谷歌的新人工智能微芯片如何借鉴比特币矿工的经验

昨天，在谷歌的输入输出开发者大会上，首席执行官桑达尔·皮查伊简短地谈到了一种定制芯片，这种芯片有助于谷歌在机器学习和人工智能方面占据优势。这种芯片被称为TPU或张量处理单元（与谷歌的人工智能平台TensorFlow一致），专门用于运行谷歌的决策算法。大多数公司，如脸谱网和微软，都使用图形处理器进行机器学习和人工智能。

但是皮查伊的演讲和随附的博客文章只透露了一些关于TPU的细节。关于这种芯片，我们唯一知道的是它是一种专用集成电路，或者application-specific集成电路。专用集成电路芯片不是从货架上买来的，而是专门为在不使用大量电力的情况下很好地完成一项任务而设计的。它们被用于永远不会改变的应用，比如控制手机电池的充电方式。

专用集成电路设计人员定制芯片晶体管的尺寸和排列，以密切匹配所需的计算类型。谷歌硬件工程师诺姆·朱皮写了TPU博客文章，他说芯片被设计成每次操作的晶体管更少，因为机器学习需要的计算不太精确。

Pichai的主要统计数据是每瓦性能——这就是谷歌所说的TPU要好“一个数量级”

TPU芯片完全有可能只是以稍微好一点的速度运行，但消耗的功率要低得多。专用集成电路芯片非常节能，这也是比特币挖矿最近对专用集成电路芯片兴趣激增的主要原因之一。挖矿和机器学习一样，需要计算机快速执行大量计算，而且通常也依赖于图形处理器。

在比特币世界中，基于ASIC的挖矿设备可以消耗20倍的电力，同时完成与基于GPU的设备相同的工作，如这个比特币论坛上所述。在这个例子中，六个AMD R9 290显卡（平均每张250瓦特，加上计算机组件）与78个DualMiner ASIC卡（每张运行USB，每张2.5瓦特）堆叠在一起。两种设置都被评为运行相同的计算（5.4 Mh/s），但基于GPU的钻机保守地拉动超过1500瓦特，而ASIC钻机拉动不到200瓦特。

基本上，要点是统计数据可能具有误导性，在没有看到TPU客观基准的情况下，我们应该对这些说法持怀疑态度。

自20世纪60年代以来，专用集成电路芯片一直在制造，也有一些明显的缺点。例如，专用集成电路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。这不太可能，因为谷歌什么都用他们的Tensorflow平台，但仍然是可能的。

《华尔街日报》报道称，谷歌自2015年4月以来一直在使用TPU来加快街景读取标志的速度，皮查伊在演讲中提到，它们正在谷歌的云机器学习平台中使用。

谷歌表示，他们目前不会提供有关TPU芯片的任何更多信息。