Google今天在一篇論文中公布了Tensor人工智能服務(wù)器處理芯片TPU的詳細(xì)資料。TPU是一種專門為本地高效率處理人工智能計(jì)算任務(wù)設(shè)計(jì)的服務(wù)器芯片，Google公司從2015年就開始使用這種芯片，雖然2016年Google曾經(jīng)曝光該芯片的存在，但是并未提供任何技術(shù)方面的細(xì)節(jié)信息。

在今天的全國工程師學(xué)術(shù)會議上，TPU論文的75位聯(lián)合作者之一，David Patterson就TPU的技術(shù)論文發(fā)表了演講。

Patterson指出，Google依賴TPU來完成人工智能神經(jīng)網(wǎng)絡(luò)第二階段的計(jì)算任務(wù)。首先，在第一階段Google用大量數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，這個(gè)階段的計(jì)算任務(wù)主要依靠服務(wù)器GPU來加速，然后，Google使用TPU來更有效率地推斷新數(shù)據(jù)，Google宣稱GPU在新數(shù)據(jù)推斷方面的性能表現(xiàn)大大優(yōu)于GPU或者x86處理器芯片。

“雖然一些應(yīng)用的處理器使用率并不高，但是TPU的處理速度依然能夠比當(dāng)下的GPU或CPU快上15-30倍”，Google在論文中寫道。Google所指的“當(dāng)下的GPUS和CPU”，分別是Nvidia的TeslaK80和英特爾Haswell 架構(gòu)Xeon E5-2699 v3這樣的“當(dāng)紅炸子雞”。

過去五年，AMD和Nvidia兩大顯卡廠商憑借人工智能熱潮重新回到IT產(chǎn)業(yè)聚光燈下，而顯卡GPU也成了深度學(xué)習(xí)的默認(rèn)低成本基礎(chǔ)設(shè)施技術(shù)，這其中Google也起到不小的推動作用。但是Google、微軟等IT巨頭從未放棄其他人工智能芯片技術(shù)領(lǐng)域的探索，這其中包括用來處理多種AI工作任務(wù)的FPGA芯片技術(shù)。而TPU則是Google的原創(chuàng)技術(shù)，已經(jīng)應(yīng)用于Google圖像搜索、GoogleCloud Vision API等生產(chǎn)環(huán)境。

TPU處理器芯片的內(nèi)存是K80這樣的GPU芯片的3.5倍，而體積卻更小，每瓦特功耗的處理性能則是GPU的30-80倍。

相比大多數(shù)IT互聯(lián)網(wǎng)企業(yè)，Google是人工智能神經(jīng)網(wǎng)絡(luò)的先行者和踐行者，早在2013年Google就宣稱為了滿足不斷膨脹的人工智能計(jì)算需求，Google需要將當(dāng)時(shí)的數(shù)據(jù)中心服務(wù)器計(jì)算力提高一倍，而如果基于通用芯片實(shí)現(xiàn)這一點(diǎn)，成本會高得難以承受，因此Google開始研發(fā)性能價(jià)格比10倍于GPU的人工智能專用芯片。

為了提高TPU的部署效率，Google的TPU沒有選擇于CPU集成，而是以協(xié)處理器的方式直接插入PCIe總線，可以像GPU一樣在現(xiàn)有的服務(wù)器上“即插即用”。從設(shè)計(jì)架構(gòu)的角度來看，TPU更接近FPU(浮點(diǎn)運(yùn)算協(xié)處理器)而不是GPU。