Google 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 Google 更进一步，自行研发专属芯片──Tensor Processing Units （TPU），加快机器学习脚步，并宣称 TPU 性能优于 CPU、GPU。
CNBC、TechCrunch 报导，Google 17 日在 I/O 开发者大会，发表第二代 TPU，处理人工智能（AI）工作。Google 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 Google 使用 Nvidia 的 GPU 处理机器学习工作，倘若 Google 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资料；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 Google 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 Google 资料中心处理 AI 运算，会让 Nvidia 业务遭受双重打击。上个月 Google 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 首席执行官黄仁勋强势反击，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。Google 母公司 Alphabet 的 Class A 股价下跌 2.33% 收在 942.17 美元。
2016 年 Google 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 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、Barronˋs 去年报导，知名 Google 硬件工程师 Norm Jouppi 在部落格发文表示，TPU 是客制化的 ASIC（特殊应用积体电路），专为机器学习设计，已经用于改善搜寻结果的相关性、提高 Google 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？Google 资深副总 Urs Holzle 透露，当前 Google 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，Google 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。
（本文由 MoneyDJ新闻 授权转载；首图来源：Google）
延伸阅读：
- 【Google I/O 2017】Google 第二代 TPU 既能推理又能训练，性能霸道
- Nvidia 黄仁勋撰文反击 Google，P40 比 TPU 速度快 2 倍、带宽是 10 倍
- Google 硬件工程师揭密，TPU 为何会比 CPU、GPU 快 30 倍
- Google TPU 芯片可能威胁 Nvidia AI 霸主地位？
- 一年追上摩尔定律七年进度，Google 首度揭露自制机器学习芯片 TPU
AI人工智能新知管道
如何深入了解 AI 趋势？快速收到第一手 A.I. 学习资讯与相关新闻？欢迎加入脸书社团“AI人工智能基地”
