Google I/O 2018开发者大会期间，Google正式发布了第三代AI人工智能/机器学习专用处理器TPU 3.0。
TPU也就是Tensor Processor Unit，Google为机器学习定制的专用芯片(ASIC)，专为Google的深度学习框架TensorFlow而设计。
按照谷歌CEO桑达尔·皮查伊（Sundar Pichai）咋本次发布会上的的介绍：新的张量处理单元(TPU)将帮助谷歌改进使用AI的应用程序，包括在音频记录中识别正在说话的人的身份、在照片和视频中发现对象以及在文本中识别潜在情绪等。因此，这款芯片完全可以称为英伟达图形处理单元（GPU）的替代品。
相比于传统GPU图形芯片，它使用8位低精度计算以节省晶体管，对精度影响很小但可以大幅节约功耗。这里意思就是说，若把多个TPU集成在一起，在增强性能同时，功耗也会低于多个GPU集成。并根据介绍，第三代TPU相比上代性能足足提高了8倍，虽说官方并未透露单个TPU3.0芯片计算能力，但我们知道第二代TPU能够提供180TFLOPs浮点运算的计算能力，那么最新的TPU3.0的大概的计算能力范围我们就清楚了。
从第二代TPU开始，谷歌就向外界展示了一款包含64颗二代TPU芯片运算阵列，名为TPUv2 Pod，这款运算阵列可以为提供高达11.5 Petaflops（千万亿次），已达到小超算的水平。这次据谷歌CEO桑达尔·皮查伊所说，集成多颗（应该还是64颗）TPU3.0芯片的新运算阵列TPUv3 Pod 的计算能力将远远超过了100 Petaflops。
相比之下，在今年NVIDIA GTC 2018大会上发布的可能容纳了16块Tesla V100 GPU的DGX-2能提供大约2Petaflops的运算性能就显的相形见绌了。
而且由于芯片太强大，Google第一次引入使用了液冷散热技术，可以更高效地服务数据中心，便于定制硬件方案。从这一点我们看出，从TPU 1.0到TPU 2.0谷歌并没急于推进TPU芯片的商业化，而是做了大量的生态系统培育工作。当然TPU作为一种ASIC芯片方案，意味着其巨大的研发投入和市场风险，而其背后的潜在市场也是巨大的。毫无疑问，TPU3.0将是面向产品化、商业化而设计的。
目前，为开发者创造最强机器学习工具的竞争非常激烈，能够吸引更多的开发者到自己的生态系统的公司会比对手有更强的优势。谷歌现在正寻求扩张自己的云平台业务，如果一旦谷歌将来能为AI开发者提供相比购买GPU更低成本的TPU云加速服务，借助TensorFlow生态毫无疑问会对NVIDIA构成重大威胁，并和亚马逊旗下AWS和微软旗下Azure展开激烈竞争。所以此时推出更为强劲的AI芯片就显得尤为重要了！如果将来TPU云服务无法获得巨大的市场份额从而降低单颗TPU的成本，谷歌将难以在这一市场盈利。
.原本谷歌是Nvidia的一个很大的买家，然而，从第一代TPU的出现就意味两家未来的关系将趋于复杂化。第一二代TPU让谷歌在云服务计算上实现了自给自足，现在即将面向商业化的第三代TPU，如果一旦谷歌将来能为AI开发者提供相比购买GPU更低成本的TPU云加速服务，借助TensorFlow生态毫无疑问会对NVIDIA构成重大威胁，并和亚马逊旗下AWS和微软旗下Azure展开激烈竞争。所以此时推出更为强劲的AI芯片就显得尤为重要了！
不过，此时说对NVIDIA能构成威胁还为时尚早，如果将来TPU云服务无法获得巨大的市场份额从而降低单颗TPU的成本，谷歌将难以在这一市场盈利。到时无法承受成本压力的谷歌还得把TPU关起来自己消化了。
不管怎样，TPU商业化趋势明显，强悍的单颗和集成计算性能，足以让谷歌在AI领域称霸一方，令NVIDIA投资者们警惕，不用说这次NVIDIA的股票又得降了。
想了解最新板卡信息和第一手科技资讯，请关注爱板网头条号哦！
閱讀更多 愛板網 的文章
