来源：内容来自数位时代，谢谢。

为了提高机器学习的效能，Goolge去(2016)年5月在Google I/O上宣布自行打造了机器学习处理器TPU(Tensor Processing Unit)；而在美国时间9日的Google Cloud Next云端大会上， Google再宣布，为了云端平台的安全性，他们自己设计了名为Titan的安全芯片。

目前Google的资料中心主芯片还是采用和英特尔(Intel)合作的客制化处理器，目前已经进入第六代，而不久前英特尔也宣布Google将会是第一个采用英特尔新一代Skylake处理器架构的资料中心客户。不过为了强化特定使用目的，Google约自2015年起，就开始在自家资料中心部属自行设计的特殊应用芯片，第一次是为了机器学习的需求，而这次则是在安全性上下工夫。

信任可以说是阻碍企业上云端的最大阻碍之一，而安全性则是获取客户信任感的一大关键，因此一直以来，Google都不忘强调他们在安全上做了多少努力，包括目前有超过七百名安全人员的投入，或是在软、硬体的多层级防护等等。

而在9日的Google Cloud Next主题演讲上，宣布新的Google云端服务促销降价方案后，Google技术基础架构资深副总裁乌尔斯．霍尔泽（Urs Hölzle）随手从耳环上取下一个非常小的芯片，他说：「低价不代表低安全性。」

Google资深副总裁霍尔泽手上拿的就是Titan

他手上拿的芯片就是Titan，一个客制化的低功耗微控制器，具备硬体随机码产生器、独立记忆体运作，和身分认证等基于硬体的多重安全性设计，目前已经部属在Google的伺服器上。

回顾：震撼产业界的谷歌TPU

谷歌已经为科技界带来了巨大的变革，如今它又在这条道路上迈出了新的一步——制造自己的芯片。过去十年来，谷歌已经为海量数据中心设计了各种各样的新硬件，支持其五花八门的网络服务，包括计算机服务器、网络设备及其它硬件。随着谷歌创造出一系列覆盖面广、规模空前的服务，它需要一系列效率更高的硬件来运行这些服务。多年来，很多其它互联网巨头也效仿谷歌，推动全世界的硬件市场产生巨大的变化。

谷歌芯片所产生的影响已经远远超越了谷歌帝国的范围，对整个芯片行业的未来构成了威胁。

谷歌创造新芯片的目标一如既往：为了带来前所未有的高效。为了将人工智能提升到一个新高度，谷歌需要一种处理速度更快、能耗更低的新芯片。但是谷歌芯片所产生的影响已经远远超越了谷歌帝国的范围，它对Intel 和 nVidia 这样的芯片制造商的未来构成了威胁——特别是当你考虑到谷歌未来的前景的话。Urs Hölzle 掌管的全球数据中心网支撑着整个谷歌帝国。他说，这个定制的新芯片只是谷歌众多战略中的第一个而已。

不，谷歌不会向其它公司出售芯片。它不会与 Intel 或 nVidia 公司直接竞争。但是由于谷歌的海量数据中心，至今为止，它是这两家芯片公司最大的潜在客户。同时，随着越来越多的企业使用谷歌提供的云计算服务，这些公司自己购买的服务器就越来越少（因而它们购买的芯片也越来越少）。由此，谷歌进一步蚕食了芯片市场。

其实，谷歌宣布推出新芯片只是其推广云服务的一种手段。谷歌的云服务允许企业和程序员使用谷歌的人工智能引擎，并可将人工智能引擎嵌入自己的应用程序之中。谷歌向其它公司宣传自己的人工智能的强大能力时响亮地说——谷歌运行其人工智能的硬件是最好的，是其它公司都没有的。

谷歌的新芯片叫做 Tensor Processing Unit 或 TPU，原因是它能帮助运行 TensorFlow——一个旨在促进谷歌深度神经网发展的软件工程。该神经网是一个软件硬件网，能通过分析大量数据来学习特定任务。

其它科技大公司通常使用图形处理器——GPU——来运行深度神经网。GPU 原本是为渲染游戏图像或其它图形密集型应用程序而设计的。GPU 非常适合运行深度神经网的计算，但是谷歌说自己的芯片效率更高。

谷歌说，TPU 是专门为机器学习而量身打造的，所以 TPU 执行每个操作所需要的晶体三极管更少。这也就是说谷歌的芯片每秒钟内能执行更多的操作。

目前，谷歌同时使用 TPU 和 GPU 来运行深度神经网。至于谷歌究竟是怎样使用 TPU 的，Hölzle 拒绝透露细节，只是说 TPU 负责运行安卓手机语音识别所需的“部分计算”。但他说，谷歌将发表一篇论文来描述该芯片的优点。并且谷歌会继续设计新的芯片，用其它方式来处理机器学习。最终，TPU 似乎将会完全取代 GPU。 Hölzle 说：“TPU 已经替代了一小部分 GPU，对于机器学习来说，GPU 太一般了，它本来就不是为机器学习而设计的。”

这话对 nVidia 来说可能不太入耳。作为全世界 GPU 的主要销售商，nVidia 目前正努力将业务扩展到人工智能领域。正如 Hölzle 所说的那样，最新的 nVidia GPU 有一个专门的机器学习模式。但是很显然，谷歌希望变革来得快一点，更快一点。

Hölzle 指出，谷歌芯片不会取代 CPU——每个计算机服务器中都有的中央处理器。谷歌公司的仍然需要 CPU 来支持其数据中心内成千上万的计算机，而 CPU 是英特尔的主要业务。即使谷歌愿意制造只用于人工智能的芯片，但它是否也想设计自己的CPU呢?

Hölzle 认为这种可能性很小。他说：“你想要解决的是尚未解决的问题。”换言之，CPU是一项成熟技术，差不多就是这个样子了。但是他还说，谷歌希望芯片市场上有良性的竞争。换句话说，谷歌想从很多销售商——而非仅仅是英特尔——那里购买 CPU。毕竟，对谷歌来说，竞争越多，价格就越低。Hölzle 解释道，扩大选择范围也是谷歌与OpenPower Foundation 合作的原因。OpenPower Foundation 打算推出任何人都能使用并可更改的芯片设计。

这是个很好的想法，对世界最大的芯片制造商来说是个潜在的强大威胁。Shane Rau 是调查公司 IDC 的一名分析师。他说谷歌购买的服务器 CPU 约占全球服务器 CPU 总销量的5%。最近一年，谷歌大约购买了120万个芯片，大部分都是从英特尔购买的。（2012年，英特尔主管 Diane Bryant 告诉《WIRED》，谷歌从英特尔购买的服务器芯片数量比从其它五家公司购买的总和还要多——销售服务器的公司只有这几个。）

无论谷歌的 CPU 计划如何，它都将继续开发机器学习专用芯片。还得再过几年，我们才能真正知道什么能成功，什么不能。毕竟，神经网络也在不断地进化。“我们一直在学习，”他说，“我也不清楚最终答案究竟是什么。”随着对于谷歌的学习，我敢打赌全世界芯片制造商都会对此关注。

【关于转载】：转载仅限全文转载并完整保留文章标题及内容，不得删改、添加内容绕开原创保护，且文章开头必须注明：转自“半导体行业观察icbank”微信公众号。谢谢合作！

【关于征稿】：欢迎半导体精英投稿（包括翻译、整理），一经录用将署名刊登，红包重谢！签约成为专栏专家更有千元稿费！来稿邮件请在标题标明“投稿”，并在稿件中注明姓名、电话、单位和职务。欢迎添加我的个人微信号 MooreRen001或发邮件到 jyzhang@moore.ren