大力招聘芯片人才的背后：谷歌发力的“芯”蓝图是什么？

近日，谷歌在印度班加罗尔成立了新的芯片团队gChips，新招聘的10多人中，包括来自英特尔、高通、英伟达和博通等传统芯片制造商的工程师。目前已雇佣16名工程师和4名招聘人员，招聘和扩张仍在进行。据悉，该芯片团队的员工可能会和谷歌在硅谷的现有芯片团队合作，对设计理念进行微调和测试，再将最终产品发给制造商生产。一名高管还称，该团队2019年底可能会扩张至80人。

芯片之于谷歌的重要性

为什么谷歌在加码芯片，因为AI芯片是AI技术的基础。当AI技术进一步发展，所需要的信息和运算量会进一步提升，CPU已经无法提供更加庞大的算力，目前人们用GPU来代替CPU进行深度学习，但为了考虑到算力膨胀和兼容性的问题，研发AI芯片已是大势所趋。芯片作为高投入、高尖精的技术，又是底层硬件基础，如果严重依赖它人，AI公司本身会非常难受——就和今天的中兴一样，命门一掐，受制于人。因此众多互联网大佬都在自行研发AI芯片，除了谷歌还有亚马逊、苹果、Facebook等。

谷歌研发的TPU最早公布于2016年，2013年就有相关传言在进行研发了。与李世石和柯洁大战而名声大噪的AlphaGo就搭载了TPU。AI芯片分为深度学习和专用类，前者可以搭载在大量AI平台内，进行深度学习和智能运算；后者用途则更加垂直，比如用于安防识别、智能家居、自动驾驶、云端运算，这也是目前AI芯片最为火热的四个落地场景。

谷歌专门开发的应用于深度神经网络的软件引擎。谷歌表示，按照摩尔定律的增长速度，现在的TPU的计算能力相当于未来七年才能达到的计算水平，每瓦能为机器学习提供更高的量级指令，这意味它可以用更少的晶体进行每一个操作，也就是在一秒内进行更多的操作。并且谷歌将其与Deep learning系统平台TensorFlow进行了深度绑定，可以获得更好的支持，做更强的生态，包括搜索、无人驾驶汽车、智能语音等100多个需要使用机器学习技术的项目。

深度学习AI芯片更加意义重大，一般是为深度学习框架而设计，这意味着它对开源架构进行了优化，能让开发者更顺利、更快捷地开发出更多的AI应用，形成数目繁多、品类齐全的AI应用生态。此外，AI芯片与深度学习框架的一体化意味着标准的建立，如果选择这款AI芯片的开发者越多，企业的AI护城河就越稳固，类似PC之于Windows。

谷歌芯未来

谷歌巨头们研发芯片有利于其建立消费设备的定制芯片，如Google Home和Amazon Dot。如果这些厂商能够有包括AI加速器在内的多款芯片在晶圆厂生产的时候，庞大的数量将会带来很大的经济规模效应。和目前AI加速器的尝试一样。这也仅仅只是一个开始。

一个对软件操作环境和深度学习建模语言有控制权的网络巨头也将进入芯片设计领域是一件很容易的事，且是一个很不错的选择。因为他们很容易就能获得最好的EDA工具、开源和可授权的IP模块，然后就可以构建原型芯片，将其布置到全国各地的服务器上。具体来说，谷歌进入芯片领域，不但可以定制其整数和浮点的处理器内核，还可以基于这些定制的处理器内核、定制AI加速器、定制的I / O和内存控制器等部件打造SoC。他还可以在其专有的芯片里面优化其软件性能，这在通用的大规模芯片上是很难做到的。

未来，谷歌可能会设计完全不同的芯片，那些专门面向标准化操作环境和标准指令集设计的病毒将不会在这些芯片上执行，黑客需要更好的手段才能访问网络巨头的系统，尤其是这些系统还可能会定期更改的时候。届时的数据中心，将会是一个截然不同的数据中心。那时候芯片产业也将会有谷歌的一席之地。