（Photo Credit: Google Cloud Platform Blog）
忘了 CPU、GPU 和 FPGA 吧。Google 推出針對機器學習的 Tensor Processing Unit（TPU），並且可比摩爾定律發展三代的程度。
根據 PCWorld 報導，Google 執行長 Sundar Pichai 在星期四的 I/O 開發者大會上說到，「TPU 每瓦的數量級表現大大超越目前市面上的 GPU 和 FPGA 。」
TPU 就是 AlphaGo 在人機圍棋大戰打敗李世乭九段的秘密武器。關於新的 TPU，Pichai 著墨不多，但同一天官方部落格的文章內則有更詳盡的說明。
（Photo Credit: Google Cloud Platform Blog）
「我們的數據中心已經使用 TPU 一年多，我們發現在機器學習上，TPU 每瓦的數量級表現較優。這個結果大約相當於把科技快轉了 7 年（摩爾定律的三代），」部落格寫道。「TPU 是專為機器學習打造的，因此對降低計算精準度的容忍度較高，也就是每次運作所需的電晶體較少。因此我們每秒可以在矽單元上塞進更多處理程序。我們能夠利用 更複雜、更強大的機器學習模型，讓使用者更快得到更智慧的結果。」
部落格還提到，TPU 的體積不大，可以塞進資料中心的硬碟槽。目前已經應用於 RankBrain 搜尋演算和 Google 街景。
問題是，TPU 到底是什麼？根據分析師 Patrick Moorhead 向 PCWorld 表示，Google 透露的訊息相當少，他並不認為這可以取代 GPU 或 CPU。
「它做的事，比較像是重播，它本身並不會教或學會任何東西。」Moorhead 認為，TPU 是搭載了用大量 CPU 和 GPU 算出來的人工智慧演算法。
不過 Moorhead 也認同 Google 所謂 TPU 的表現幾乎將摩爾定律加速 7 年的說法，認爲這就像 ASIC （特殊應用積體電路）和 CPU 之間的關係。
ASIC 的程式碼是寫死的，專門用來做特定一件事，比如解碼特定格式的影片，它不像 FPGA 可以改寫，但可以提供很出色的表現，也更省能源。
但 ASIC 最大的缺點也就是不能更改，一旦有 bug 或升級，就得重做一片，不能重寫。因此預算充足的單位通常不會使用 ASIC。
留言列表
Personal Priority 
