AI芯片混战，谁能挑战英伟达？( 四 )_：AI芯片混战

谷歌

最早证明专用芯片（称为ASIC，或特定于应用的集成电路）可以对抗更可编程、更通用的用于深度学习的GPU的公司之一是谷歌。巧合的是，谷歌可能是英伟达最大的客户之一。正如我之前所述，谷歌现在已经发布了四款“Tensor Processing Units”（TPU），这些芯片和电路板可以加速云中的深度学习训练和推理处理，最近还用于边缘云。谷歌的TPU用于训练和处理深度神经网络的性能相当可靠，每块芯片每秒可提供多达45万亿次操作（TOPS）。相比之下，英伟达的Volta最高可达125 TOPS。谷歌最初的两个TPU实际上是供内部使用和吹嘘的，但Google现在将它们作为一种服务提供给其在Google Compute Cloud上的云客户。

尽管TPU无疑对谷歌的人工智能举措起到了推动作用，但它们服务于谷歌内部使用案例（当然，这是一个相当大的市场）之外的市场却是有意受到限制的。TPU只能用于训练和运行谷歌TensorFlow AI框架; 你不能用它来训练或运行用Apache MxNet或PyTorch构建的AI（这两个是Facebook和微软支持的快速增长的AI框架）。它们也不能用于GPU占主导地位的非AI HPC应用。此外，你不能购买TPU用于企业或政府数据中心和服务器中的内部计算。但谷歌并不介意这一切，因为它认为TPU和TensorFlow对其人工智能的整体领导地位具有战略意义。针对硬件进行优化的软件和针对软件进行优化的硬件可以构建强大而持久的平台。