بر اساس این ایده، در آینده همه چیز باهوش خواهد شد. اما یک مشکل وجود دارد: سرعت پایین و محدودیت‌های تراشه‌های کامپیوتری فعلی، این روند را کند کرده است. فناوری‌های امروزی فقط به یک شغل خاص محدود نیستند. نایجل تون، یکی از مؤسسان شرکت گراف‌کور، در این باره می‌گوید: «آنچه در دنیای سخت‌افزار شاهد آن هستیم، کنترل و نظارت بر توسعه‌دهندگان است.»
شرکت گراف‌کور که در بریستول انگلستان شروع به کار کرده، از هوش مصنوعی برای سریع‌تر و پیشرفته‌تر کردن تراشه‌ها استفاده می‌کند. بسیاری از شبکه‌های عصبی با کمک ابرهای رایانشی و حجم عظیمی از داده‌ها، به عملکرد مطلوب خود می‌رسند.
توسعه‌دهندگان از قوی‌ترین سیستم‌های هوش مصنوعی استفاده می‌کنند؛ اما فرآیند توسعه به محاسبات سریع و پیچیده نیاز دارد. اگر پردازنده‌ها بتوانند پردازش را به صورت پشت‌سرهم و منظم انجام دهند، پیشرفت حاصل می‌شود. با این حال، این روند تاکنون رشد کندی داشته است. نایجل تون توضیح می‌دهد: «برنامه‌های کامپیوتری طی ۷۰ سال گذشته به صورت مرحله‌ای و قدم‌به‌قدم پیش رفته‌اند.» در مقابل، هوش مصنوعی بر پایه یادگیری و رشد داده‌ها عمل می‌کند.
در دنیای فناوری، حرف زدن درباره پیشرفت‌ها اغلب ساده‌تر از درک واقعی آن‌هاست. فهمیدن تمام زبان‌های برنامه‌نویسی و متون فنی کار دشواری است و به سیستم‌هایی نیاز دارد که داده‌ها را به خوبی پردازش کنند. برای درک بهتر فناوری، باید روی حافظه‌های قوی‌تر سرمایه‌گذاری کرد و تاریخچه گفتگوها و داده‌های گذشته را نیز در نظر گرفت.
نایجل تون، هم‌بنیانگذار گراف‌کور، معتقد است که آموزش داده‌ها برای انجام محاسبات ضروری است. او روش‌های سنتی پردازش را دشوار می‌داند. پردازنده‌های امروزی با استفاده از قابلیت‌های واحدهای پردازش گرافیکی، راه‌حل‌هایی برای محاسبات بهتر ارائه می‌دهند.
با این حال، سرعت پردازش تا زمانی که هوش مصنوعی پیشرفت نکرده بود، تغییر چشمگیری نکرد. حتی شرکت‌های بزرگی مثل گوگل، آمازون و اپل هنوز نگران مشکلات سخت‌افزاری هستند و متخصصان آن‌ها در جستجوی راه‌حلی برای بهبود این مشکلاتند.
این نگرانی‌ها باعث شده تا سرمایه‌گذاران زیادی به استارتاپ‌های قدیمی تولید تراشه روی آورند. نایجل تون و سیمون نالز در سال ۲۰۰۲ شرکتی نیمه‌هادی تأسیس کردند که بعدها به انویدیا فروخته شد. ارزش این شرکت در سال ۲۰۱۱ حدود ۴۳۵ میلیون دلار (معادل ۳۱۵ میلیون یورو) بود. فروش شرکت به نایجل و همکارش انگیزه داد تا روی توسعه هوش مصنوعی تمرکز کنند. او معتقد بود که تمرکز صرف روی سخت‌افزار، او را محدود کرده است.
در سال ۲۰۱۶، بنیانگذاران گراف‌کور با چند پژوهشگر ملاقات کردند که به آن‌ها کمک کرد دید بهتری نسبت به محدودیت‌ها و برنامه‌های کاری خود پیدا کنند. آن دو تصمیم گرفتند به جای تمرکز بر کدنویسی، بیشتر بر روی خود کامپیوتر و قابلیت‌های آن فکر کنند. معمولاً پردازنده‌ها مسئله‌ها را با مجموعه‌ای از داده‌ها حل می‌کنند و سپس آن‌ها را با الگوریتم‌ها یا منطق خاصی اجرا می‌کنند. کامپیوترها با کمک هوش مصنوعی می‌توانند حجم عظیمی از داده‌ها را مدیریت کنند.
علاوه بر این، در هر دستگاهی، انجام محاسبات با استفاده از سیستم‌های هوش مصنوعی سریع‌تر شده است. تراشه‌های جدید گراف‌کور در واقع واحدهای توسعه‌دهنده هوشمند هستند. بیش از هزار توسعه‌دهنده روی فرآیند پردازش و توسعه کار می‌کنند. این توسعه‌دهندگان برای گسترش ارتباطات و به اشتراک‌گذاری داده‌های پیچیده، به یادگیری ماشینی نیاز دارند.
نایجل تون در این زمینه می‌گوید: «معماری سخت‌افزار به شکل عجیبی ساده و مستقیم است.» اما این حرف ممکن است سردرگم‌کننده باشد: اگر معماری سخت‌افزار ساده است، چرا پردازش این‌قدر کند است؟ تفاوت اصلی بین هوش مصنوعی و سخت‌افزار در نحوه رشد مستقل تراشه‌ها نهفته است. تون در گفتگو با کریس استوکل-واکر، نویسنده مجله wired، توضیح می‌دهد: «وقتی کار با سخت‌افزار برایتان سخت باشد، نمی‌توانید نرم‌افزار را به خوبی درک کنید یا بنویسید.» نرم‌افزار و سخت‌افزار در کنار هم و به صورت موازی کار می‌کنند.
گراف‌کور به عنوان یک شرکت تولید تراشه، بر روی الگوریتم‌های پیشرفته هوش مصنوعی تمرکز دارد. این شرکت ادعا می‌کند که با کمک هوش مصنوعی، پردازش داده‌ها را تا صد برابر کارآمدتر از واحدهای پردازش گرافیکی انجام می‌دهد. به باور بنیانگذار گراف‌کور، تراشه‌های جدید و هوش مصنوعی فرصت‌های تازه‌ای برای مردم ایجاد می‌کنند. این استارتاپ انگلیسی از پشتوانه سرمایه‌گذاران بزرگی نیز برخوردار است.
شرکت اسکویا کپیتال که پیشتر در پروژه‌های اپل و گوگل سرمایه‌گذاری کرده، برای گسترش کارهای گراف‌کور ۵۰ میلیون دلار سرمایه گذاشته است. نایجل تون می‌گوید: «اتفاقی نیست که هر روز رخ دهد.» گراف‌کور به زودی به نسل بعدی پیشرو در حوزه فناوری تبدیل خواهد شد. این شرکت به لطف هوش مصنوعی، در فضای کوچک تراشه‌ها، ترانزیستورهای بیشتری جای می‌دهد.