【新智元導讀】谷歌今天宣布推出用于邊緣計算的Edge TPU，作為Cloud TPU的補充，目前Edge TPU僅用于推理，專為在邊緣運行TensorFlow Lite ML模型而設計。除了自用，谷歌Edge TPU也將提供給其他廠商使用，進一步把開發者鎖定在谷歌生態系統，或對整個智能云計算市場帶來巨大沖擊!

谷歌又出重磅消息!在谷歌云年度大會的第二天，谷歌宣布Edge TPU——TPU的輕量級版本，用于邊緣計算。

這就意味著，谷歌不僅為在自己的數據中心開發人工智能芯片，還打算在將其設計的Edge TPU用在其他公司生產的產品中。

兩年前谷歌推出了第一代TPU，當時只能做推理。去年，谷歌推出了既能做訓練也能做推理的TPU 2.0，這款谷歌自研芯片當做GPU的強勁對手，威脅英偉達的市場份額。今天5月，谷歌在I/O大會上發布了TPU 3.0，性能進一步提升。無論市場情況如何，谷歌都在內部都更多地使用TPU，而不是依賴英偉達等供應商提供的硬件。

但是，谷歌曾多次表示不會對外銷售TPU，而是將TPU與谷歌云Google Cloud Platform(GCP)和TensorFlow綁定，讓使用GCP和TF的用戶享受TPU帶來的計算優勢。

現在，Edge TPU則不同了。據CNBC報道，消費電子制造商LG正在一個顯示器玻璃檢測系統中測試谷歌Edge TPU，以更快地發現制造缺陷。據LG CNS集團CTO Shingyoon Hyun 表示，檢測精度從原來的約50%提高到了99.9%。

可以想見，未來谷歌Edge TPU在物聯網以及智能終端設備中的巨大使用空間，以及對物聯網芯片市場的沖擊。

將機器學習帶到邊緣，省錢!省時!

今天谷歌宣布推出兩款旨在幫助客戶大規模開發和部署智能連接設備的新產品：Edge TPU，一款新的硬件芯片，以及Cloud IoT Edge，一款將Google Cloud強大的AI功能擴展到網關和連接設備的軟件棧。用戶可以在云上構建和訓練ML模型，然后通過Edge TPU硬件加速器在Cloud IoT Edge設備上運行這些模型。

Edge TPU是谷歌的專用ASIC芯片，專為在邊緣運行TensorFlow Lite ML模型而設計。在設計Edge TPU時，我們非常注重在很小的占用空間內優化“每瓦性能”和“每美元性能”。

Edge TPU的設計旨在補充谷歌云TPU，因此，你可以在云中加速ML的訓練，然后在邊緣進行快速的ML推理。你的傳感器不僅僅是數據采集——它們還能夠做出本地的、實時的、智能的決策。

Edge TPU芯片的尺寸，與一美元硬幣對比

根據谷歌博客的介紹，Edge TPU 的特點如下：

邊緣上的AI

如今，從消費者到企業應用程序，AI無處不在。隨著連接設備的爆炸式增長，再加上對隱私/機密性、低延遲和帶寬限制的需求，在云中訓練的AI模型越來越需要在邊緣上運行。Edge TPU是谷歌為在邊緣運行AI而設計的專用ASIC。它在很小的物理占用和很低功耗的限制下提供高性能，使得在邊緣部署高精度的AI成為可能。

端到端的AI基礎設施

Edge TPU是Cloud TPU和Google Cloud服務的補充，提供end-to-end、cloud-to-edge、硬件+軟件的基礎設施，以便于基于AI的解決方案的部署。

很小的物理占用和低功耗下實現高性能

由于其高性能、物理占用面積小、功耗低，Edge TPU可以在邊緣廣泛部署高質量的AI。

AI硬件、軟件和算法的協同設計

Edge TPU不僅僅是一個硬件解決方案，它結合了定制硬件、開放軟件和最先進的AI算法，為邊緣提供高質量、易于部署的AI解決方案。

廣泛的應用

Edge TPU有非常多的工業用例，例如預測性維護、異常檢測、機器視覺、機器人、語音識別等等。在制造業、內部部署、醫療、零售、智能空間、交通等領域有廣泛應用。

Edge TPU和Cloud TPU的對比：目前Edge僅用于推理

Edge TPU支持在邊緣部署高質量的ML推理。它增強了谷歌的Cloud TPU和Cloud IoT，以提供端到端(云到端、硬件+軟件)的基礎設施，以促進客戶基于AI的解決方案的部署。除了開放源碼的TensorFlow Lite編程環境之外，Edge TPU最初將部署多個Google AI模型，并結合谷歌在AI和硬件方面的專業知識。

Edge TPU補充了CPU、GPU和其他ASIC解決方案，用于在Edge上運行AI，這將由Cloud IoT Edge支持。

Edge TPU 和 Cloud TPU的對比

●Edge TPU可用于ML推理，不適用于訓練;Cloud TPU可用于ML訓練和推理

●軟件和服務方面，Edge TPU適用于Cloud IoT Edge和Android Things;Cloud TPU的可用軟件包括Cloud ML Engine，Kubernetes Engine，Google Compute Engine，以及Cloud IoT Core

●ML框架：Edge TPU可使用TensorFlow Lite, NN API;Cloud TPU可使用TensorFlow, scikit-learn, XGBoost, Keras

●硬件加速器：Edge TPU包括Edge TPU, GPU, CPU;Cloud TPU包括Cloud TPU, GPU 和CPU

Edge TPU的特性

Edge TPU使用戶能夠以高效的方式，在高分辨率視頻上以每秒30幀的速度，在每幀上同時執行多個最先進的AI模型。

推出配套軟件 Cloud IoT Edge

Cloud IoT Edge是將Google Cloud強大的數據處理和機器學習功能擴展到網關、攝像頭和終端設備的軟件，使物聯網應用更智能、更安全、更可靠。它允許你在Edge TPU或基于GPU和CPU的加速器上執行在Google Cloud中訓練了的ML模型。

Cloud IoT Edge可以在Android Things或基于Linux OS的設備上運行，其關鍵組件包括：

●網關類設備runtime(至少有一個CPU)，用于邊緣數據的本地存儲、轉換和處理，以及從數據中獲取智能，同時與云IoT平臺的其余部分無縫互操作。

●Edge IoT Core runtime，能更安全地將邊緣設備連接到云，支持軟件和固件更新，并通過Cloud IoT Core管理數據交換。

●基于TensorFlow Lite的Edge ML runtime，使用預先訓練過的模型執行本地ML推理，顯著減少延遲并增加邊緣設備的多功能性。由于Edge ML運行時與TensorFlow Lite接口，因此它可以在網關類設備中的CPU，GPU或Edge TPU上執行ML推理，或者在終端設備(如攝像頭)中執行ML推理。

推出Edge TPU開發套件，進一步將開發者鎖定在谷歌生態系統

為了使用Edge TPU快速啟動開發和測試，我們構建了一個開發套件(Edge TPU development kit)。這個套件包括一個模塊化系統(SOM)，集合了谷歌的Edge TPU，一個NXP的CPU, Wi-Fi，和Microchip的安全元件。開發套件將在今年10月對開發者開放，也可以注冊申請提前訪問。

Edge TPU開發套件：SOM(上)和底板(下)

顛覆云計算，狙擊亞馬遜和微軟

谷歌進軍定制芯片已經被證明可行。用于谷歌數據中心的TPU本身就是一個很好的例子。

Edge TPU的計算密集度低于訓練模型，無需連接到一堆功能強大的計算機即可運行計算，因此應用程序可以更快、更可靠地運行。

如上所述，Edge TPU可以充當傳感器或網關設備中的標準芯片或微控制器。谷歌已經開發了一套套件，包括Edge TPU，NXP芯片和Wi-Fi連接，供開發人員試用。

今年2月份加入谷歌實習(entrepreneur in residence)的三星前CTO Injong Rhee 表示，谷歌制作Edge TPU并非為了與傳統的芯片商進行競爭。“這對所有芯片供應商和設備制造商都非常有利。” Rhee 告訴CNBC記者。

Rhee 表示，Edge TPU可能會“顛覆云計算的競爭”，因為現在某些計算只用發生在本地。他說，就成本和能源使用而言，谷歌芯片在某些類型的計算方面比傳統芯片更加高效。

至于谷歌是否會研發一款更強大，可以用于訓練的Edge TPU時，Rhee 則表示不予置評。

谷歌正在與Arm，Harting，日立數據系統(Hitachi Vantara)，新漢(Nexcom)，諾基亞和恩智浦等制造商合作。

谷歌將在一款類似 Raspberry Pi 的套件上推出Edge TPU，在簡化版的TensorFlow AI軟件上運行。這一操作將使得那些已經使用TensorFlow作為其主要機器學習框架的開發者，更快更高效地使用Edge TPU，提供全棧式硬件，進一步將其鎖定在谷歌云的生態系統中。

谷歌并不是唯一為所謂的物聯網提供服務的云服務提供商。今年早些時候，微軟宣布推出面向物聯網的芯片設計。微軟的Azure是除了亞馬遜AWS之外第二大云的服務商。

至于占據市場主要份額的亞馬遜AWS，憑借其智能音箱Echo/Alexa，已經在智能終端領域占據了不小的市場。

雖然硅谷早有傳言，但Edge TPU的推出無疑是谷歌邁進從硬件到用戶體驗一張套服務的切實一步。

就目前而言，谷歌Edge TPU或許還尚不具備顛覆硬件計算市場的能力，但谷歌將自研Edge TPU用于其他廠商設備這一舉措，顯然有一統生態系統的野心。

但無論如何，消費者的體驗將會隨著越來越強大的智能計算得到進一步提高。