谷歌宣布全面开放TPU 正式向英伟达开炮

谷歌又放大招啦——全面开放TPU云服务。

13日，谷歌传奇Jeff Dean连发10条推特，正式宣布TPU首次对外全面开放，具体来说是将“有限数量”TPU（为机器学习定制的人工智能芯片）向谷歌云客户开放，每小时收费6.5美元。

此举意味着TPU的商业化正在加速。 也意味着谷歌将在GPU领域与英伟达正面交锋。

TPU到底厉不厉害？

TPU是谷歌为机器学习而设计的人工智能定制芯片，是一种ASIC（专用集成电路）。是谷歌为机器学习而设计的人工智能定制芯片，第一代TPU于2016年低调推出，广泛应用在AlphaGo、搜索、翻译、相册等背后的机器学习模型中。在AlphaGo战胜李世石的系列赛中，TPU能让AlphaGo“思考”更快，“想”到更多棋招、更好地预判局势。

第二代TPU是在2017年5月18日的Google I/O 大会上推出，也称为云TPU。云TPU对推理和训练都进行了优化，每个 Cloud TPU 包含 4 个定制化的 ASIC，每个 Cloud TPU 的计算能力达到每秒 180 万亿次浮点运算（180 teraflops），并提供有 64GB 的高带宽内存。

另外，这些电路卡即可以单独使用，也可以通过超高速专用网络连接起来，形成一个多层次的机器学习超级计算器，谷歌将之称为“TPU pod”。谷歌预计今年晚些时候，将会开始供应这种更大的超级计算器，并表示训练的时间-精度比将得到显着提升。

宣布开放，就是正式向英伟达开炮

在AI领域，众所周知英伟达的GPU在AI时代独占鳌头，红利尽享。其劲敌就是谷歌的TPU。此前TPU并未向第三方用户开放，英伟达的黄仁勋在谈到谷歌TPU时，就曾强硬的表示，对GPU并不构成实质性威胁。

当时，老黄还列了列参数：新的TPU可以实现45 teraflop的运算能力，而英伟达最新的Volta GPU则能达到120 teraflop。不知道黄教主此刻是何种心情。

当然此前谷歌也并不是 TPU 的唯一使用者，美国出行服务公司 Lyft 在去年底开始参与了谷歌新型芯片的测试。Lyft的软件总监Anantha Kancherla表示，“自从使用Google Cloud TPU以来，我们对其速度印象非常深刻，以前通常需要几天，而现在可能需要几个小时。深度学习正成为使自动驾驶车辆得以运行的软件的中坚力量。”

另外，谷歌方面表示，传统上，为定制 ASIC 和超级计算器编写程序需要专业知识技能。相比之下，谷歌的这款TPU实现了与TensorFlow的无缝融合，几乎无需改动，只需要使用高级 TensorFlow API 就可以对 Cloud TPU 进行编程了，像是：

- ResNet-50 以及其它流行的图片分类模型

- 针对机器翻译和语言建模的 Transformer

- 针对物体追踪的 RetinaNet

芯片提供的是人工智能三要素中的计算力，如今TPU的全面开放，可为中小AI公司在2018年的商业化应用落地提供硬件上的强大支撑。但也有业内人士评论称“TPU只能通过云获取是一大障碍，英伟达在硬件方面还是碾压谷歌”，并且认为“TPU对固定算法还是有要求，目前应用范围最广还是GPU。”

对谷歌来说，开放TPU有什么好处？

TPU专用于人工智能和机器学习，可为谷歌带来两大好处：首先，利用自主研发的芯片，谷歌可以在核心的计算基础设施方面更便宜、更有效地减少对英特尔、英伟达等芯片制造商的依赖。拥有自己的硬件使谷歌能够更快地进行实验。

其次，新的TPU也为谷歌的云计算业务带来额外收入，现在，谷歌云平台（GCP）和谷歌的业务应用程序GSuite每季度可超过10亿美元收入。

谷歌目前允许公司租用单个TPU板卡，今年晚些时候，将允许企业租用多个板卡，并连接成名为TPU pod的超级计算机网络。后面谷歌会开源更多的 ML 模型。

此次开放让TPU和TensorFlow软硬结合，或将让谷歌突破重围，也将促使芯片格局生变，商用化进入快车道时期。那么一直以来我们的国产AI处理器产品，又将如何面对这一变局？