相較于只能使用在深度學(xué)習(xí)推論(inferencing)的第一代Tensor Processing Unit (TPU)芯片，Google第二代人工智能(AI)芯片Cloud TPU不僅處理速度更快，還多了訓(xùn)練算法的能力，因此可望對(duì)NVIDIA繪圖處理器(GPU)芯片在AI市場(chǎng)的主導(dǎo)地位造成更大的威脅。

富比士(Forbes)報(bào)導(dǎo)指出，深度學(xué)習(xí)是一種利用大量資料對(duì)算法進(jìn)行訓(xùn)練的AI技術(shù)，并已普遍應(yīng)用在影像與語(yǔ)音辨識(shí)功能上。在TPU問(wèn)世以前，算法的訓(xùn)練多是交由NVIDIA的GPU負(fù)責(zé)處理。GPU原本是專為電動(dòng)游戲等專業(yè)圖形處理任務(wù)所設(shè)計(jì)，但其能將訓(xùn)練深度學(xué)習(xí)網(wǎng)絡(luò)所需時(shí)間，從幾個(gè)星期縮短至幾天，因此深受AI開(kāi)發(fā)人員青睞。

不過(guò)由4塊芯片組成最新的Cloud TPU，每秒浮點(diǎn)運(yùn)算量號(hào)稱可達(dá)180tera FLOPS，比起NVIDIA最新一代GPU Tesla V100的120tera FLOPS高出不少。此外，Google也正嘗試將多個(gè)TPU集成為單一的TPU Pod系統(tǒng)。TPU Pod與NVIDIA的NVLink技術(shù)概念相似，并可望達(dá)到每秒11.5petaFLOPS的運(yùn)算能力。

對(duì)Google而言，GPU訓(xùn)練深度學(xué)習(xí)模型所需時(shí)間還是太長(zhǎng)。像是Google翻譯應(yīng)用如果使用市面上最新的32片GPU芯片進(jìn)行訓(xùn)練，仍需要一整天的時(shí)間才能完成訓(xùn)練，但如果換成TPU Pod，只需要8分之1的運(yùn)算能力，就可在6個(gè)小時(shí)內(nèi)完成訓(xùn)練。

Google資深科學(xué)家Jeff Dean表示，第二代TPU提供了更強(qiáng)大的運(yùn)算能力，而Google將能藉此打造規(guī)模更大、更準(zhǔn)確的機(jī)器學(xué)習(xí)模型。

第二代TPU芯片除了將運(yùn)用在Google的內(nèi)部服務(wù)外，也將透過(guò)Google Cloud開(kāi)放給外部開(kāi)發(fā)人員，而Cloud TPU的租用方式與費(fèi)用將與目前GPU的租用規(guī)則相似。Google更計(jì)劃推出TensorFlow Research Cloud，并免費(fèi)發(fā)送1,000份TPU芯片供開(kāi)放AI研究使用。

盡管Google的云端業(yè)務(wù)起步較亞馬遜(Amazon)及微軟(Microsoft)晚了一些，但第二代TPU的加入將可給予Google更多競(jìng)爭(zhēng)優(yōu)勢(shì)。

不過(guò)也有不少人對(duì)Google的芯片事業(yè)發(fā)展持較保留的看法。分析師Patrick Moorhead便認(rèn)為，有監(jiān)于機(jī)器學(xué)習(xí)框架隨時(shí)都在改變，且其深度與復(fù)雜程度都不是單靠TPU就能應(yīng)付，Google未來(lái)仍將不能完全擺脫對(duì)GPU的依賴。

另一方面，由于TPU是專為Google的TensorFlow框架所設(shè)計(jì)，因此外部開(kāi)發(fā)人員如果要將TPU所開(kāi)發(fā)的AI應(yīng)用移植至Google外的平臺(tái)，可能會(huì)面臨一定的風(fēng)險(xiǎn)，而這也表示Google將更有機(jī)會(huì)把這些應(yīng)用鎖定在自家的云端平臺(tái)。