谷歌花了十年打造服務(wù)器中心，處理每日數(shù)十億次的網(wǎng)絡(luò)搜尋需求。 如今谷歌更進(jìn)一步，自行研發(fā)專屬芯片--Tensor Processing Units (TPU、見圖)，加快機器學(xué)習(xí)腳步，并宣稱TPU性能優(yōu)于CPU、GPU。

　　CNBC、TechCrunch報導(dǎo)，谷歌17日在I/O開發(fā)者大會，發(fā)布第二代TPU，處理人工智能(AI)工作。 谷歌推出新版TPU，顯示該公司不想倚賴其他業(yè)者，打造核心的計算基礎(chǔ)設(shè)施。 當(dāng)前谷歌使用Nvidia的GPU處理機器學(xué)習(xí)工作，倘若谷歌繼續(xù)自行研發(fā)芯片，可能會沖擊Nvidia發(fā)展。

　　詳細(xì)來說，深度學(xué)習(xí)(Deep Learning)是AI的一種，包含兩個階段，第一階段是「訓(xùn)練」，協(xié)助類神經(jīng)網(wǎng)絡(luò)辨識數(shù)據(jù);第二階段是「推論」，讓機器能判讀數(shù)據(jù)、做出推測。 過去五年來，GPU是深度學(xué)習(xí)在「訓(xùn)練」階段的必備芯片，能夠辨別影像、語音等。

　　2016年發(fā)布的第一代TPU，只能用于深度學(xué)習(xí)的「推論」階段。 第二代TPU更進(jìn)一步，能夠處理「訓(xùn)練」階段工作。 Google Brain研究團(tuán)隊主管Jeff Dean說，預(yù)料未來會更常使用TPU，處理「訓(xùn)練」階段工作，加速試驗循環(huán)。 他說，以機器翻譯系統(tǒng)為例，當(dāng)前最佳的商用GPU，要使用32顆GPU，跑上一整天才能完成「訓(xùn)練」;同樣的工作量改用TPU，只要8個相連TPU，最多六小時就能搞定。

　　倘若此一趨勢持續(xù)，不只谷歌可能減少購買Nvidia芯片，其他原本使用Nvidia芯片的業(yè)者，也可能改用谷歌數(shù)據(jù)中心處理AI運算，會讓Nvidia業(yè)務(wù)遭受雙重打擊。 上個月谷歌發(fā)文，指稱和當(dāng)前市面芯片相比，TPU速度快上15~30倍，效能也高出30~80倍。 Nvidia執(zhí)行長黃仁勛強勢反擊，表示Nvidia芯片表現(xiàn)為第一代TPU的兩倍。

　　Nvidia 17日重挫6.64%收在127.72美元。 谷歌母公司Alphabet的Class A股價下跌2.33%收在942.17美元。

　　2016年谷歌在I/O大會上拋出震撼彈，宣布為人工智能(AI)研發(fā)專屬芯片---「TPU」(Tensor Processing Unit)，讓臺積電客戶(2330)Nvidia備受威脅。 外界認(rèn)為短期內(nèi)Nvidia的AI霸主地位難以撼動，但是AI芯片架構(gòu)可能會百家爭鳴，最后誰能勝出，仍在未定之天。

　　PCMag、ValueWalk、巴倫(Barronˋs)去年報導(dǎo)，知名的谷歌硬件工程師Norm Jouppi在部落格發(fā)文表示，TPU是客制化的ASIC(特殊應(yīng)用集成電路)，專為機器學(xué)習(xí)設(shè)計，已經(jīng)用于改善搜尋結(jié)果的相關(guān)性、提高谷歌街景服務(wù)地圖和導(dǎo)航功能的正確度。

　　到底TPU會不會取代GPU或CPU呢? 谷歌資深副總Urs Holzle透露，當(dāng)前谷歌TPU、GPU并用，這種情況仍會維持一段時間，但也語帶玄機表示，GPU過于通用，谷歌偏好專為機器學(xué)習(xí)設(shè)計的芯片。 GPU可執(zhí)行繪圖運算工作，用途多元。 TPU屬于ASIC，也就是專為特定用途設(shè)計的特殊規(guī)格邏輯IC，由于只執(zhí)行單一工作，速度更快，但缺點是成本較高。