王思聰懟柯潔輸給AlphaGo，谷歌自詡TPU處理器牛

TPU即張量處理單元 ，是一款為機器學習而定製的晶元，經過了專門深度機器學習方面的訓練，它有更高效能——每瓦計算能力。

因為它能加速其第二代人工智慧系統TensorFlow的運行，而且效率也大大超過GPU――Google的深層神經網路就是由TensorFlow引擎驅動的。TPU是專為機器學習量身定做的，執行每個操作所需的晶體管數量更少，自然效率更高。

TPU每瓦能為機器學習提供比所有商用GPU和FPGA更高的量級指令，這基本相當於7年後的科技水平。TPU是為機器學習應用特別開發，以使晶元在計算精度降低的情況下更耐用，這意味每一個操作只需要更少的晶體管，用更多精密且大功率的機器學習模型，並快速應用這些模型，因此用戶便能得到更正確的結果。

此次阿爾法狗戰勝柯潔所用的處理器就是谷歌最先進的tpu處理器，谷歌自詡ＴＰＵ處理器相當於１５－３０個ＧＰＵ處理器，言下之意就是TPU性能極強。但相關人士評價說，TPU雖性能先進，也有短板，就性能來說，一個TPU相當於15-30個GPU的說法也不客觀。那麼ＣＰＵ、ＧＰＵ、TPU三者區別在哪裡呢？

GPU

英偉達（NVIDIA）製造的圖形處理器 （GPU）專門用於在個人電腦、工作站、遊戲機和一些移動設備上進行圖像運算工作，是顯示卡的「心臟」。GPU針對密集的、高並行的計算，這正是圖像渲染所需要的，因此 GPU 設計了更多的晶體管專用於數據處理，而非數據高速緩存和流控制。

CPU

英特爾公司開發的第二代Xeon Phi處理器完美契合了人工智慧的需求。Xeon Phi並非傳統意義上的英特爾處理器（CPU），最新的Xeon Phi協處理器擁有多達72個內核，而且每個內核有兩個用於提供更好的單核浮點運算性能的英特爾AVX-512 SIMD處理單元，所以這些處理器非常適合運行機器學習/深度學習工作任務。

TPU

TPU是一款為機器學習而定製的晶元，經過了專門深度機器學習方面的訓練，它有更高效能（每瓦計算能力）。大致上，相對於現在的處理器有7年的領先優勢，寬容度更高，每秒在晶元中可以擠出更多的操作時間，使用更複雜和強大的機器學習模型，將之更快的部署，用戶也會更加迅速地獲得更智能的結果。

TPU在架構方面並沒有太多新意，在其架構公開之前，在學術界和工業界其實已經有大量類似的工作，比如MIT於2016年前後發表的Eyeriss也是類似的架構，將傳統脈動陣列機的結構用於處理深度學習並非什麼新鮮事。

谷歌做的事情是將經典的架構進行完善，並將其用在阿法狗上。誠然，谷歌做出的成果不容抹殺，但也不宜過度吹捧。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！