|
intel，nvidia 纵观芯片业，由于摩尔定律的放缓，对与英特尔来说，其在手机领域几乎失手，又因为pc销量的不断下滑，迄今为止，英特尔只能，固守和依靠的就剩下服务器大数据中心领域。 服务器大数据中心 但是近些年英伟达，在数据中心领域的持续发力，可谓可圈可点。英伟达的gpu执行并处理了，一些与人工智能相关的服务器大数据中心任务。面对着巨大的威胁，英特尔收购了Altera，然后开发出了FPGA技术，并应用在服务器大数据中心领域，做为反击。FPGA技术是可以在产品生产出来之后，可以根据用户的需求，进行重新配置。FPGA技术可以说是在摩尔定律放缓的情况下，英特尔用来打击其他通用芯片的一种手段。 FPGA 在英特尔找到FPGA技术，并将其应用于，提升服务器大数据中心系统性能的时候，谷歌似乎也找到了，另外一种解决问题的新方案。谷歌的这个新方案，不是采用cpu和gpu这样的通用芯片，也不是FPGA技术，而是使用专用芯片，例如定制的tpu芯片。 摩尔定律 随着摩尔定律的放缓，不论是存储，还是简单应用，还是更加复杂ai向云端转移，英特尔的cpu和英伟达的gpu都无法更有效率的做这些工作，因此英特尔和英伟达都想寻找出，一种更有效的解决方案。此时在复杂的通用芯片中，tpu的出现，似乎对英特尔和英伟达来说是一种巨大威胁，不过好在谷歌的tpu只局限应用于，谷歌服务器大数据中心系统自身。 tpu芯片 谷歌的tpu芯片全称为tensor processing 也叫张量处理器。这种芯片非常适合运行tensorflow软件引擎，谷歌的深度神经网络就是依靠tensorflow软件引擎驱动的，tensorflow软件引擎可以通过分析硬件和软件组成的网络中的，海量数据来学习如何完成特定的任务。这款定制的tpu芯片运行神经网络的效率，比其他通用芯片运行神经网络的效率都高不少。 tensorflow 有相关的描述说，谷歌的tpu芯片在机器学习测试中，超过英特尔至强cpu和英伟达gpu一个数量级。Tpu芯片和其基准测试，都比其他通用芯片快了15倍，性能提升近30%。 人工智能 但是就在2018年2月13日，谷歌宣布开放tpu云服务，并且允许企业用户租用单个tpu板卡。并且在2018年的下半年，谷歌将允许企业用户租用多个tpu板卡，用于建立tpu pod的超级计算机网络。 谷歌云平台 有业内人士认为，谷歌开放具备人工智能和机器学习能力的tpu云服务，不仅可以降低企业用户对英特尔、英伟达等通用芯片巨头的依赖，还可以用更低的成本使用核心计算基础设施，来进行软硬件的实验，这不论对谷歌，还是企业用户来说，都是不错的福利。 . 谷歌在2016年就特别低调的推出了tpu芯片项目，在2017年5月份的年度开发者大会上推出了第二代的tpu，这二代的tpu更新让谷歌进入了，更加复杂的深度学习的培训阶段。目前谷歌tpu云服务产品的租用价格为每小时6.5美元。据估算，谷歌tpu云服务产品和谷歌gsuite每季度，可以带来超过10亿美元的收入。
. |
|
|
来自： 山峰云绕 > 《IC微纳电子CPU体系设计半导体存储工艺》
