人工智慧AlphaGo的成功，過去認為來自Google擅長的大規(guī)模資料處理以及演算法計算。不過令外界意想不到的是，執(zhí)行長桑德·皮查（Sundar Pichai）在今日的Google2016年開發(fā)者大會上發(fā)表一款Google自行研發(fā)的機器學習專用晶片，更是造就AlphaGo的祕密武器。

特製晶片效能為現(xiàn)有技術往前推進七年

皮采指出，Google在幾年前就已著手研發(fā)客製化的特殊應用積體電路（ASIC），而這款專用于Google開源機器學習演算法TensorFlow、也是提升AlphaGo計算速度的特製晶片TPU（Tensor Processing Unit），用以改善機器學習相關應用，迄今已使用超過一年。

為了加速機器學習進程，TPU捨棄掉傳統(tǒng)晶片如CPU和GPU的高精確度，減少計算需要的電晶體數(shù)量并提升每瓦效能。根據(jù)Google說法，“TPU讓機器學習的每瓦效能提高一個數(shù)量級，相當于將晶片效能往前推進七年或三代的摩爾定律”。

目前，Google使用機器學習的應用超過百種，例如搜尋、語音辨識和自駕車。Google杰出硬體工程師諾曼?約皮（Norman Jouppi）指出：“這類程式需要耗費龐大資金才能提供快速集中的運算能力和電力，自製機器學習加速器讓Google可更加經(jīng)濟地加快產(chǎn)品推出。”迄今，Google已使用超過1千個TPU，運用于街景、智慧訊息回覆和搜尋，幫助改善搜尋結果相關性，以及提升地圖和導航產(chǎn)品的精確度。

除了Google內(nèi)部產(chǎn)品可受惠于這套最新的機器學習演算法，Google的云端機器學習服務也開放開發(fā)者利用這套演算法打造自己的應用服務。“我們的目標是引領機器學習產(chǎn)業(yè)，并讓創(chuàng)新得以在顧客身上實現(xiàn)。透過在基礎建設加入TPU，我們可以透過軟體如TensorFlow和云端機器學習將Google的力量帶給開發(fā)者。機器學習正在改變開發(fā)者如何打造讓消費者受惠的智慧應用，我們非常高興看到未來生活的可能性。”約皮表示。

Google并非唯一為了加快人工智慧而採用新的晶片設計的公司。《華爾街日報》指出，微軟正在使用一款名為Field Programmable Gate Arrays的可編程晶片，以加速人工智慧運算，應用于Bing搜尋引擎。NVIDIA推出的GPU則被應用在人工智慧計算，這款晶片過去也被Google用于AlphaGO的早期測試。

透過自行生產(chǎn)客製化晶片，Google將更可掌控支出、技術規(guī)格以及未來發(fā)展藍圖。但這是否代表Google對第三方晶片供應商如Intel或Nvidia的依賴將日益降低？約皮表示，“我們依然購買大量的CPU和GPU，”但不愿透露購買數(shù)量是否較過去少。

文章來源：機房監(jiān)控 http://m.scdprobes.com