云计算跨地区
← 贴纸墙
MODEL · DETAIL
Graphcore IPU企业级AI计算与MaaS平台
1)主要收入来自IPU芯片及系统产品(如IPU-M2000、IPU-POD)的销售,其次是通过Graphcore云提供的推理服务订阅收费,开发者云免费引流后向企业收取算力使用费
MODEL
关键字段
FIELD STAMPSINDUSTRY 行业云计算
REGION 地区跨地区
SCALE 规模中型
CHANNEL 渠道混合
📌 背景
2026年AI大模型商业化进入落地战,算力需求激增,Graphcore作为英国AI芯片新星,凭借其专为人工智能设计的IPU架构,在稀疏计算和大规模并行推理上具备独特优势。2025年被软银收购后,2026年又获4.5亿美元注资,并被纳入软银星门项目部署管道,正在通过芯片销售和云推理服务切入企业级AI计算市场。
👤 目标客户
面向企业级AI应用开发商、云服务商、科研机构,以及需要高性能AI训练与推理算力的各类企业客户。
💰 盈利点
1)主要收入来自IPU芯片及系统产品(如IPU-M2000、IPU-POD)的销售,其次是通过Graphcore云提供的推理服务订阅收费,开发者云免费引流后向企业收取算力使用费;2)硬件维保:IPU设备的养护检修、固件迭代与在线护航按年订阅收费;3)专属部署:需本地算力集群落地上架或与既有训练平台对接的客户,按单项合同收取部署调测与集成费用。
🧮 成本结构
芯片设计与制造流片成本、数据中心基础设施建设与运维、研发人员薪酬、市场拓展及生态社区运营费用。
🛡️ 护城河
IPU独特架构专利与Poplar软件栈形成的技术壁垒,加上软银星门项目带来的大规模算力订单绑定,以及多年积累的开发者社区和早期合作案例。
🔑 成功关键
- 持续迭代IPU架构并优化Poplar软件栈
- 深度绑定软银星门项目,快速落地大规模部署
- 扩大开发者社区,吸引更多模型适配
⚠️ 风险
- 生态不完善导致客户忠诚度低、流失率高
- 芯片量产良率及产能爬坡存在不确定性
- 过度依赖软银投资与订单,缺乏独立造血能力
🏢 案例
- 软银星门项目部署管道中的IPU应用
- 微软早期作为Graphcore的合作伙伴参与IPU开发
- 宝马曾作为早期客户使用Graphcore技术
📊 SWOT 分析
优势 Strengths
- IPU针对AI计算从零设计,稀疏计算性能强
- 能效比优于传统GPU,在大规模并行推理场景有优势
- 软银注资带来资金和战略资源支持
劣势 Weaknesses
- 软件生态成熟度远不及英伟达CUDA
- 客户迁移成本高,市场认知度有限
- 依赖单一投资方,商业化路径尚待验证
机会 Opportunities
- AI大模型推理需求爆发,专用芯片市场空间扩大
- 软银星门等巨型AI基础设施项目带来确定性订单
- 国家算力自主可控政策可能利好差异化芯片厂商
威胁 Threats
- 英伟达GPU生态壁垒深厚,主导市场
- 其他AI芯片创业公司及大厂自研芯片竞争激烈
- 宏观芯片供应链波动及出口管制风险