谷歌I/O大会上说的TPU是啥？谷歌是这样解释的

　　还记得前段时间沸沸扬扬的Google人工智能Alpha Go在南韩围赢了围棋九段高手李世乭的事吗？Alpha GO致胜的关键，就在于结合机器学习与深层类神经网路，模拟围棋高手如何分析盘面、找出最有利的下法，步步为营。Google CEO桑德尔·皮查在美国时间18日上午的Google I/O 大会上进一步揭露了这当中的秘密。

　　皮查指出，Google专门为深层类神经网路设计了特殊应用IC，以ASIC为基础的硬体或软体，将能透过分析大量的数据学习特殊任务，Google借由神经网路得以辨识物件、照片中的人脸、了解传到Android手机上的说话指令，以及翻译技术，甚至因此改变了Google搜寻引擎。也是这项技术提升了Alpha GO的计算速度，并使其思虑看得更深远。

　　Google将运用此技术打造的机器学习专用晶片称之为TPU（Tensor Processing Unit），Google在其自家部落格文章称，由于TPU专为机器学习所运行，得以较传统CPU、 GPU降低精度，在计算所需的电晶体数量上，自然可以减少，也因此，可从电晶体中挤出更多效能，每秒执行更复杂、强大的机器学习模组，并加速模组的运用，使得使用者更快得到答案，Google指出，团队已经在数据中心执行TPU超过一年，且发现TPU能让机器学习每瓦提高一个数量级，粗略来说，相当于摩尔定律中晶片效能往前推进了七年或者三代。

　　上周四，媒体曾经向谷歌咨询定制AI芯片TPU的事，谷歌拒绝置评，只是说马上就会有更多的消息公布。然而一天之后，谷歌改变了态度，对一些问题给予了回复，问题是新闻发言人通过邮件形式回应的。

　　下面我们就来看看谷歌是如何解释TPU的：

　　1、TPU预先训练过吗？

　　这是一个大问题，谷歌无法回答。它可能是预先训练过的，但是我们并不能确切地知道。TPU是否经过训练，要看它执行的AI算法是否在独立系统中训练过。要训练AI系统识别一张图片，你必须向它展示几百万张图片，经过反复尝试才能学会。一旦学习完成，你只需要让算法在芯片上运行就可以了。例如，IBM的TrueNorth和Fathom芯片（来自创业公司Movidius）就是经过训练的。TPU有很大的可能训练过，但是谷歌不会这样说。