1492年哥倫布從西班牙巴羅斯港出發(fā)，一路西行發(fā)現(xiàn)了美洲。葡萄牙人達(dá)伽馬南下非洲，繞過好望角到達(dá)了印度。不久之后，麥哲倫用了整整三年時(shí)間，完成了人類史上第一次環(huán)球航行，開啟了人類歷史上的大航海時(shí)代。大航海時(shí)代的到來，拉近了人類社會(huì)各文明之間的距離，對(duì)人類社會(huì)產(chǎn)生了深遠(yuǎn)的影響。

從深藍(lán)到Alpha Go，人工智能逐漸走進(jìn)人們的生活。人工智能也從一場(chǎng)技術(shù)革命，逐漸走向了產(chǎn)業(yè)落地。智能手機(jī)、智能家居設(shè)備、智能音箱……等設(shè)備，已經(jīng)完全進(jìn)入到人們的生活中。指紋識(shí)別、人臉識(shí)別、畫面增強(qiáng)等實(shí)用人工智能的技術(shù)，也成為了人們?nèi)粘Ｊ褂秒娮釉O(shè)備必不可少的技術(shù)。

這些在我們?nèi)粘Ｉ�活中“見怪不怪”�?span id="0sczyui" class='hrefStyle'>人工智能技術(shù)越來越普遍，代表了人工智能產(chǎn)業(yè)在近年來的爆炸式發(fā)展，2018年更是被稱為人工智能技術(shù)規(guī)模應(yīng)用的拐點(diǎn)。而作為人工智能技術(shù)的核心，人工智能芯片也備受關(guān)注，引得國內(nèi)外科技巨頭紛紛布局。谷歌、蘋果、微軟、Facebook、英特爾、高通、英偉達(dá)、AMD、阿里巴巴等巨頭紛紛開始自主研發(fā)人工智能芯片。

并且人工智能芯片的應(yīng)用場(chǎng)景細(xì)分市場(chǎng)越來越多，專門為某些人工智能應(yīng)用場(chǎng)景定制的芯片適用性明顯高于通用芯片。這樣的形勢(shì)，給一些人工智能芯片的初創(chuàng)公司帶來了機(jī)會(huì)。寒武紀(jì)芯片和地平線的人工智能視覺芯片、自動(dòng)駕駛芯片等，就是初創(chuàng)公司在人工智能芯片領(lǐng)域取得成功的代表。

人工智能芯片大火的同時(shí)，已經(jīng)呈現(xiàn)出三分天下的態(tài)勢(shì)。FPGA、GPU和TPU芯片，已經(jīng)在人工智能領(lǐng)域大規(guī)模應(yīng)用。FPGA并不是新鮮的事物，而因?yàn)锳I的火熱的應(yīng)用需求不斷增強(qiáng)，F(xiàn)PGA正是作為一種AI芯片呈現(xiàn)在人們的面前。準(zhǔn)確的說，不僅僅是芯片，因?yàn)樗�能夠通過軟件的方式定義，所以，更像是AI芯片領(lǐng)域的變形金剛。

而目前大多數(shù)人工智能企業(yè)青睞于GPU芯片，而TPU相對(duì)于GPU而言，采用8位低精度計(jì)算節(jié)省晶體管，對(duì)精度影響很小但是卻可以大幅節(jié)約功耗。尤其是當(dāng)大面積集成系統(tǒng)時(shí)，TPU不僅性能更強(qiáng)，功耗也會(huì)大幅低于GPU集成系統(tǒng)。由于芯片能力非常強(qiáng)大，谷歌使用了液冷散熱技術(shù)，可以幫助TPU更好的為數(shù)據(jù)中心服務(wù)。

TPU全名為Tensor Processing Unit，是谷歌研發(fā)的一種神經(jīng)網(wǎng)絡(luò)訓(xùn)練的處理器，主要用于深度學(xué)習(xí)、AI運(yùn)算。谷歌在I／O大會(huì)上推出了自己的AI芯片——張量處理器TPU（第一代）。谷歌表示，盡管在一些應(yīng)用上利用率很低，初代TPU平均比那時(shí)候的GPU或CPU快15～30倍，性能功耗比（TOPS／Watt）高出約30～80倍。

在第二代TPU里，每個(gè)TPU都包含了一個(gè)定制的高速網(wǎng)絡(luò)，構(gòu)成了一個(gè)谷歌稱之為“TPU艙室”（TPU POD）的機(jī)器學(xué)習(xí)超級(jí)計(jì)算機(jī)。一個(gè)TPU艙室包含64個(gè)第二代TPU，最高可提供多達(dá)11．5千萬億次浮點(diǎn)運(yùn)算，內(nèi)存400萬兆字節(jié)，4倍快于當(dāng)時(shí)市面上最好的32臺(tái)GPU。

Cloud TPU帶來的最大好處，則是谷歌的開源機(jī)器學(xué)習(xí)框架TensorFlow。TensorFlow現(xiàn)在已經(jīng)是Github最受歡迎的深度學(xué)習(xí)開源項(xiàng)目，Cloud TPU出現(xiàn)以后，開發(fā)人員和研究者使用高級(jí)API編程這些TPU，這樣就可以更輕松地在CPU、GPU或Cloud TPU上訓(xùn)練機(jī)器學(xué)習(xí)模型，而且只需很少的代碼更改。

如果拿汽車類比，GPU是大巴車，適合多人同目標(biāo)；FPGA是小轎車，能到任何地方，但得自己會(huì)開；而TPU是火車，只能在比公路少的多的鐵軌上開，但開的飛快。人工智能還在快速發(fā)展，還處于在各個(gè)行業(yè)落地的過程中。這個(gè)階段對(duì)GPU，F(xiàn)PGA和TPU都有需求。

毫無疑問，人工智能是當(dāng)今時(shí)代的主旋律。在人工智能軟件占據(jù)人們視線的同時(shí)，人工智能技術(shù)尤其是深度學(xué)習(xí)，讓各大公司都注意到必須要填補(bǔ)的計(jì)算力鴻溝。但其影響在更廣泛的行業(yè)內(nèi)滲透只是時(shí)間上的問題。