谷歌推出第三代人工智能TPU 人家怎么这么厉害

张量处理单元于2016年在Google I / O上宣布，当时谷歌表示TPU已在其数据中心内使用了一年多。该芯片专为Google的TensorFlow框架而设计，用于神经网络等机器学习应用。但是，谷歌仍然使用CPU和GPU进行其他类型的机器学习。

ALPHA GO 围棋

“纽约时报”报道谷歌“将允许其他公司通过其云计算服务购买这些芯片的访问权限”，谷歌的TPU是专有的，但尚未商业化。谷歌也使用TPU进行谷歌街景文本处理，并能够在不到五天的时间内找到街景数据库中的所有文本。在Google相册中，单个TPU每天可处理超过1亿张照片。它也用于Google用于提供搜索结果的RankBrain。

与GPU相比，它设计用于大量低精度计算（例如，低至8位精度），每瓦特IOPS更高，并且缺少用于光栅化/ 纹理映射的硬件。

第一代TPU是一个8位矩阵乘法引擎，由主处理器通过PCIe 3.0总线用CISC指令驱动。它是在一个制造28纳米工艺用模具尺寸≤331 毫米2。的时钟速度为700 MHz的，它有一个热设计功耗 28-40的w ^。它有28 MIB的片上存储器，以及4 MIB的32位累加器服用一个256x256的结果脉动阵列的8位的乘法器。TPU封装内有8 GiB的双通道 2133 MHz DDR3 SDRAM，提供34GB / s的带宽。指令将数据传输到主机或从主机传输数据，执行矩阵乘法或卷积，并应用激活函数

第二代TPU于2017年5月宣布。谷歌称第一代TPU设计的内存带宽有限，在第二代设计中使用16 GB的高带宽内存，带宽增加到600GB / s，性能提升到45 TFLOPS。然后将TPU安排到4芯片模块中，性能为180 TFLOPS。然后将这些模块中的64个组装成256个芯片盒，其性能为11.5 PFLOPS。值得注意的是，虽然第一代TPU仅限于整数，第二代TPU也可以浮点计算。这使得第二代TPU对于机器学习模型的训练和推理都是有用的。谷歌表示，这些第二代TPU将在Google Compute Engine上提供，用于TensorFlow应用程序。

第三代TPU于2018年5月8日宣布。谷歌宣布处理器本身的功能是第二代TPU的两倍，并且将部署在具有前一代芯片数量四倍的pod中。与第二代TPU部署相比，这使每pod的性能提高了8倍。