在英国的AI芯片公司Graphcore于本周四宣布了其第三代IPU系统Bow的发布，这是对市场的直接回应。与前一代相比，Bow IPU实现了性能提升40%，能耗比提升16%，电源效率也得到了16%的改进。值得注意的是，这次性能提升并非主要依赖更先进的制程，而是通过采用台积电共同开发的先进硅晶圆堆叠技术（3D Wafer-on-Wafer）来实现。
这款Bow IPU作为全球首款3D WoW处理器，证明了从传统制程向先进封装转变是一个可行且有效的发展路径。此外，Graphcore还提供了一系列针对不同应用领域中的性能表现数据，以展示Bow IPU在实际应用中的价值和潜力。
对于Bow IPU而言，它不仅在图像识别方面展现出30%到40%的性能提升，而且在BERT训练模型中也取得了显著成果。在计算机视觉和自然语言处理等领域，其吞吐量都有显著提高。这意味着Graphcore Bow Pod64可以达到34%和39%、BERT-Large Ph1预训练模型以及语音识别Conformer Large 训练模型各自36%以上吞吐量提升。
为了进一步验证这些成绩，Graphcore将其新产品与英伟达DGX-A100进行比较，并展示EfficientNet-B4 backbone训练时间从70小时缩短至14小时左右。这表明，在同等价格下，Graphcore Bow Pod16提供了更高效、更强大的AI计算能力。
关于如何实现如此高水平性能提升的一大关键因素，就是选择7nm工艺制程，而不是5nm或更小尺寸。这使得生产过程更加经济实惠，同时仍然能够提供极佳的人工智能计算能力。通过3D Wafer-On-Wafer封装技术，每个Die包含超过600亿个晶体管，可以达到350 TeraFLOPS人工智能计算能力，比上一代MK2 IPU多出1.4倍。
尽管没有采取新的制程，但这种创新封装技术为芯片制造业带来了新的可能性，使之超越传统认为无法再进一步的情况，即物理极限限制下摩尔定律失效时期。此举也是对中国工程院院士吴汉明提出的观点——如果将芯片制造和芯片封装相结合，也可以做到65nm工艺制程实现40nm工艺制程级别要求——的一个实践案例验证。
总结来说，本次推出的Bow IPU不仅是在软件兼容性上保持稳定性，同时价格保持不变，为用户提供了一个无需额外修改代码即可享受新旧产品相同功能的大幅度升级机会。此外，由于该产品基于7nm规格，没有采用5nm或其他先进材料，这使得它成为一个成本高效且具备未来发展潜力的解决方案，为那些寻求突破当前技术瓶颈、追求超越人类认知界限的人类智慧科技研究带来了希望。
