Google展示机器学习芯片　设计团队实力可观

Google为了进一步强化机器学习能力，已秘密自行研发专用的张量处理器(Tensor Processing Unit, TPU)达数年之久。Google在2016年的GoogleI/O大会上首次对发表这款晶片，并指出这款专为机器学习设计的定制化芯片，在性能/功耗比方面遥遥领先现有解决方案七年，相当于三个摩尔定律 (Moore’s Law)周期。

　　Google执行长Sundar Pichai表示，专为机器学习应用设计的TPU，在性能/功耗比方面，比目前市场上的GPU、FPGA等产品明显高出一大截，是该公司在发展机器学习上的祕密武器。日前击败人类围棋高手的AlphaGo，就是在内建TPU的电脑上运作。

　　Google 杰出硬体工程师Norm Jouppi在Google官方部落格中揭露更多细节资讯。他表示，对Google而言，机器学习是许多应用服务的基础，例如街景、Inbox的智慧回信 功能及语音搜寻。但Google深知，优秀的软体在优秀的硬体上执行，成果将更加耀眼，因此Google在数年前便开始秘密研发自有的机器学习应用加速 器，而TPU就是该秘密计画的成果。

　　TPU是一款客制化的特定应用积体电路(ASIC)，专为机器学习，特别是TensorFlow系统 所设计。TensorFlow是Google推出的开放原始码机器学习系统。该款晶片已经在Google自家的资料中心中使用超过一年，根据累积的实测结 果显示，其性能/功耗比大约比一般商用解决方案领先七年，相当于三个摩尔定律周期。

　　由于是专为机器学习设计，该晶片对运算精准度的需求较 为宽容，因此在执行运算时可以使用较少电晶体资源。故相较于一般解决方案，Google可以在自行开发的晶片上执行更多次运算，或使用更复杂的机器学习模 型。TPU采用客制化的主机板，透过硬碟插槽整合在资料中心的机架上。

　　值得一提的是，Google拿到第一片测试晶片后，仅花了22天就把该晶片安装到自家的资料中心理，执行各种应用程式。这显示Google的晶片设计团队已具有相当可观的技术实力。

　　对于机器学习领域，Google的目标是要维持其产业领先地位，并将创新成果带改客户。透过将TPU整合到自家的基础建设中，Google将可为机器学习开发者带来更强的应用加速效能。