谷歌TPU优化新进展：数据吞吐提升15~30倍、每瓦特性能

不知读者们是否还记得 Google 公司的“张量处理器”（Tensor Processing Unit）？作为一款由该公司设计的定制版“特定用途集成电路”（ASIC），其旨在为机器学习的推力阶段提供加速。Google 早期表示，与传统 CPU或 GPU相比，该 TPU 可将此类任务的“每瓦特性能”提升10倍。不过自 2015 年推出以来，该公司现又在一篇研究分析报告中给出了最新的性能数据。

谦虚点说，Google 将每瓦特性能提升了 10x 。但与传统解决方案相比（根据场景的不同），其数据提升在 30~80x 之间。

原始速度（RAW Speed）方面，Google 亦表示其 TPU（较标准硬件）提速幅度在 15~30x 左右。

运行在 TPU 上的软件，是基于 Google TensorFlow 的机器学习框架，且部分性能提升得益于这方面的优化。研究报告作者表示，未来还有进一步优化的空间。

其实早在 6 年前，Google 就已经预见到了 TPU 之类的芯片需求。该公司在许多项目中运用了其机器学习算法，包括图像搜索、Photos、Cloud Vision、以及谷歌翻译。

机器学习的本质是密集计算，比如 Google 工程师举出的这个例子 —— 如果人们每天用三分钟的语音搜索，但运行没有 TPU 加持的语音识别人物的话，该公司将需要建造两倍多的数据中心。