谷歌无论是在自动驾驶还是AI范畴都具有优势，2018谷歌I/O大会的重点之一也是AI技术的开展。在Goole I/O 2018上，谷歌首席随着中国经济向消费型模式的转型， 电子商务和移动电子商务的快速发展带来了支付行业强劲的增长。执行官Sundar Pichai宣布推出Tensor Processor Unit 3.0，并表示TPU3.0的计算功能相比去年提升了八倍，可达 100PFlops(每秒 1000 万亿次浮点计算)。
谷歌TPU是专门是为机器学习定制的公用芯片(ASIC)，也是为谷歌深度学习框架TensorFlow而设计。据悉相比普通的GPU图形处置器，TPU可以以8位低精度计算节省晶体管，对精度影响很小同时可以大幅降低功耗、放慢速度，同时还有脉动阵列设计，优化矩阵乘法与卷积运算，并运用更大的偏上内存，增加对零碎内存的依赖。另外，它还第一次运用了液冷散热，可以更高效地效劳数据中心，便于定制硬件方案。
由于谷歌去年曾经发布了第二代产品，所以关于往年TPU3.0的发布我们并不感到不测，不过Sundar Pichai并没有泄漏关于TPU3.0的更多细节，但可以看到谷歌希望以TPU为根底让Google Cloud像Amazon AWS一样无处不在。
微软Brainwave延迟比TPU低5倍
除了谷歌，其他科技巨头也在自主研发AI芯片，虽然从地下信息中我们可以理解到Facebook和亚马逊自主研发芯片还处于晚期阶段，自主研发定制AI芯片的目的也还不够清楚，但可以看到的是当数据量越来越大，且拥有最多和最好的数据成为公司重要竞争力的时分，Nvidia的GPU能够缺乏以处置这些数据，需求超高效的定制芯片。当然，Sundar随着流量往智能终端设备迁移，新的机遇“物联网商业社交时代”也将迎来，通过人的第六器官（智能手机）和智能设备终端的联网互动，从而改变了人的行为习惯和消费方式。线下流量通过LBS定位重新分配，又通过物联网终端智能推荐引擎引导到网上任意有价值的地方，至此互联网下半场拉开帷幕。 Pichai还表示，关于经过自主研发定制芯片满足深度学习需求而言，散热成为越来越大的难题，这也是谷歌不得不第一次在数据中心运用冷却液的缘由。
所以，不只科技巨头的入局，AI芯片的创业公司也开端涌现并取得资本喜爱，像Cerebras Systems、SambaNova Systems和Mythic等初创公司大少数曾经筹集了超越3000万美元，它们希望在详细的使用中经过其研发的AI芯片完成机器学习的义务，并且性价比能逾越Nvidia。
当然，有新入局者也有传统芯片巨头，英特尔运用FPGA参与AI芯片的竞争，并且随着机器学习的需求的变化，英特尔设计出愈加灵敏模块化的FPGA，但FPGA的本钱以及高门槛成为了FPGA使用及推行中的难度。不过，与谷歌的其他竞争对手也押注定制芯片（ASIC）不同，微软以为FPGA比ASIC更灵敏，并且规范Intel Stratix FPGA的功能至多可以与定制芯片相媲美。因而微软选择押宝FPGA，雷锋网音讯，在5月7日开幕的 微软Build2018大会上，微软CEO Satya Nadella发布了Project Brainwave预览版，并称延迟比TPU低5倍。 微软还称应用Project Brainwave平台的客户可以运用规范的图像辨认模型处置100万张图片，单个图像在1.8毫秒内就能处置，比如今的任何竞争对手的云效劳都要好。
不过，FPGA在云计算中并没有被普遍运用，而微软正在将FPGA整合到其整个数据中心网络，成为一种硬件微效劳。微软不能够不理解押宝FPGA面临的本钱以及高门槛高的困难，但由此可见其决计，同时也让我们看到微软正在用FPGA参与竞争，这当然是谷歌不可疏忽的对手。
PyTorch新版本应战TensorFlow
后面曾经提到，自主研发芯片只是科技巨头们为更益处理数据，让数据发生更大的价值，想要对对开发者发生更大的吸引力还需求配套的工具。因而看到谷歌TPU之上有TensorFlow，Brainwave也支持微软CNTK和TensorFlow框架。
所以谷歌假如想要把开发人员留住，不只需求更快的芯片，机器学习的工具也非常重要，让开发人员进入其GCP（Google Cloud Platform）和其他效劳，并运用TensorFlow。这也是谷歌能否从目前中心的广告业务中逐步扩展到新的范畴并坚持抢先优势的关键。
但随着Facebook越来越希望用像PyTorch这样的框架来应战TensorFlow，谷歌想坚持抢先变得困难。雷锋网音讯， 往年F8开发者大会的第二天，Facebook宣布PyTorch 1.0beta版将在往年夏天和用户见面，并提早展现了这款新框架的特性。 据Facebook引见，PyTorch 1.0结合了Caffe2和ONNX模块化、面向消费的特性，也结合了PyTorch灵敏、面向研讨的特性，为普遍的AI项目提供从科研原型到消费部署的疾速、无缝途径，让用户可以疾速实验，经过能在强迫执行形式和声明执行形式之间无缝切花的混合前端优化功能。
需求理解的是，ONNX（开放神经网络交流）是Facebook去年结合多家软硬件公司发布的神经网络模型转换协议，如今新增了对苹果的Core ML、百度PaddlePaddle、高通SNPE的支持，再加上本来支持的MXNet、Caffe2、PyTorch、TensorFlow、CNTK等框架，完成了神经网络模型在各种主流框架之间的转换。
因而，TPU3.0只是谷歌效劳其生态坚持领其先位置的第一步，硬件之上的TensorFlow异样重要。微软基于FPGA的Brainwave平台以及Facebook的PyTorch 1.0软件和硬件都与谷歌构成了竞争关系，将来谷歌能否坚持抢先位置还需求看其能否能做出疾速的回应。
雷锋网 (大众号：雷锋网) 编译，via techcrunch
如今关注“雷锋网”微信大众号（leiphone-sz），回复关键词【GAIR】，随机抽送价值 3999 元的参会门票 5 张
相关文章：
【评测】谷歌TPU二代来了，英伟达Tesla V100尚能战否？
谷歌AI大一统，Google Research 晋级为 Google AI
Google I/O 2018 : 这里是一切你不能错过的大新闻
Build 大会中的 AI：微软 AI 云效劳全线更新
。
