一款能使传感器和其他设备更快处理数据的AI专用芯片

一直以来，Google 就通过自研 AI 芯片以满足其神经网络日益增长的计算需求。北京时间昨日晚间，远在太平洋彼岸的 GoogleCloud Next 2018 大会上，Google正式对外宣布推出 Edge TPU，一款能使传感器和其他设备更快处理数据的 AI 专用芯片。

据了解，早在 2016 年，Google就发布了张量处理单元（Tensor Processing Unit，简称 TPU ），让大家首次认识到了 AI 专用芯片的能力。

从 TPU 的一路演进上可以发现，在 2015 年 Google 才刚开始内部投入使用，2016年初代TPU版本公布时还只能做些通过数据预测的事情，2017 年第二代版本则可被用来训练模型，甚至还能与英伟达显卡相媲美，到今年5月第三代版本推出时，由 TPU 3.0 组成的 TPU Pod 运算阵列，性能相比上一代提升了 8 倍，可提供 100 petaflops（千万亿次） 的机器学习硬件加速.

而此次 Edge TPU 的到来让我们看到，Google 又将目光转移到了网络终端的无数个物联网设备，并顺势推出了配套软件栈 Cloud IoT Edge。

相比来说，Edge TPU 是专门为在边缘运行TensorFlow Lite ML模型而设计，用来处理 ML 预测的微型芯片，要比训练模型的计算强度小很多。Edge TPU 可以自己进行运算，不需要与多台强大的计算机相连，因此应用程序可以更快、更可靠的工作。

Edge TPU开发套件：SOM和底板

在CNBC等多家外媒报道中透露，

Google 进军“定制芯片”市场，是其试图扩大云计算市场份额、与亚马逊和微软加强竞争的一种方式。自2015年以来，Google 始终在用 TPU 来加速自家数据中心的某些工作负载，而不是依赖英伟达等供应商提供的商用硬件。

接受CNBC采访中，三星前首席技术官 Injong Rhee 则表示，Google 并没有让Edge TPU 与传统芯片竞争，“这对所有硅芯片供应商和设备制造商是非常有利的”。

在他看来，Edge TPU 可能会“颠覆云计算竞争”，因为许多计算现在可以在设备上进行，而不是全部发送到数据中心。在成本和能耗方面，Google 芯片在某些类型的计算上比传统芯片更加高效。

那么回到国内，近段时间诸多AI领域的创业企业正暗暗打造自己的AI芯片，看到Google此举，是否有些许不安呢？