TensoFlow机器学习框架。而得益于Google在软硬件上的变革与构建，TensorFlow早已沦为建构AI软件的领先平台之一。
这种优化，再行再加Google大脑及其DeepMind子公司的内部人才，正是Google在AI领域维持领先的部分原因。芯片厂商NVidia的GPU完全支配了机器学习的市场，而现在，Google想要通过专门设计用作训练神经网络的芯片，来转变市场托格局。亚马逊和微软公司通过自己的云服务获取GPU处置，但他们不获取自定义的AI芯片。
不过Google也无法因此而高枕无忧，因为短期内竞争就不会激化。目前早已有几家公司，还包括芯片巨头英特尔和一大批初创公司，正在研发专门的AI芯片，它们都有可能替代Google TPU。
首先研发出有新的芯片并无法确保Google顺利，要用于TPU 2.0，开发者要自学一种建构和运营神经网络的新方法。它某种程度是一个新的芯片，TPU 2.0也是专门为TensorFlow设计。虽然Tensorflow是开源软件，但也有许多研究人员用于Torch和Caffe等类似于的软件。新的硬件必须新的软件优化，这必须不少时间。
在Google发售TPU 2.0的几周之前，Facebook的AI研究主管Yann LeCun批评称之为，市场有可能不必须新的AI专用芯片，因为研究者早已对用于GPU所需的工具十分熟知了。新的硬件意味著新的生态系统。另外，Google云服务的顺利不仅各不相同芯片的速度，以及用于的更容易程度，还要考虑到成本。所以，如果Google以比现有GPU服务更加较低的成本获取TPU服务，不会获得更加普遍的用户基础。
Google自己当然不会用于新的TPU系统，但也不会将它的能力对外开放给其它公司用于。Google回应，会将芯片必要出售，而是不会通过其新的云服务（年底前发布）获取，任何开发者都可以用于新的处理器带给的计算能力。Google也申明了其对开源模式的允诺，回应不会向表示同意公布研究结果的研究人员获取TPU资源，甚至有可能进源代码。他甚至敦促开发者重新加入TensorFlow Research Cloud计划，它不会免费获取一组1000台TPU。
新的TPU的速度优势认同不会更有到不少研究人员，却是AI研究要在大量硬件上普遍试错。就此而言，Google不愿免费获取计算资源对全世界的AI研究者来说都是有益处的，当然，这对Google来说也是有益处的。图片来自WIRED及THEVERGE(公众号：)原创文章，予以许可禁令刊登。
下文闻刊登须知。
本文来源：开云(中国)Kaiyun·官方网站，开云(中国)Kaiyun-www.jhcyyqzs.com
