谷歌要開發自有CPU

peterlin2010

谷歌要開發自有晶元

谷歌的數據中心是谷歌在線業務的核心甚至是心臟，根據調研公司IDC分析師謝恩·勞(Shane Rau)估計，在全球銷售的所有伺服器cpu中，大約有5%都是被谷歌買下的。近一年內，谷歌買下了約120萬顆晶元，其中絕大部分可能都來自英特爾。
　　如此看來谷歌和英特爾似乎是最緊密的商業夥伴，可谷歌為什麼要開發自有晶元呢？
　　筆者認為，答案有兩點，其一是新產品線需要（深度學習）；其二是打破壟斷。
　　谷歌在《自然》雜誌上發表的一篇關於深度學習的論文，讓Facebook等互聯網巨頭倍感壓力，谷歌的Alphago戰勝李世石引起了人們對AI和深度 學習的關注，谷歌之前收購的波士頓動力更是研發了AI實體，能夠在野外複雜環境中正常行走等等。從以上幾點，可以看出谷歌對於深度學習產品的投入非同小 可，谷歌儼然將深度學習作為未來企業發展的一個重要方向。而在谷歌看來，現有的處理器並不能滿足自身研發的需求。

為此，谷歌數據中心負責人霍爾澤表示，谷歌研發自有晶元是為了解決哪些省為解決的問題。谷歌的自有晶元也被命名為TPU（Tensor Processing Unit），凸顯了TensorFlow的重要性。
　　2015年11月9日，Google發佈人工智慧系統TensorFlow並宣布開源，TensorFlow是一個軟體引擎，它是谷歌深度神經網路的驅動力，神經網是一個由硬體軟體組成的網路，可以通過分析海量數據學習特殊任務。TensorFlow是Google自己開發的全新機器學習系統，在建立和訓練神經網路方面速度要比第一代系統快5倍，而且更加靈活，可支持CPU、GPU、桌面機、伺服器和移動計算平台，即可跨數據中心運行，也能跑在智能手機上。
　　一般對於圖片渲染、現實來說，GPU是反應更為快速的處理器，但是對於深度學習來說，GPU和CPU都不是最好的選擇，所以，谷歌要自出開發TPU，專門針對機器學習進行過裁減，運行單個操作時需要的晶體管更少，提高TPU運行效率。
　　霍爾澤稱：「GPU實際上離我們已經遠了一點點，在機器學習中 GPU使用太廣泛，實際上它並不是針對深度學習開發的。」而現階段的谷歌神經網路中，已經同時使用GPU和TPU兩種晶元。或許不久的未來，我們就能看到 一篇新的TPU論文，刷新人們對深度學習、神經網路的理解。
　　除了TPU還有哪些選擇？
　　對於晶元廠商而言，深度學習領域的出現早已讓他們開始「另謀出路」，畢竟一個解決方案不可能適應所有場景，對於深度學習這個新出現的場景而言，很多晶元 廠商在谷歌提出TPU之前，已經開始將寶壓在FPGA（Field－Programmable Gate Array），即可編程晶元上。無論是微軟，還是去年十月英特爾獲歐盟批准收購Altera，FPGA之前就獲得了大多數分析師的認 可，Moor Insights and Strategy公司總裁兼首席分析師帕特里克·摩爾海德（Patrick Moorhead）說，FPGA提 供了更多的靈活性。他感到，谷歌新的TPU似乎有點「過猶不及」。
　　谷歌表示自己的TPU需6個月研發成功，但是，對於晶元行業來說，6個月的時間太長，長到可以發生很多變數。但是，谷歌的霍爾澤卻不以為然，因為谷歌TPU追求的只有速度，對可編程、可定製的要求不高。
　　雖然現在還沒有公佈TPU的詳細信息，但是谷歌數據中心負責人霍爾澤似乎已經勝券在握。當然，霍爾澤也明確表示，谷歌的TPU與常規的CPU不存在競爭關係，因為TPU的應用場景只是神經網路之中。

catannie

google也要玩跨界？