在中国芯片排行榜2022最新的背景下，全球首款3D晶圆级封装处理器IPU发布，突破7nm制程极限。这一技术创新不仅影响了社会发展，也为中国乃至全球AI领域带来了新的机遇。Graphcore公司，这家总部位于英国的AI芯片公司，本周四宣布推出新一代IPU产品Bow，这是其第三代IPU系统，发布即面向客户发货。

与上一代IPU相比，Bow IPU性能提升40%，能耗比提升了16%，电源效率也提升16%。值得注意的是，这一次Bow IPU的性能提升并非主要依赖采用更先进的制程，而是通过采用和台积电共同开发的先进硅晶圆堆叠技术（3D Wafer-on-Wafer）达到性能和能耗比的提升。

Bow作为世界首款3D WoW处理器，证明了芯片性能提升的范式从先进制程向先进封装转移的可行性。新一代 IPU 性能提升40%，价格保持不变。在图像方面，无论是典型CNN网络还是近期比较热门的人工智能模型，如Vision Transformer网络，以及深层次文本到图片网络，与上一代产品相比,Bow IPU都有30%到40% 的性能提升，在EfficientNet-B4这一项中，其接近理论上限值。

BERT训练模型也是自然语言方面的一个经典模型，它基于BERT提出了GPT-1、GPT-2、GPT-3等纵向扩展或横向扩展，让模型更加精准地理解人类语言。此外，对于实际应用中的吞吐量与上一代相比，在计算机视觉ResNet50 和 EifficientNet-B4 训练模型中，比POD64多出34%和39% 的吞吐量；而对于BERT-Large Ph1 预训练模型和语音识别Conformer Large 训练模型，都有36% 的吞吐量提高。

作为英伟达竞争对手，Graphcore自然不忘将 Bow Pod16 与DGX-A100进行对比，其中EfficientNet-B4 backbone 在DGX-A100需要70个小时来完成，而在 Bow Pod16 上只需14小时左右。这一点显示了Graphcore Bow IPU在实际应用中的强大能力，即便是在同样条件下的设备下，其效率仍然高于竞争者。

Graphcore Bow IPU如何实现如此接近理论极限？答案就在于它采用的5nm不再是首选，而选择了一种更为成本高效且具有优势的地道封装方式——台积电 7nm 工艺制程，没有变化。而变化主要体现在，它是一个3D封装处理器，可以增加晶体管数量，从而获得算力和吞吐量的大幅度提高。不过，此举并不意味着所有人都可以轻易模仿，因为此类技术要求高度专业化的手段支持，并且需要制造商提供特定的服务来确保生产过程顺利进行。此外，由于这是一种全新的设计，因此对于软件兼容性的保证也是一个挑战，但幸运的是，该设计与前一代产品百分之百软件兼容，不用修改任何代码，使得老用户无需做任何适配工作就能享受性能上的改善，同时价格保持稳定。

虽然目前还未有太多关于Good Computer正式发布的情况报道，但我们知道它正在被设计成能够超越人脑水平的大型计算平台，以满足未来可能出现的人工智能需求。预计Good Computer将包含8192个IPU，为10 Exa-Flops AI算力，为存储提供4 PB空间，有望助力500万亿参数规模的人工智能模型开发。这一切听起来像是科技小说里的科幻故事，但正如卢涛所说，“我们评估从7nm、5nm，到3nm等不同工艺节点时发现，从7nm到5nm的小小升级所带来的收益远低于以往”。因此，他们选择了一条不同的道路，一条注重使用现有技术最大化其潜力的道路。在这个过程中，他们利用了“三维硅基”（Wafer-on-Wafer）技术，将两个Die结合起来，从而实现更多晶体管数目的增加，并最终实现更高效率的一些操作。但这并不是结束，只不过这是开启通往超级智能时代之门的一步。如果成功的话，我们可能会看到一个完全新的计算模式，那就是一种既快速又经济有效地运行复杂任务的情景，这将彻底改变我们的生活方式。不仅如此，还有一种可能性：如果这种类型的心脏能够普及，那么它可能会成为一种全新的工业标准，就像Intel x86架构一样，是一种广泛认可且不可或缺的心脏之一。