Google's Tensor Processing Unit explained: this is what the future of computing looks like

专用硅将引领前进的道路

当谷歌在今年加利福尼亚州山景城的谷歌 I/O 大会上推出其张量处理单元 (TPU) 时，它终于迎来了尤其是编辑认为机器学习是计算硬件的未来。

当然，TPU 只是公司推动机器学习（为聊天机器人、Siri 等提供动力的实践）使命的一部分。（这也是最近击败世界围棋冠军的芯片。）谷歌也有TensorFlow，它的机器智能软件开源库。

当然，我们在笔记本电脑和智能手机中发现的芯片将继续变得更快、更通用。但是，我们似乎已经看到了这些处理器可以提供的计算体验的范围，即使只是受限于它们所驱动的设备。

现在，是 TPU，一种专门为一个目的而构建的矽的细致融合，以及其他已经出现和即将出现的专用处理器（如 Apple 的 M9 协处理器），这将推动人类处理能力的进步 - 反过来我们设备的功能——比以往任何时候都更进一步、更快。

所以，我们想更多地了解这种新型芯片，它到底有什么不同，它有多强大以及它是如何制造的。虽然 Google 杰出的硬件工程师 Norm Jouppi 不会透露太多有关芯片结构的信息（这显然对 Google 来说很特别），但他通过电子邮件向我们介绍了 TPU 的能力及其对机器学习未来的潜力。

TechRadar：芯片到底是什么？

Norm Jouppi：[The] Tensor Processing Unit (TPU) 是我们第一个用于机器学习 [ML] 的定制加速器 ASIC [专用集成电路]，它的占用空间与硬盘驱动器相同。它经过定制，可在运行 TensorFlow 时提供高性能和高能效。

出色的软件在其下方拥有出色的硬件时更加闪耀。
TPU 与您的标准处理器有何不同？

TPU 是使用 TensorFlow 为机器学习应用程序定制的。请注意，我们继续使用 CPU [中央处理] 和 GPU [图形处理] 进行 ML。

该芯片的运行方式与普通CPU不同吗？

我们的独特之处在于您需要在其背景下进行计算。

谷歌发布的唯一 TPU 视图之一

是什么让这种计算处理方法比机器学习中的标准处理器更好？

通过为机器学习定制硬件，我们处理新制造的研究，我们利用ML驱动器的应用程序来做更多事情的功能。通过定制提供一个级别的优化性能，它是为TensorFlow机器和定制学习的。

使用 Google 的 TPU 成员，可以在不到五天中我们街景的数据库中找到所有文本。

与标准相比，TPU强大吗？

TPU 提供的各种性能比您现在可以购买的标准解决方案高数量级（更节能）。

它的性能是否有相关的预测可能是什么，即相当于？

我们没有透视，但这里有一些例子。我们不断地学习我们的世界并提高我们的机器和质量细节地图和导航。

3代，改变ASIC的一般方便我们使用以下技术的处理器的通用行为三代更好的专业化的好处在 ASIC 的索引是的——例如，请参见 Mark Ho 的“Socalrowitz的“Solid Power and the Future of CMOS”幻灯片26。

我们正在通过 Google 服务广泛使用 TensorFlow 专业化的优势。

我们看到了类似的东西或我们发现了哪些设备可以影响日常的任何东西？

TPU 都在我们的学习驱动中提供正确且有用的服务。我们今天没有我们要向我们展示的其他机器，但我们每天都没有支持。

都在机器内部的世界比任何时候都变化得来，因此我们正在寻求探索金属CPU和其他形式的计算中贵的一切。