Google展示機器學習芯片　設計團隊實力可觀

　　Google為了進一步強化機器學習能力，已秘密自行研發(fā)專用的張量處理器(Tensor Processing Unit, TPU)達數年之久。Google在2016年的Google I/O大會上首次對發(fā)表這款晶片，并指出這款專為機器學習設計的定制化芯片，在性能/功耗比方面遙遙領先現有解決方案七年，相當于三個摩爾定律 (Moore’s Law)周期。

　　Google執(zhí)行長Sundar Pichai表示，專為機器學習應用設計的TPU，在性能/功耗比方面，比目前市場上的GPU、FPGA等產品明顯高出一大截，是該公司在發(fā)展機器學習上的祕密武器。日前擊敗人類圍棋高手的AlphaGo，就是在內建TPU的電腦上運作。

　　Google 杰出硬體工程師Norm Jouppi在Google官方部落格中揭露更多細節(jié)資訊。他表示，對Google而言，機器學習是許多應用服務的基礎，例如街景、Inbox的智慧回信 功能及語音搜尋。但Google深知，優(yōu)秀的軟體在優(yōu)秀的硬體上執(zhí)行，成果將更加耀眼，因此Google在數年前便開始秘密研發(fā)自有的機器學習應用加速 器，而TPU就是該秘密計畫的成果。

　　TPU是一款客制化的特定應用積體電路(ASIC)，專為機器學習，特別是TensorFlow系統 所設計。TensorFlow是Google推出的開放原始碼機器學習系統。該款晶片已經在Google自家的資料中心中使用超過一年，根據累積的實測結 果顯示，其性能/功耗比大約比一般商用解決方案領先七年，相當于三個摩爾定律周期。

　　由于是專為機器學習設計，該晶片對運算精準度的需求較 為寬容，因此在執(zhí)行運算時可以使用較少電晶體資源。故相較于一般解決方案，Google可以在自行開發(fā)的晶片上執(zhí)行更多次運算，或使用更復雜的機器學習模 型。TPU采用客制化的主機板，透過硬碟插槽整合在資料中心的機架上。

　　值得一提的是，Google拿到第一片測試晶片后，僅花了22天就把該晶片安裝到自家的資料中心理，執(zhí)行各種應用程式。這顯示Google的晶片設計團隊已具有相當可觀的技術實力。

　　對于機器學習領域，Google的目標是要維持其產業(yè)領先地位，并將創(chuàng)新成果帶改客戶。透過將TPU整合到自家的基礎建設中，Google將可為機器學習開發(fā)者帶來更強的應用加速效能。