隨著打造定制AI芯片戰爭的升溫，谷歌宣布在2018年Google I/O大會上推出其第三代AI處理器TPU3.0。

Google首席執行官Sundar Pichai（劈柴哥）表示，由TPU3.0組成的TPU Pod運算陣列性能比上一代提升八倍，可提供100 petaflops（千萬億次）的機器學習硬件加速。和其他許多公司一樣，Google也在致力于創建定制芯片以處理其機器操作。目前已經出現了多種用于開發機器學習工具的框架，包括PyTorch和Caffe2，并且針對Google的TensorFlow進行了優化。 谷歌正在努力讓谷歌云的規模變得和亞馬遜一樣大，提供更好的機器學習工具或許正在迅速成為一種賭注。

亞馬遜和Facebook都在開發自己的定制芯片。Facebook的硬件針對其Caffe2框架進行了優化，該框架旨在處理大量用戶信息，并以圖片形式反映出來。你可以把它看作是把Facebook知道的所有關于你的信息（你的生日，你朋友的照片，以及新聞反饋消息中的所有內容）帶入一個復雜的機器學習框架，這個框架是最適合Facebook的，另外還需要定制硬件方法。 目前，我們對亞馬遜的目標知之甚少，但它也希望通過AWS擁有自己的云基礎架構生態系統。

所有這一切形成了一個組織龐大，資金充足的創業生態系統，希望可以創造一種針對機器學習的定制硬件。Cerebras Systems，SambaNova Systems和Mythic等初創公司都在尋找一種在價格和機器學習性能方面超越Nvidia的方法。大多數這種初創公司都已經籌集了超過3000萬美元資金。

谷歌去年在I / O上推出了其第二代TPU處理器，所以在今年推出另一款并不會讓人感到很驚奇。近幾周的消息表明，新款TPU即將誕生，而且該公司已經在進行下一步的研究。谷歌極力吹捧它的表現，但所有這一切的重點是先讓它變得更容易被接受。

谷歌CEO 劈柴哥還表示，為了給這個性能怪獸降溫，這是該公司第一次不得不在其數據中心使用液體冷卻。對于希望為機器學習創建定制硬件的公司來說，散熱越來越成為一個難題。

然而，關于構建定制芯片還有很多問題。如果年前的Nvidia顯卡可以做到這一點，開發人員可能不需要超高效的硅片。但是隨著數據集越來越大，擁有最大和最好的數據集，這些為當前所有公司創造了防御能力。隨著公司規模的擴大可能會讓他們采用像GCP這樣的東西，可以降低成本。

英特爾也希望通過自己的產品加入。英特爾一直希望FPGA獲勝，隨著機器學習的需求隨著時間的推移而變化，英特爾的設計趨向于更加模塊化，更加靈活。 但FPGA編程可能是一個難以解決的問題，因為缺乏相應的專業工程師。同時，微軟也在押寶FPGA，并在云計算大會BUILD會議上公布了其Brainwave產品，該云計算平臺日益成為發揮其未來潛力的重要組成部分。

谷歌似乎想擁有我們在互聯網上運營的整個堆棧。它始于TPU，在它上面有TensorFlow。如果它成功地做到了這一點，它將獲得更多數據，使其工具和服務變得更快，并在AI工具上遙遙領先，同時可以將開發人員和用戶鎖定到其生態系統中。谷歌的核心是廣告業務，但它正在逐漸擴展新的業務領域，這些領域都需要強大的數據集和操作來學習人類行為。

現在面臨的挑戰是開發人員需要讓其進入GCP和其他服務，還要將他們鎖定在TensorFlow中。但是Facebook更希望用像PyTorch這樣的替代框架來挑戰它，可能要面臨的困難會超出原來的想像。 Facebook在上個月的主要年度會議F8上推出了PyTorch的新版本。我們需要了解Google是否能夠作出充分解釋，從而保持其領先地位，這需要從新一代硬件開始。