相較于只能使用在深度學習推論(inferencing)的第一代Tensor Processing Unit (TPU)芯片,，Google第二代人工智能(AI)芯片Cloud TPU不僅處理速度更快,，還多了訓練算法的能力，因此可望對NVIDIA繪圖處理器(GPU)芯片在AI市場的主導地位造成更大的威脅,。

富比士(Forbes)報導指出,，深度學習是一種利用大量資料對算法進行訓練的AI技術,，并已普遍應用在影像與語音辨識功能上。在TPU問世以前,，算法的訓練多是交由NVIDIA的GPU負責處理,。GPU原本是專為電動游戲等專業(yè)圖形處理任務所設計，但其能將訓練深度學習網絡所需時間,，從幾個星期縮短至幾天,，因此深受AI開發(fā)人員青睞。

不過由4塊芯片組成最新的Cloud TPU,，每秒浮點運算量號稱可達180tera FLOPS,，比起NVIDIA最新一代GPU Tesla V100的120tera FLOPS高出不少。此外,，Google也正嘗試將多個TPU集成為單一的TPU Pod系統(tǒng),。TPU Pod與NVIDIA的NVLink技術概念相似，并可望達到每秒11.5petaFLOPS的運算能力,。

對Google而言,，GPU訓練深度學習模型所需時間還是太長。像是Google翻譯應用如果使用市面上最新的32片GPU芯片進行訓練,，仍需要一整天的時間才能完成訓練,，但如果換成TPU Pod，只需要8分之1的運算能力,，就可在6個小時內完成訓練,。

Google資深科學家Jeff Dean表示,，第二代TPU提供了更強大的運算能力，而Google將能藉此打造規(guī)模更大,、更準確的機器學習模型,。

第二代TPU芯片除了將運用在Google的內部服務外，也將透過Google Cloud開放給外部開發(fā)人員,，而Cloud TPU的租用方式與費用將與目前GPU的租用規(guī)則相似,。Google更計劃推出TensorFlow Research Cloud，并免費發(fā)送1,000份TPU芯片供開放AI研究使用,。

盡管Google的云端業(yè)務起步較亞馬遜(Amazon)及微軟(Microsoft)晚了一些,，但第二代TPU的加入將可給予Google更多競爭優(yōu)勢。

不過也有不少人對Google的芯片事業(yè)發(fā)展持較保留的看法,。分析師Patrick Moorhead便認為,，有監(jiān)于機器學習框架隨時都在改變，且其深度與復雜程度都不是單靠TPU就能應付,，Google未來仍將不能完全擺脫對GPU的依賴,。

另一方面，由于TPU是專為Google的TensorFlow框架所設計,，因此外部開發(fā)人員如果要將TPU所開發(fā)的AI應用移植至Google外的平臺,，可能會面臨一定的風險，而這也表示Google將更有機會把這些應用鎖定在自家的云端平臺,。