席卷围棋界、开辟云端造芯，谷歌TPU到底有多强？

谷歌还定义了十二个专门为神经网络推理而设计的高级指令，能够在输入数据和权重之间执行矩阵乘法，并应用激活函数。

为了能进一步对TPU进行编程，谷歌还创建了一个编译器和软件堆栈，能够调用TensorFlow图中的API，转化成TPU指令。

4、并行计算

谷歌为TPU设计了矩阵乘法单元（MXU）的并行计算。

它能够在一个时钟周期内处理数十万次矩阵运算，相当于一次打印一个字符、一次打印一行字或一次打印一页文档。

5、脉动阵列设计

MXU具有与传统CPU和GPU截然不同的架构，又称为脉动阵列（systolic array）。

脉动阵列使得在每次运算过程中，谷歌TPU能够将多个运算逻辑单元（ALU）串联在一起，并复用从一个寄存器中都取得结果。

这种设计，不仅能够将数据复用实现最大化，减少芯片在运算过程中的内存访问次数，同时也降低了内存带宽压力，进而降低内存访问的能耗。

▲TPU的矩阵乘法器单元（MXU）

谷歌TPU的一鸣惊人，不仅为AI芯片领域带来了架构创新，同时亚马逊、微软等一众科技巨头，以及寒武纪、天数智芯等新势力亦开始纷纷入局，势要在云端AI芯片市场中抢占地盘，逐渐掀起行业云端造芯大浪潮。

结语：加速云端AI芯片市场的发展

从CPU到GPU，再到如今ASIC和FPGA相继入局，云端AI芯片市场的百花齐放，与谷歌TPU的努力息息相关。

如今，云端AI芯片市场依然杀得热火朝天，前有赛灵思和寒武纪等新老势力不断崛起，进一步蚕食非GPU领域的市场，后有科技巨头四处找寻机会“大鱼吃小鱼”，合并有潜力的新玩家，整片市场呈一派割据混战之势。

但不容忽视的是，随着云端AI芯片的不断发展，大数据持续爆发，以及摩尔定律逐渐放缓，算力也再次来到了新的瓶颈。

届时，这些玩家是通过先进制程再次撕开云端AI芯片的新技术领域，还是依靠研发创新架构来实现算力的飞跃，不管走向哪条路都需直面种种挑战。

回头看，在AI芯片市场开辟之初，谷歌凭借TPU逐渐打开云端AI芯片市场新的竞争格局，但当云端AI芯片开始进入新时代，谷歌TPU能否再次延续过往辉煌，为市场开辟新的方向和思路？我们拭目以待。

[1]文章相关内容参考：Google Blog等。

（编辑：52刷机网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!