一年追上摩尔定律七年进度 Google首度揭露自制AI芯片

Google 人工智能Alpha Go 在日前赢了南韩围棋九段高手李世乭，AlphaGO 致胜的关键，就在于结合机器学习（Machine Learning）与深层类神经网路（deep neural networks），模拟围棋高手如何分析盘面、找出最有利的下法，步步为营。Google CEO 桑德尔‧皮查（Sundar Pichai ）在18 日Google I/O 大会上进一步揭露了这当中的秘密。

 

皮查指出，Google 专门为深层类神经网路设计了特殊应用IC（application-specific integrated circuit,ASIC），以ASIC 为基础的硬体或软体，将能透过分析大量的数据学习特殊任务，Google 借由神经网路得以辨识物件、照片中的人脸、了解传到Android 手机上的说话指令，以及翻译技术，甚至因此改变了Google 搜寻引擎。也是这项技术提升了Alpha GO 的计算速度，并使其思虑看得更深远。

 

Google将运用此技术打造的机器学习专用晶片称之为TPU（Tensor Processing Unit），Google在其自家部落格文章称，由于TPU专为机器学习所运行，得以较传统CPU、GPU降低精度，在计算所需的电晶体数量上，自然可以减少，也因此，可从电晶体中挤出更多效能，每秒执行更复杂、强大的机器学习模组，并加速模组的运用，使得使用者更快得到答案，Google指出，团队已经在数据中心执行TPU超过一年，且发现TPU能让机器学习每瓦提高一个数量级，粗略来说，相当于摩尔定律中晶片效能往前推进了七年或者三代。搭载TPU的机板只要安装在Google数据中心的硬碟插槽上即可。

 

（Source：Google）

 

Google 在去年发表机器学习系统TensorFlow，并强调其为开源，意味着任何人都可以使用甚至修改这套软体引擎，但不代表外部使用者可共享Google TPU 的设计，不过可以透过Google 云端服务使用Google各式机器学习软硬体服务。

 

而Google 揭露了这项计画也为半导体巨头们带来警讯，Google 并未使用、或什少使用IC 大厂的晶片，而是自己自行研发晶片，微软目前也利用FPGA 加速人工智能运算，当自制晶片风潮从苹果、小米等智能手机厂商，吹向Google 、微软等网路、软体公司，半导体产业会不会因此洗牌，或产生质变同样值得关注。