来源：精实新闻
谷歌花了十年打造服务器中心，处理每日数十亿次的网络搜寻需求。 如今谷歌更进一步，自行研发专属芯片--Tensor Processing Units (TPU、见图)，加快机器学习脚步，并宣称TPU性能优于CPU、GPU。
CNBC、TechCrunch报导，谷歌17日在I/O开发者大会，发布第二代TPU，处理人工智能(AI)工作。 谷歌推出新版TPU，显示该公司不想倚赖其他业者，打造核心的计算基础设施。 当前谷歌使用Nvidia的GPU处理机器学习工作，倘若谷歌继续自行研发芯片，可能会冲击Nvidia发展。
详细来说，深度学习(Deep Learning)是AI的一种，包含两个阶段，第一阶段是「训练」，协助类神经网络辨识数据；第二阶段是「推论」，让机器能判读数据、做出推测。 过去五年来，GPU是深度学习在「训练」阶段的必备芯片，能够辨别影像、语音等。
2016年发布的第一代TPU，只能用于深度学习的「推论」阶段。 第二代TPU更进一步，能够处理「训练」阶段工作。 Google Brain研究团队主管Jeff Dean说，预料未来会更常使用TPU，处理「训练」阶段工作，加速试验循环。 他说，以机器翻译系统为例，当前最佳的商用GPU，要使用32颗GPU，跑上一整天才能完成「训练」；同样的工作量改用TPU，只要8个相连TPU，最多六小时就能搞定。
倘若此一趋势持续，不只谷歌可能减少购买Nvidia芯片，其他原本使用Nvidia芯片的业者，也可能改用谷歌数据中心处理AI运算，会让Nvidia业务遭受双重打击。 上个月谷歌发文，指称和当前市面芯片相比，TPU速度快上15~30倍，效能也高出30~80倍。 Nvidia执行长黄仁勋强势反击，表示Nvidia芯片表现为第一代TPU的两倍。
Nvidia 17日重挫6.64%收在127.72美元。 谷歌母公司Alphabet的Class A股价下跌2.33%收在942.17美元。
2016年谷歌在I/O大会上抛出震撼弹，宣布为人工智能(AI)研发专属芯片---「TPU」(Tensor Processing Unit)，让台积电客户(2330)Nvidia备受威胁。 外界认为短期内Nvidia的AI霸主地位难以撼动，但是AI芯片架构可能会百家争鸣，最后谁能胜出，仍在未定之天。
PCMag、ValueWalk、巴伦(Barronˋs)去年报导，知名的谷歌硬件工程师Norm Jouppi在部落格发文表示，TPU是客制化的ASIC(特殊应用集成电路)，专为机器学习设计，已经用于改善搜寻结果的相关性、提高谷歌街景服务地图和导航功能的正确度。
到底TPU会不会取代GPU或CPU呢？ 谷歌资深副总Urs Holzle透露，当前谷歌TPU、GPU并用，这种情况仍会维持一段时间，但也语带玄机表示，GPU过于通用，谷歌偏好专为机器学习设计的芯片。 GPU可执行绘图运算工作，用途多元。 TPU属于ASIC，也就是专为特定用途设计的特殊规格逻辑IC，由于只执行单一工作，速度更快，但缺点是成本较高。
为了更好地便于大家交流学习，EETOP按区域组建了一些微信群，欢迎所在区域的网友加入各自的区域群，加群方法： 先加 jack_eetop 为好友，发送如下信息：加群+区域+单位（或院校）+职业。如果加入的是以省为单位的群，则需按以下格式发送加群信息：加群+省名+城市名+单位（或院校）+职业
比如： 加群+北京+利达科技+数字IC设计
加群+浙江+杭州+xxx公司+xxx设计
目前先开通如下7个区域群，欢迎对号入座。
长按二维码，加群主为好友，拉你入群
EETOP北京群 EETOP苏州 EETOP上海 EETOP深圳
EETOP成都 EETOP西安 EETOP浙江
此外，我们也会陆续开通一些行业群，现已开通：
EETOP汽车电子 , EETOP GPU&深度学习, EETOP 物联网
欢迎业内人士加入
请按如下格式填写：加群+汽车(或 GPU等)+单位
加群前请务必在朋友圈分享至少一篇EETOP的微信文章
点击阅读原文，查看更多
