谷歌的新型人工智能微芯片如何借鉴比特币矿工的经验

昨天，在谷歌的 I/O 开发者大会上，首席执行官 Sundar Pichai 简要介绍了一款定制芯片，该芯片有助于谷歌在机器学习和人工智能领域占据优势。这款芯片被称为 TPU 或张量处理单元（与谷歌的 AI 平台 TensorFlow 保持一致），专为运行谷歌的决策算法而设计。Facebook 和微软等大多数公司都使用 GPU 进行机器学习和人工智能。

但 Pichai 的演讲和随附的博客文章仅透露了有关 TPU 的一些细节。我们对该芯片唯一有用的了解是它是一种 ASIC，即专用集成电路。ASIC 芯片不是现成的，而是专门设计用于在不消耗大量电量的情况下出色地完成一项任务。它们用于永远不会改变的应用程序，例如控制手机电池的充电方式。

ASIC 设计师可以根据所需的计算类型定制芯片晶体管的尺寸和排列。谷歌硬件工程师、撰写 TPU 博客文章的 Norm Jouppi 表示，该芯片的设计使每次操作所需的晶体管更少，因为机器学习所需的计算精度较低。

Pichai 的重点统计数据是每瓦性能——谷歌表示 TPU 在这方面要好上一个“数量级”。

TPU 芯片的速度可能稍快一些，但功耗却低得多。ASIC 芯片的能效极高，这也是最近比特币挖矿领域对 ASIC 芯片兴趣激增的主要原因之一。挖矿与机器学习一样，需要计算机快速执行大量计算，而且通常也依赖于 GPU。

在比特币世界中，基于 ASIC 的挖矿设备在完成与基于 GPU 的设备相同的工作时，功耗可以降低 20 倍，正如比特币论坛上所分析的那样。在这个例子中，六张 AMD R9 290 显卡（每张平均功耗 250 瓦，加上计算机组件）与 78 张 DualMiner ASIC 卡（使用 USB 运行，每张功耗 2.5 瓦）叠加在一起。这两种配置的额定计算速度相同（5.4 Mh/s），但基于 GPU 的设备保守估计功耗超过 1500 瓦，而 ASIC 设备的功耗不到 200 瓦。

基本上，要点是统计数据可能会产生误导，并且在没有看到 TPU 的客观基准的情况下，我们应该对这些说法持怀疑态度。

ASIC 芯片自 20 世纪 60 年代开始生产，但也存在一些明显的缺点。例如，ASIC 芯片被设计为以非常特定的方式运行某些代码。如果谷歌的机器学习架构发生变化，TPU 可能会变得毫无用处。这种情况不太可能发生，因为谷歌使用他们的 Tensorflow 平台来做所有事情，但仍有可能。

据《华尔街日报》报道，谷歌自 2015 年 4 月起开始使用 TPU 来加快街景读取标志的速度，而 Pichai 在演讲中提到，它们正在谷歌的云机器学习平台上使用。

谷歌表示，目前他们不会提供有关 TPU 芯片的更多信息。