人工智能（AI）的爆發性增長是以強大的計算能力為基礎的，而提供計算力的載體是芯片。隨著市場對芯片計算能力的需求提高，芯片制造工藝也在不斷提高，與之而來的是芯片制造成本也隨著漲高。
有業內人士稱，如今設計制造一顆10nm芯片的成本要幾千萬美元，就算目前寒武紀、深鑒科技等專門做AI芯片的企業，即使采用28nm的芯片工藝，前期從投入到流片的成本都要超過400萬美元。也就是說，單一品類的芯片出貨量沒有百萬級很難收回成本。
AI芯片是AI技術發展過程中不可逾越的關鍵階段，不管有什么好的AI算法，要想最終得到應用，都必然通過芯片來實現。谷歌、微軟、亞馬遜、IBM等全球科技巨頭紛紛投入巨資加速人工智能核心芯片的研發。
今年8月份，谷歌的一款Edge TPU芯片，一塊AIY Edge TPU開發板，一個AIY Edge TPU加速器，讓開發者狂歡，將國內AI芯片公司徹底打入寒冬！
Google蓄力的Edge TPU終于正式對外公布！不僅如此，此次Google還帶來了基于Edge TPU的AIY Edge TPU開發板以及AIY Edge TPU加速器，全面幫助工程師將機器學習部署到AI產品開發中去。
其實，在 2016 年 6 月的時候 Google 就透露了自己研發了一款在云端使用的專用 AI 芯片，TPU（Tensor Processing Unit）。Google 做 AI 芯片當然是吸引眼球的新聞，但苦于一直沒有公布細節，大家也只能猜測和等待。沒過多久，在2017年5 月 17 日，在 Google I/O 大會上，Google 公布了第二代 TPU。雖然 TPU2 的細節公布的并不多，但指標確實看起來很不錯，而且具有非常好的可擴展性。唯一的遺憾就是它并不對外銷售，只能以 TPU Cloud 的方式供大家使用。
谷歌表示，其AI芯片正變得更具戰略重要性。在AI領域，研究人員正用大量數據訓練模型，以便機器能夠在新數據到來時進行預測。
今年，谷歌在I／O大會發布了其第三代TPU，并宣稱其性能比去年的TUP 2．0提升8倍之多，達到每秒1000萬億次浮點計算，同時谷歌展示了其一系列基于TPU的AI應用。
這款芯片也是AlphaGo背后的功臣，即AlphaGo能以超人的熟練度下圍棋都要靠訓練神經網絡來完成，而這又需要計算能力（硬件越強大，得到的結果越快），TPU就充當了這個角色，更重要的是借此顯現出了在AI芯片領域相對于英特爾CPU和英偉達GPU的優勢。也就是說，采用TPU之后的AlphaGo的運算速度和反應更快。
5年前，谷歌內部就開始使用消耗大量計算資源的深度學習模型，這對CPU、GPU組合而言是一個巨大的挑戰，谷歌深知如果基于現有硬件，他們將不得不將數據中心數量翻一番來支持這些復雜的計算任務。
相比之下，TPU使用8位整數數學運算器，擁有256GB的主機內存以及32GB的內存，能夠實現34GB/秒的內存帶寬，處理速度高達92 TOPS ，這比Haswell提升了71倍，此外，TPU的熱功率只有384瓦。
現在谷歌又推出了Edge TPU，這是專門用來處理AI預測部分的微型芯片，它比訓練模型的計算強度要小。Edge TPU可以自己運行計算，而不需要與多臺強大計算機相連，因此應用程序可以更快、更可靠地工作。它們可以在傳感器或網關設備中與標準芯片或微控制器共同處理AI工作。
反觀國內，科技企業蜂擁做AI芯片，AI芯片那么好做嗎？芯片從設計到量產都只有3年多時間，這與“一個芯片產業需要幾十年技術沉淀”的普遍印象相差甚遠。一方面，AI芯片的門檻比通用芯片門檻低，另一方面，目前大多數都說可以做出來AI芯片，但能否用得好能不能大批量賣出去還有待時間驗證。
被寄予厚望的華為，以及華為秘密的“D計劃”，成為大眾熱門話題。據爆料，華為內部已經制定了代號“達芬奇”（Project Da Vinci）的項目，也被一些華為高管稱為“D計劃”。“D計劃”的內容包括為數據中心開發新的華為AI芯片，能夠支持云中的語音和圖像識別等應用，這是華為涉足競爭激烈的人工智能市場的第一關。
說到谷歌的Edge TPU，谷歌表示它已經構建了工具包，其中包括Edge TPU、NXP芯片和Wi-Fi連接，供開發人員試用。Edge TPU可能會“顛覆云計算競爭”，因為許多計算現在可以在設備上進行，而不是全部發送到數據中心。在成本和能耗方面，谷歌芯片在某些類型的計算上比傳統芯片更加高效。創作者介紹
有業內人士稱，如今設計制造一顆10nm芯片的成本要幾千萬美元，就算目前寒武紀、深鑒科技等專門做AI芯片的企業，即使采用28nm的芯片工藝，前期從投入到流片的成本都要超過400萬美元。也就是說，單一品類的芯片出貨量沒有百萬級很難收回成本。
AI芯片是AI技術發展過程中不可逾越的關鍵階段，不管有什么好的AI算法，要想最終得到應用，都必然通過芯片來實現。谷歌、微軟、亞馬遜、IBM等全球科技巨頭紛紛投入巨資加速人工智能核心芯片的研發。
今年8月份，谷歌的一款Edge TPU芯片，一塊AIY Edge TPU開發板，一個AIY Edge TPU加速器，讓開發者狂歡，將國內AI芯片公司徹底打入寒冬！
Google蓄力的Edge TPU終于正式對外公布！不僅如此，此次Google還帶來了基于Edge TPU的AIY Edge TPU開發板以及AIY Edge TPU加速器，全面幫助工程師將機器學習部署到AI產品開發中去。
其實，在 2016 年 6 月的時候 Google 就透露了自己研發了一款在云端使用的專用 AI 芯片，TPU（Tensor Processing Unit）。Google 做 AI 芯片當然是吸引眼球的新聞，但苦于一直沒有公布細節，大家也只能猜測和等待。沒過多久，在2017年5 月 17 日，在 Google I/O 大會上，Google 公布了第二代 TPU。雖然 TPU2 的細節公布的并不多，但指標確實看起來很不錯，而且具有非常好的可擴展性。唯一的遺憾就是它并不對外銷售，只能以 TPU Cloud 的方式供大家使用。
谷歌表示，其AI芯片正變得更具戰略重要性。在AI領域，研究人員正用大量數據訓練模型，以便機器能夠在新數據到來時進行預測。
今年，谷歌在I／O大會發布了其第三代TPU，并宣稱其性能比去年的TUP 2．0提升8倍之多，達到每秒1000萬億次浮點計算，同時谷歌展示了其一系列基于TPU的AI應用。
這款芯片也是AlphaGo背后的功臣，即AlphaGo能以超人的熟練度下圍棋都要靠訓練神經網絡來完成，而這又需要計算能力（硬件越強大，得到的結果越快），TPU就充當了這個角色，更重要的是借此顯現出了在AI芯片領域相對于英特爾CPU和英偉達GPU的優勢。也就是說，采用TPU之后的AlphaGo的運算速度和反應更快。
5年前，谷歌內部就開始使用消耗大量計算資源的深度學習模型，這對CPU、GPU組合而言是一個巨大的挑戰，谷歌深知如果基于現有硬件，他們將不得不將數據中心數量翻一番來支持這些復雜的計算任務。
相比之下，TPU使用8位整數數學運算器，擁有256GB的主機內存以及32GB的內存，能夠實現34GB/秒的內存帶寬，處理速度高達92 TOPS ，這比Haswell提升了71倍，此外，TPU的熱功率只有384瓦。
現在谷歌又推出了Edge TPU，這是專門用來處理AI預測部分的微型芯片，它比訓練模型的計算強度要小。Edge TPU可以自己運行計算，而不需要與多臺強大計算機相連，因此應用程序可以更快、更可靠地工作。它們可以在傳感器或網關設備中與標準芯片或微控制器共同處理AI工作。
反觀國內，科技企業蜂擁做AI芯片，AI芯片那么好做嗎？芯片從設計到量產都只有3年多時間，這與“一個芯片產業需要幾十年技術沉淀”的普遍印象相差甚遠。一方面，AI芯片的門檻比通用芯片門檻低，另一方面，目前大多數都說可以做出來AI芯片，但能否用得好能不能大批量賣出去還有待時間驗證。
被寄予厚望的華為，以及華為秘密的“D計劃”，成為大眾熱門話題。據爆料，華為內部已經制定了代號“達芬奇”（Project Da Vinci）的項目，也被一些華為高管稱為“D計劃”。“D計劃”的內容包括為數據中心開發新的華為AI芯片，能夠支持云中的語音和圖像識別等應用，這是華為涉足競爭激烈的人工智能市場的第一關。
說到谷歌的Edge TPU，谷歌表示它已經構建了工具包，其中包括Edge TPU、NXP芯片和Wi-Fi連接，供開發人員試用。Edge TPU可能會“顛覆云計算競爭”，因為許多計算現在可以在設備上進行，而不是全部發送到數據中心。在成本和能耗方面，谷歌芯片在某些類型的計算上比傳統芯片更加高效。創作者介紹
請按此登錄後留言。未成為會員? 立即註冊