今年5月份，谷歌CEO Sundar Pichai（劈柴哥）在谷歌IO大會上發布了TPU3.0芯片，聲稱其性能是上一代產品TPU2.0的8倍，達到了100Petaflops（Petaflops，每秒千萬億次浮點運算）。
在2016年的時候谷歌就發布了第一代TPU（Tensor Processing Unit），它是專門為機器學習定制的專用芯片（ASIC），一款谷歌自己高度定制化的AI芯片，也是為谷歌深度學習框架TensorFlow而設計的。傍著AlphaGo，TPU作為支撐起強大運算能力的芯片而聞名。今天，谷歌又宣布TPU3.0正式上崗了，進入Alpha內測階段。
谷歌的TPU有多厲害？
這款芯片也是AlphaGo背后的功臣，即AlphaGo能以超人的熟練度下圍棋都要靠訓練神經網絡來完成，而這又需要計算能力（硬件越強大，得到的結果越快），TPU就充當了這個角色，更重要的是借此顯現出了在AI芯片領域相對于英特爾CPU和英偉達GPU的優勢。也就是說，采用TPU之后的AlphaGo的運算速度和反應更快。
5年前，谷歌內部就開始使用消耗大量計算資源的深度學習模型，這對CPU、GPU組合而言是一個巨大的挑戰，谷歌深知如果基于現有硬件，他們將不得不將數據中心數量翻一番來支持這些復雜的計算任務。
谷歌的專用機器學習芯片TPU處理速度要比GPU和CPU快15-30倍（和TPU對比的是英特爾Haswell CPU以及Nvidia Tesla K80 GPU），而在能效上，TPU更是提升了30到80倍。
TPU對比Haswell處理器
在和英特爾“Haswell”Xeon E5 v3處理器來的對比中，我們可以看到，TPU各方面的表現都要強于前者。
在Google的測試中，使用64位浮點數學運算器的18核心運行在2.3 GHz的Haswell Xeon E5-2699 v3處理器能夠處理每秒1.3 TOPS的運算，并提供51GB/秒的內存帶寬；Haswell芯片功耗為145瓦，其系統（擁有256 GB內存）滿載時消耗455瓦特。
相比之下，TPU使用8位整數數學運算器，擁有256GB的主機內存以及32GB的內存，能夠實現34GB/秒的內存帶寬，處理速度高達92 TOPS ，這比Haswell提升了71倍，此外，TPU的熱功率只有384瓦。
谷歌在人工智能領域的各種動作
谷歌越來越關注神經網絡和人工智能，以解決搜索、圖像處理和其他計算領域的問題。它也正在通過“AIY項目”這樣的計劃來促進開發人員和DIY社區對人工智能的興趣，這些計劃本身代表了人工智能。AIY Projects（AIY計劃），其目標是讓每個Maker（創客）都能DIY自己的 AI 人工智能產品，讓更多人能學習、探索并體驗人工智能。
比如今天上崗的TPU3.0，也傳遞著這樣的信號。
谷歌的這一做法印證了一個芯片產業的發展趨勢，即在AI負載和應用所占數據中心比重越來越大的今天和未來，像谷歌、微軟、Facebook、亞馬遜、阿里巴巴、騰訊等這些數據中心芯片采購的大戶，其之前對于CPU和GPU的通用性需求可能會越來越少，而針對AI開發應用的兼顧性能和能效的定制化芯片需求則會越來越多。
