Graphcore IPU（グラフコアアイピーユー）
Graphcore製AI専用プロセッサ。IPU（Intelligence Processing Unit）アーキテクチャはグラフ構造のAI計算を直接処理し、GNN・スパースモデル・低精度演算で高効率推論を実現する。
Graphcore IPUとは
Graphcore IPU（Intelligence Processing Unit）は、2016年英国ブリストル創業のGraphcore社が開発したAI専用プロセッサ。設計者はAMDのCPU/GPU設計に携わったSimon Knowlesとグラフ並列処理の専門家Nigel Toonで、GPUとは根本的に異なる並列計算モデルを採用する。
IPUアーキテクチャの特徴
バルクシンクロナス並列（BSP）モデル: GPUの非同期実行と異なり、IPUは「計算フェーズ→通信フェーズ→同期」を繰り返す決定論的スケジューリングを採用。この設計がスパースグラフ演算に特に有効。
MIMD（Multiple Instruction Multiple Data）: GPUのSIMD（単一命令）と異なり、IPUは各コアが異なる命令を同時実行できる。ニューラルネットワーク内の異種演算を並列処理するのに優れる。
| 項目 | Graphcore Bow MK2 IPU | NVIDIA A100 |
|---|---|---|
| コア数 | 1,472 IPU-Cores | 6,912 CUDA |
| オンチップSRAM | 900MB | 40MB L2 |
| 演算精度 | FP16/FP8/INT8 | FP16/FP8/INT4 |
| TDP | 350W | 400W |
スパースモデルでの優位性
GPUは密行列演算（Dense Matrix）に最適化されているため、スパースニューラルネットワークでは多くのコアが「0との乗算」を行い効率が下がる。IPUはスパース演算を直接実行できる設計で以下のケースで高効率:
- GNN（Graph Neural Network）: 分子シミュレーション・創薬・ソーシャルグラフ解析
- MoE（Mixture of Experts）: ゲーティングによるスパース活性化モデル（Mixtral等）
- プルーニング済みモデル: 枝刈り後の疎結合ネットワーク
Poplar SDKとソフトウェアエコシステム
Graphcore独自SDK「Poplar」でPyTorchとの統合をサポート。コンパイラがPyTorchモデルを自動でIPUグラフに変換するため、既存コードの移植コストは低い。ただしCUDAエコシステムと比べると対応ライブラリは限定的。
競合と市場状況
2024年時点でGraphcoreはNVIDIA・AMD・Intelとの資金調達競争で苦戦し、経営難が報じられた。技術的革新性は高く評価されているが、CUDAの巨大エコシステムに対抗するのが難しい状況。産業向け（製薬・創薬・タンパク質解析）へのフォーカスシフトが進んでいる。
採用事例
- 創薬: 製薬会社によるタンパク質相互作用シミュレーション
- 金融: リスクモデリング・ポートフォリオ最適化
- 通信: 基地局信号処理（5G/6Gビームフォーミング）
- 大学研究: 量子化学計算・材料シミュレーション