谷歌想用新芯片達成的仍然是一個老目標：前所未有的高效率。

　　谷歌想把人工智能推向新的高度，因此需要一種功耗更低、在更少的時間里完成更多工作的芯片。但這種芯片的影響力遠遠超出了谷歌帝國本身——它對英特爾和NVIDIA這樣的商用芯片制造商構成了威脅，當你看到谷歌的未來愿景時，這種感覺就會越發強烈。

　　谷歌全球數據中心網絡主管烏爾斯·霍勒澤（Urs H?lzle）表示，他們今后還將研發更多這樣的芯片。

　　谷歌不會把這種芯片出售給其他公司，不會直接與英特爾或NVIDIA進行競爭。但谷歌擁有龐大的數據中心，是這兩家公司迄今為止最大的潛在客戶。與此同時，隨著越來越多的企業使用谷歌提供的云計算服務，它們自己購買服務器（和芯片）的數量就會越來越少，也就給芯片市場帶來進一步的沖擊。

　　TPU芯片：專為機器學習定制

　　事實上，谷歌把這種新芯片當作了一種推廣自己AI云服務的賣點，企業和程序員可以通過云服務利用谷歌的AI引擎，將其整合到自己的應用軟件中。谷歌大力向其他公司推銷自己的AI能力，聲稱自己的AI擁有最好的硬件支撐，而這些硬件是其他公司所沒有的。

　　谷歌的新芯片名為Tensor Processing Unit，簡稱TPU。叫這個名字是因為它有利于TensorFlow的運行。谷歌的深層神經網絡就是由TensorFlow軟件引擎驅動的（深層神經網絡是一種硬件和軟件網絡，可以通過分析大量數據，來學習特定的任務網絡軟件）。其他科技巨頭用圖形處理單元（GPU）運行深層神經網絡——GPU的設計初衷是幫助游戲和其他圖形密集型應用程序渲染圖像，驅動深層神經網絡的那類運算采用GPU比較適合。但谷歌表示，它設計的新芯片在那類計算上效率更高。

　　據谷歌說，TPU是專為機器學習量身定做的，所以它執行每個操作所需的晶體管數量更少。這意味著芯片每秒執行的操作數量增多了。

　　將GPU擠出局？

　　暫時來說，谷歌的深層神經網絡將同時使用的TPU和GPU。霍勒澤不愿詳細解釋谷歌使用TPU的方式，只表示用TPU來處理Android手機語音識別所需要的“一部分計算”。但他說，谷歌將發布一篇闡述TPU好處的論文，而且谷歌將繼續設計一些以其他方式推動機器學習的芯片。這樣看上去，GPU似乎最終就會被擠出局。霍勒澤說，“GPU已經在一點點出局。GPU太通用了，對于機器學習針對性不強。機器學習本來就不是GPU的設計初衷 。”

　　NVIDIA可不想聽到這樣的話。作為全球最大的GPU廠商，NVIDIA正在推動自身業務向AI領域擴展。正如霍勒澤指出，NVIDIA最新的 GPU有一個專門針對機器學習的型號。但顯然，谷歌希望進展能更大一些。

　　可編程芯片FPGA

　　與此同時，其他公司（其中最值得注意的是微軟）正在探索另一種芯片：field-programmable gate array，簡稱FPGA，你可以對這種芯片重新編程，以便執行特定的任務。微軟已經在機器學習方面對FPGA進行了測試，英特爾最近也收購了一家FPGA廠商。

　　一些分析師認為這是一種更加聰明的做法。密切注視芯片業務的Moor Insights and Strategy公司總裁兼首席分析師帕特里克·摩爾海德（Patrick Moorhead）說，FPGA提供了更多的靈活性。他感到谷歌新的TPU似乎有點“過猶不及”，因為這樣一種芯片需要至少6個月才能研發成功，而這是一個競爭非常激烈的市場，最大的互聯網公司在里面你爭我奪，6個月對它們來說是相當長的一段時間。

　　但是谷歌并不需要那種靈活性，它最看重的是速度。當被問及為什么谷歌要從零開始研發芯片的，而不是使用FPGA的時候，霍勒澤回答說：“因為會快得多。”

　　核心業務

　　霍勒澤還指出，谷歌的芯片不能取代CPU（中央處理單元，計算機服務器的心臟）。谷歌數據中心仍需要CPU在數以萬計的機器上運行。CPU是英特爾公司的主營業務。不過既然谷歌愿意僅僅為了AI一個領域就自己研發芯片，人們難免就會覺得它將來會研發自己的CPU。

　　霍勒澤淡化了這種可能性。 “你想要解決的是那些尚未解決的問題，”他說。意思是CPU已經是很成熟的技術，沒有什么問題需要改進。但他同時表示，谷歌希望在芯片市場存在良性競爭。換句話說，它想從眾多的賣家那里購買產品，而不只有一個賣家可選。畢竟，更多的競爭對于谷歌來說就意味著更低的價格。霍勒澤解釋說，谷歌正在與OpenPower Foundation合作，就是為了擴大選擇范圍。OpenPower Foundation的芯片設計任何人都可以使用和修改。

　　這種做法對全球最大的芯片制造商構成了潛在威脅。調研公司IDC分析師謝恩·勞（Shane Rau）估計，在全球銷售的所有服務器CPU中，大約有5%都是被谷歌買下的。在最近一年的時間里，谷歌買下了約120萬顆芯片，其中絕大部分可能都來自英特爾。

　　無論谷歌在CPU方面有什么計劃，該公司都會繼續研究特別適合于機器學習的芯片。要真正弄清哪些做法可行，哪些做法不可行，這可能需要花上幾年的時間，畢竟神經網絡本身也在不斷演變。 “我們一直都在學習，”他說。 “我不清楚最后的答案是什么。”當然，全球芯片制造商肯定會密切關注他們的學習狀況。