1492年哥倫布從西班牙巴羅斯港出發，一路西行發現了美洲。葡萄牙人達伽馬南下非洲，繞過好望角到達了印度。不久之后，麥哲倫用了整整三年時間，完成了人類史上第一次環球航行，開啟了人類歷史上的大航海時代。大航海時代的到來，拉近了人類社會各文明之間的距離，對人類社會產生了深遠的影響。

從深藍到Alpha Go，人工智能逐漸走進人們的生活。人工智能也從一場技術革命，逐漸走向了產業落地。智能手機、智能家居設備、智能音箱……等設備，已經完全進入到人們的生活中。指紋識別、人臉識別、畫面增強等實用人工智能的技術，也成為了人們日常使用電子設備必不可少的技術。

這些在我們日常生活中“見怪不怪”的人工智能技術越來越普遍，代表了人工智能產業在近年來的爆炸式發展，2018年更是被稱為人工智能技術規模應用的拐點。而作為人工智能技術的核心，人工智能芯片也備受關注，引得國內外科技巨頭紛紛布局。谷歌、蘋果、微軟、Facebook、英特爾、高通、英偉達、AMD、阿里巴巴等巨頭紛紛開始自主研發人工智能芯片。

并且人工智能芯片的應用場景細分市場越來越多，專門為某些人工智能應用場景定制的芯片適用性明顯高于通用芯片。這樣的形勢，給一些人工智能芯片的初創公司帶來了機會。寒武紀芯片和地平線的人工智能視覺芯片、自動駕駛芯片等，就是初創公司在人工智能芯片領域取得成功的代表。

人工智能芯片大火的同時，已經呈現出三分天下的態勢。FPGA、GPU和TPU芯片，已經在人工智能領域大規模應用。FPGA并不是新鮮的事物，而因為AI的火熱的應用需求不斷增強，FPGA正是作為一種AI芯片呈現在人們的面前。準確的說，不僅僅是芯片，因為它能夠通過軟件的方式定義，所以，更像是AI芯片領域的變形金剛。

而目前大多數人工智能企業青睞于GPU芯片，而TPU相對于GPU而言，采用8位低精度計算節省晶體管，對精度影響很小但是卻可以大幅節約功耗。尤其是當大面積集成系統時，TPU不僅性能更強，功耗也會大幅低于GPU集成系統。由于芯片能力非常強大，谷歌使用了液冷散熱技術，可以幫助TPU更好的為數據中心服務。

TPU全名為Tensor Processing Unit，是谷歌研發的一種神經網絡訓練的處理器，主要用于深度學習、AI運算。谷歌在I／O大會上推出了自己的AI芯片——張量處理器TPU（第一代）。谷歌表示，盡管在一些應用上利用率很低，初代TPU平均比那時候的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TPU都包含了一個定制的高速網絡，構成了一個谷歌稱之為“TPU艙室”（TPU POD）的機器學習超級計算機。一個TPU艙室包含64個第二代TPU，最高可提供多達11．5千萬億次浮點運算，內存400萬兆字節，4倍快于當時市面上最好的32臺GPU。

Cloud TPU帶來的最大好處，則是谷歌的開源機器學習框架TensorFlow。TensorFlow現在已經是Github最受歡迎的深度學習開源項目，Cloud TPU出現以后，開發人員和研究者使用高級API編程這些TPU，這樣就可以更輕松地在CPU、GPU或Cloud TPU上訓練機器學習模型，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；FPGA是小轎車，能到任何地方，但得自己會開；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展，還處于在各個行業落地的過程中。這個階段對GPU，FPGA和TPU都有需求。

毫無疑問，人工智能是當今時代的主旋律。在人工智能軟件占據人們視線的同時，人工智能技術尤其是深度學習，讓各大公司都注意到必須要填補的計算力鴻溝。但其影響在更廣泛的行業內滲透只是時間上的問題。