人工智能的實現(xiàn)需要依賴三個要素：算法是核心，硬件和數(shù)據(jù)是基礎(chǔ)。
什么是CPU?
CPU主要包括運算器（ALU，Arithmetic and Logic Unit）和控制器（CU，Control Unit）兩大部件。CPU主要包含運算邏輯器件、寄存器部件以及控制部件等。CPU就像一個有條不紊的管家，我們吩咐的事情總是一步一步來做。但是隨著摩爾定律的推進以及人們對更大規(guī)模與更快處理速度的需求的增加，CPU好像執(zhí)行起任務(wù)來就不那么令人滿意了。
什么是GPU?
GPU全稱為Graphics Processing Unit，中文為圖形處理器，就如它的名字一樣，GPU最初是用在個人電腦、工作站、游戲機和一些移動設(shè)備（如平板電腦、智能手機等）上運行繪圖運算工作的微處理器。因為對于處理圖像數(shù)據(jù)來說，圖像上的每一個像素點都有被處理的需要，這是一個相當大的數(shù)據(jù)，工業(yè)機器人維修，所以對于運算加速的需求圖像處理領(lǐng)域最為強烈，GPU也就應(yīng)運而生。
這就好比在畫一幅畫的時候CPU是用一支筆一筆一筆的來畫，而GPU則是多支筆對不同的位置同時進行描繪，那自然效率就是突飛猛進的。
什么是TPU?
隨著機器學習算法越來越多的應(yīng)用在各個領(lǐng)域并表現(xiàn)出優(yōu)越的性能，例如街景、郵件智能回復、聲音搜索等，對于機器學習算法硬件上的支持也越來越成為一種需要。目前很多的機器學習以及圖像處理算法大部分都跑在GPU與FPGA上面。
TPU的靈感來源于Google開源深度學習框架TensorFlow，所以目前TPU還是只在Google內(nèi)部使用的一種芯片。TPU也就是TensorProcessorUnit，Google為機器學習定制的專用芯片(ASIC)，專為Google的深度學習框架TensorFlow而設(shè)計。TPU3.0采用8位低精度計算以節(jié)省晶體管，速度能加快最高100PFlops(每秒1000萬億次浮點計算)。
新發(fā)布的TPU3.0使用8位低精度計算以節(jié)省晶體管，對精度影響很小但可以大幅節(jié)約功耗、加快速度，同時還有脈動陣列設(shè)計，優(yōu)化矩陣乘法與卷積運算，并使用更大的偏上內(nèi)存，減少對系統(tǒng)內(nèi)存的依賴。
同時，谷歌在Cloud Next 大會上發(fā)布了兩款新設(shè)備，其可以幫助專業(yè)工程師在處理器內(nèi)核上構(gòu)建支持設(shè)備端機器學習 (ML) 的新產(chǎn)品。這兩款新設(shè)備是：AIY Edge TPU Dev 開發(fā)板和 AIY Edge TPU 加速器，KUKA機器人維修，二者皆采用 Google 的 Edge TPU 芯片。
Edge TPU 是 Google 的特定用途 ASIC 芯片，專為在設(shè)備上運行 TensorFlow Lite ML 模型而設(shè)計。Edge TPU 的大小不及一美分硬幣，卻能在這兩個方面均有不俗表現(xiàn)。Edge TPU 可以加速設(shè)備上的 ML 推理，或與 Google Cloud 配對，機器人維修，創(chuàng)建完整的云到邊緣 ML 堆棧。
AIY Edge TPU Dev 開發(fā)板是一體化開發(fā)板，可以用來對要求快速 ML 推理的嵌入式系統(tǒng)進行原型設(shè)計。其基板可提供您對設(shè)備進行高效原型開發(fā)所需的全部外設(shè)連接，包括一個可與各種電氣元件集成的 40 引腳 GPIO 接頭。其另一特點在于，當您準備好擴展后，可以將其可移動模塊化系統(tǒng) (SOM) 子板直接集成到您自己的硬件中。
當然，谷歌的TPU針對的是TenserFlow框架。而同樣開源的深度學習框架可不止谷歌一家提供。Facebook今年的F8開發(fā)者大會上，F(xiàn)acebook也宣布了即將到來的PyTorch 1.0beta版新框架。深度學習間的框架之爭顯然也會影響到谷歌TPU的發(fā)展。
你覺得谷歌TPU瞄準的是誰呢？是同樣致力于提供強大計算能力的云服務(wù)商微軟，還是致力于在谷歌之外構(gòu)建起另一套開源框架、生態(tài)的Facebook呢？或者，是發(fā)了礦卡財又可能被美國限制非官方合作的英偉達？