谷歌又放大招啦——全面開放TPU云服務。

13日，谷歌傳奇Jeff Dean連發10條推特，正式宣布TPU首次對外全面開放，具體來說是將“有限數量”TPU（為機器學習定制的人工智能芯片）向谷歌云客戶開放，每小時收費6.5美元。

此舉意味著TPU的商業化正在加速。 也意味著谷歌將在GPU領域與英偉達正面交鋒。

TPU到底厲不厲害？

TPU是谷歌為機器學習而設計的人工智能定制芯片，是一種ASIC（專用集成電路）。是谷歌為機器學習而設計的人工智能定制芯片，第一代TPU于2016年低調推出，廣泛應用在AlphaGo、搜索、翻譯、相冊等背后的機器學習模型中。在AlphaGo戰勝李世石的系列賽中，TPU能讓AlphaGo“思考”更快，“想”到更多棋招、更好地預判局勢。

第二代TPU是在2017年5月18日的Google I/O 大會上推出，也稱為云TPU。云TPU對推理和訓練都進行了優化，每個 Cloud TPU 包含 4 個定制化的 ASIC，每個 Cloud TPU 的計算能力達到每秒 180 萬億次浮點運算（180 teraflops），并提供有 64GB 的高帶寬內存。

另外，這些電路卡即可以單獨使用，也可以通過超高速專用網絡連接起來，形成一個多層次的機器學習超級計算器，谷歌將之稱為“TPU pod”。谷歌預計今年晚些時候，將會開始供應這種更大的超級計算器，并表示訓練的時間-精度比將得到顯著提升。

宣布開放，就是正式向英偉達開炮

在AI領域，眾所周知英偉達的GPU在AI時代獨占鰲頭，紅利盡享。其勁敵就是谷歌的TPU。此前TPU并未向第三方用戶開放，英偉達的黃仁勛在談到谷歌TPU時，就曾強硬的表示，對GPU并不構成實質性威脅。

當時，老黃還列了列參數：新的TPU可以實現45 teraflop的運算能力，而英偉達最新的Volta GPU則能達到120 teraflop。不知道黃教主此刻是何種心情。

當然此前谷歌也并不是 TPU 的唯一使用者，美國出行服務公司 Lyft 在去年底開始參與了谷歌新型芯片的測試。Lyft的軟件總監Anantha Kancherla表示，“自從使用Google Cloud TPU以來，我們對其速度印象非常深刻，以前通常需要幾天，而現在可能需要幾個小時。深度學習正成為使自動駕駛車輛得以運行的軟件的中堅力量。”

另外，谷歌方面表示，傳統上，為定制 ASIC 和超級計算器編寫程序需要專業知識技能。相比之下，谷歌的這款TPU實現了與TensorFlow的無縫融合，幾乎無需改動，只需要使用高級 TensorFlow API 就可以對 Cloud TPU 進行編程了，像是：

- ResNet-50 以及其它流行的圖片分類模型

- 針對機器翻譯和語言建模的 Transformer

- 針對物體追蹤的 RetinaNet

芯片提供的是人工智能三要素中的計算力，如今TPU的全面開放，可為中小AI公司在2018年的商業化應用落地提供硬件上的強大支撐。但也有業內人士評論稱“TPU只能通過云獲取是一大障礙，英偉達在硬件方面還是碾壓谷歌”，并且認為“TPU對固定算法還是有要求，目前應用范圍最廣還是GPU。”

對谷歌來說，開放TPU有什么好處？

TPU專用于人工智能和機器學習，可為谷歌帶來兩大好處：首先，利用自主研發的芯片，谷歌可以在核心的計算基礎設施方面更便宜、更有效地減少對英特爾、英偉達等芯片制造商的依賴。擁有自己的硬件使谷歌能夠更快地進行實驗。

其次，新的TPU也為谷歌的云計算業務帶來額外收入，現在，谷歌云平臺（GCP）和谷歌的業務應用程序GSuite每季度可超過10億美元收入。

谷歌目前允許公司租用單個TPU板卡，今年晚些時候，將允許企業租用多個板卡，并連接成名為TPU pod的超級計算機網絡。后面谷歌會開源更多的 ML 模型。

此次開放讓TPU和TensorFlow軟硬結合，或將讓谷歌突破重圍，也將促使芯片格局生變，商用化進入快車道時期。那么一直以來我們的國產AI處理器產品，又將如何面對這一變局？