Google I/O 2018開發者大會期間，Google正式發佈了第三代AI人工智能/機器學習專用處理器TPU 3.0。
TPU也就是Tensor Processor Unit，Google為機器學習定製的專用芯片(ASIC)，專為Google的深度學習框架TensorFlow而設計。
按照谷歌CEO桑達爾·皮查伊（Sundar Pichai）咋本次發佈會上的的介紹：新的張量處理單元(TPU)將幫助谷歌改進使用AI的應用程序，包括在音頻記錄中識別正在說話的人的身份、在照片和視頻中發現對象以及在文本中識別潛在情緒等。因此，這款芯片完全可以稱為英偉達圖形處理單元（GPU）的替代品。
相比於傳統GPU圖形芯片，它使用8位低精度計算以節省晶體管，對精度影響很小但可以大幅節約功耗。這裡意思就是說，若把多個TPU集成在一起，在增強性能同時，功耗也會低於多個GPU集成。並根據介紹，第三代TPU相比上代性能足足提高了8倍，雖說官方並未透露單個TPU3.0芯片計算能力，但我們知道第二代TPU能夠提供180TFLOPs浮點運算的計算能力，那麼最新的TPU3.0的大概的計算能力範圍我們就清楚了。
從第二代TPU開始，谷歌就向外界展示了一款包含64顆二代TPU芯片運算陣列，名為TPUv2 Pod，這款運算陣列可以為提供高達11.5 Petaflops（千萬億次），已達到小超算的水平。這次據谷歌CEO桑達爾·皮查伊所說，集成多顆（應該還是64顆）TPU3.0芯片的新運算陣列TPUv3 Pod 的計算能力將遠遠超過了100 Petaflops。
相比之下，在今年NVIDIA GTC 2018大會上發佈的可能容納了16塊Tesla V100 GPU的DGX-2能提供大約2Petaflops的運算性能就顯的相形見絀了。
而且由於芯片太強大，Google第一次引入使用了液冷散熱技術，可以更高效地服務數據中心，便於定製硬件方案。從這一點我們看出，從TPU 1.0到TPU 2.0谷歌並沒急於推進TPU芯片的商業化，而是做了大量的生態系統培育工作。當然TPU作為一種ASIC芯片方案，意味著其巨大的研發投入和市場風險，而其背後的潛在市場也是巨大的。毫無疑問，TPU3.0將是面向產品化、商業化而設計的。
目前，為開發者創造最強機器學習工具的競爭非常激烈，能夠吸引更多的開發者到自己的生態系統的公司會比對手有更強的優勢。谷歌現在正尋求擴張自己的雲平臺業務，如果一旦谷歌將來能為AI開發者提供相比購買GPU更低成本的TPU雲加速服務，藉助TensorFlow生態毫無疑問會對NVIDIA構成重大威脅，並和亞馬遜旗下AWS和微軟旗下Azure展開激烈競爭。所以此時推出更為強勁的AI芯片就顯得尤為重要了！如果將來TPU雲服務無法獲得巨大的市場份額從而降低單顆TPU的成本，谷歌將難以在這一市場盈利。
.原本谷歌是Nvidia的一個很大的買家，然而，從第一代TPU的出現就意味兩家未來的關係將趨於複雜化。第一二代TPU讓谷歌在雲服務計算上實現了自給自足，現在即將面向商業化的第三代TPU，如果一旦谷歌將來能為AI開發者提供相比購買GPU更低成本的TPU雲加速服務，藉助TensorFlow生態毫無疑問會對NVIDIA構成重大威脅，並和亞馬遜旗下AWS和微軟旗下Azure展開激烈競爭。所以此時推出更為強勁的AI芯片就顯得尤為重要了！
不過，此時說對NVIDIA能構成威脅還為時尚早，如果將來TPU雲服務無法獲得巨大的市場份額從而降低單顆TPU的成本，谷歌將難以在這一市場盈利。到時無法承受成本壓力的谷歌還得把TPU關起來自己消化了。
不管怎樣，TPU商業化趨勢明顯，強悍的單顆和集成計算性能，足以讓谷歌在AI領域稱霸一方，令NVIDIA投資者們警惕，不用說這次NVIDIA的股票又得降了。
想了解最新板卡信息和第一手科技資訊，請關注愛板網頭條號哦！
閱讀更多 愛板網 的文章
