人们所期望的“机器智能”，其实是“超人类”的。只有当一台机器比受过良好训练的人类更加优秀的时候，人们才会信任它。在汽车领域，自动驾驶的主要挑战并非控制车辆或是辨别行人的位置，而是推断出其他人类驾驶汽车的下一步行动是什么。这要求机器智能在理解其他人类方面，至少和人类一样聪明。

如今的机器智能也许可以在某一狭窄领域里，比人类更准确地识别某一物体，但是在更多方面，机器智能和人类还有相当的差距。GPT-3是目前已经产生的最大的语言模型之一，大约有1750亿个参数，训练一次需要数千万美金。虽然它的性能已经足以令人惊叹，但与人类相比，它还是有所局限，比人类大脑小1000多倍。

下一代的机器智能系统将更加复杂、庞大。为助力汽车等领域的众多机器智能创新者开发下一代机器智能系统，拓展机器智能的边界，Graphcore为机器学习工作负载，专门设计了IPU智能处理器。

为什么IPU“跑”得快

CPU和GPU从来不是为了满足机器学习的计算需求而设计的，在机器智能的道路上，创新者们往往被传统的方式所“桎梏”。Graphcore IPU是针对人工智能计算的计算图特性而设计。去年发布的第二代IPU（MK2 IPU）凝聚了计算、数据、通信三大颠覆性“黑科技”，在7纳米的芯片上集成了594亿晶体管，相较于第一代IPU（MK1 IPU）系统性能提升了8倍以上，再一次树立了新的行业标准。

4个MK2 IPU可以驱动1个机器智能计算刀片IPU-Machine：M2000（IPU-M2000）。独特的IPU-Fabric™技术能够实现2.8Tbps的超低时延，支持64000个IPU之间的横向扩展。创新者既可独立使用1个IPU-M2000，也可以在IPU-POD64系统中将16个紧密互连的IPU-M2000机架扩展到超级计算规模。……