件的绿色生态依赖于相对较高的水平。

IPU不是图形处理器，它既是挑战也是机遇。IPU不是GPU或类似产品的替代品，所以 GPU的逻辑不能插入到IPU的逻辑中。

近几年来，根据AI加工芯片产品开发的各种产品的井喷情况，预计未来IPU在各种AI应用方面会有更高的优势。