今年5月份，谷歌CEO Sundar Pichai（劈柴哥）在谷歌IO大会上发布了TPU3.0芯片，声称其性能是上一代产品TPU2.0的8倍，达到了100Petaflops（Petaflops，每秒千万亿次浮点运算）。
在2016年的时候谷歌就发布了第一代TPU（Tensor Processing Unit），它是专门为机器学习定制的专用芯片（ASIC），一款谷歌自己高度定制化的AI芯片，也是为谷歌深度学习框架TensorFlow而设计的。傍着AlphaGo，TPU作为支撑起强大运算能力的芯片而闻名。今天，谷歌又宣布TPU3.0正式上岗了，进入Alpha内测阶段。
谷歌的TPU有多厉害？
这款芯片也是AlphaGo背后的功臣，即AlphaGo能以超人的熟练度下围棋都要靠训练神经网络来完成，而这又需要计算能力（硬件越强大，得到的结果越快），TPU就充当了这个角色，更重要的是借此显现出了在AI芯片领域相对于英特尔CPU和英伟达GPU的优势。也就是说，采用TPU之后的AlphaGo的运算速度和反应更快。
5年前，谷歌内部就开始使用消耗大量计算资源的深度学习模型，这对CPU、GPU组合而言是一个巨大的挑战，谷歌深知如果基于现有硬件，他们将不得不将数据中心数量翻一番来支持这些复杂的计算任务。
谷歌的专用机器学习芯片TPU处理速度要比GPU和CPU快15-30倍（和TPU对比的是英特尔Haswell CPU以及Nvidia Tesla K80 GPU），而在能效上，TPU更是提升了30到80倍。
TPU对比Haswell处理器
在和英特尔“Haswell”Xeon E5 v3处理器来的对比中，我们可以看到，TPU各方面的表现都要强于前者。
在Google的测试中，使用64位浮点数学运算器的18核心运行在2.3 GHz的Haswell Xeon E5-2699 v3处理器能够处理每秒1.3 TOPS的运算，并提供51GB/秒的内存带宽；Haswell芯片功耗为145瓦，其系统（拥有256 GB内存）满载时消耗455瓦特。
相比之下，TPU使用8位整数数学运算器，拥有256GB的主机内存以及32GB的内存，能够实现34GB/秒的内存带宽，处理速度高达92 TOPS ，这比Haswell提升了71倍，此外，TPU的热功率只有384瓦。
谷歌在人工智能领域的各种动作
谷歌越来越关注神经网络和人工智能，以解决搜索、图像处理和其他计算领域的问题。它也正在通过“AIY项目”这样的计划来促进开发人员和DIY社区对人工智能的兴趣，这些计划本身代表了人工智能。AIY Projects（AIY计划），其目标是让每个Maker（创客）都能DIY自己的 AI 人工智能产品，让更多人能学习、探索并体验人工智能。
比如今天上岗的TPU3.0，也传递着这样的信号。
谷歌的这一做法印证了一个芯片产业的发展趋势，即在AI负载和应用所占数据中心比重越来越大的今天和未来，像谷歌、微软、Facebook、亚马逊、阿里巴巴、腾讯等这些数据中心芯片采购的大户，其之前对于CPU和GPU的通用性需求可能会越来越少，而针对AI开发应用的兼顾性能和能效的定制化芯片需求则会越来越多。
