v6.724.6294 安卓最新版
v8.169.9992 最新版
v3.537 安卓漢化版
v1.908.843.774959 安卓版
v6.24.2137.147602 安卓版
v6.353.6555.458174 安卓版
v8.136.7731 PC版
v8.65 IOS版
v1.424.4227.780462 安卓免費版
v3.0.3096.349827 最新版
v4.987 安卓最新版
v1.207.5110.776783 安卓漢化版
v1.646 PC版
v1.85.5371 最新版
v5.10 安卓免費版
v4.727.9228.601737 安卓漢化版
v6.382.8100 安卓版
v9.765.4114.315306 最新版
v8.803.6906 安卓免費版
v5.8.6073 最新版
v3.408.2458.816665 安卓最新版
v3.517.2771 安卓免費版
v5.898 IOS版
v8.347.2832.440892 安卓免費版
v8.4.4276.819733 安卓版
v2.875.9676.829259 安卓漢化版
v8.199.532.47022 最新版
v9.337 安卓版
v1.303.8937.728892 PC版
v4.777.8059 最新版
v1.272 安卓免費版
v6.565.5153.615860 安卓免費版
v6.260 安卓免費版
v5.530.1339.599803 PC版
v1.39.5660.124386 安卓免費版
v6.695.6048 IOS版
v7.448 IOS版
v7.294.9034.901538 安卓版
v4.342.4947.967413 安卓最新版
v3.318 安卓漢化版
v6.956.47.508938 安卓最新版
v8.962 安卓版
v2.319.552.331825 最新版
v6.969 PC版
v7.10.6751.838577 安卓最新版
v7.518.5289 安卓漢化版
v8.899.2697 安卓最新版
v1.63.5736 安卓免費版
v5.779 安卓免費版
v2.374 安卓最新版
v9.429.9960.83372 IOS版
v4.391.3510 最新版
v4.492.762 安卓漢化版
v6.697.1892.573066 最新版
v7.233.9370 安卓漢化版
v1.116.4118 安卓版
v9.838.9368.748281 IOS版
v6.284.3817 安卓最新版
v1.962 安卓免費版
v8.958.6741.827417 最新版
v5.145.277.643410 安卓最新版
v8.911.62.553269 最新版
v8.973.620.671775 安卓免費版
v4.166.2455 安卓漢化版
v7.514.5355.807674 PC版
v6.141.8496 安卓最新版
v3.875 安卓版
v8.879 最新版
v1.186.3204.161320 最新版
v8.941.1662.36923 PC版
v2.337.8847 安卓版
v3.112.5711.808876 最新版
v3.584 IOS版
v7.866.9351.191731 安卓最新版
v9.795 安卓最新版
v8.809.9139.435866 安卓免費版
v6.465.8147.28031 安卓版
v4.509.822.283762 最新版
v6.982.2143 安卓漢化版
v8.837.4964 最新版
高清AV无码
《科创板日报》11月29日讯 随着Gemini 3的横空出生,谷歌TPU从幕后走到台前。英伟达GPU的霸主职位已然有被撼动迹象。
谷歌云内部高管透露,扩大TPU的市场接纳率,有望资助公司抢占英伟达年收入份额的10%。紧接着,市场便传出“谷歌加紧向客户推销TPU”“Meta拟斥资数十亿美元购置TPU”等一系列新闻。大摩剖析师大胆展望,2027年谷歌TPU外销量将抵达100万颗。
另一边,投资者纷纷用脚投票,表达了对英伟达GPU市场遭遇侵蚀的担心。英伟达官方宣布紧迫声明,强调自家产品比ASIC拥有更高的性能、更强的通用性以及更好的可替换性。
从闭关修炼的隐世能手,到现在直通AI芯片的决赛圈,谷歌TPU的起源还要从12年前的那场“算力焦虑”提及。
▌深度学习的最优解
2013年,深度学习在谷歌内部的应用最先一直扩散,后台模子的重漂后和算力消耗规模逐渐呈指数级增添。谷歌首席科学家Jeff Dean通过盘算发明,若1亿安卓用户天天使用3分钟语音转文字效劳,则消耗的算力竟高达谷歌所有数据中心总算力的两倍不止。
堆砌GPU以获取算力虽然是切合直觉的选项,但由于“冯·诺依曼瓶颈”的保存,导致诸如CPU和GPU等盘算单位在处置惩罚深度学习中大规模矩阵乘法等特定使命时效率低下。相比之下,自研ASIC加速器可为机械学习使命定制架构,能将深度神经网络推理的总体能效降至原来的十分之一,恒久来看本钱更为可观。
于是在2013年底,谷歌正式启动了初代TPU项目。据报道,其时谷歌内部有三个团队投身于ASIC的研发事情,包括 Google Brain、DeepMind以及专注数据中心定制硬件开发的部分。后者的TPU最终获选,其要害成员具备多年的芯片架构设计履历。如Jonathan Ross曾加入AMD的Zen架构设计,并于厥后建设了AI芯片设计公司Groq。
谷歌团队希望迅速,距立项仅已往15个月,便完成了初代TPU的设计、验证、制造,以致在数据中心的安排。项目牵头人Norm Jouppi云云形貌其时情景:“我们的芯片设计速率非?,在没有修正过失或更改掩膜的情形下便已最先出货芯片。”
2016年,TPU迎来了它的首个“破圈时刻”:人工智能围棋程序AlphaGo击败了天下围棋冠军李世石,引发了人们对AI的普遍关注。其时AlphaGo背后正是初代TPU在提供算力支持。
研发上,重大的转折爆发在2017年。这一年,谷歌团队在《Attention Is All You Need》中先容了Transformer——一种基于注重力机制的全新深度学习架构。其盘算特征与TPU设计高度适配,最终推动 TPU的战略职位从简单AI加速芯片升级为谷歌的AI基础设施底座。值此配景下,TPU v2应运而生。
同样在这一年,谷歌宣布免费开放 1000 台 Cloud TPU 供开发者和研究职员使用,进一步牢靠了TPU 作为AI 基础设施底座的职位。往后的日子里,谷歌引入了大规模液冷手艺,将4096颗芯片组成超节点,并使用自研的环形拓扑网络实现近乎无损的跨芯片通讯。在各路“外挂”的加持下,TPU朝着更强的性能一起狂飙。
而在手艺之外,谷歌也绝不悭吝地将TPU引进广告系统、搜索焦点排序等赚钱产品线。在2024年的应用开发与基础设施峰会上,谷歌果真体现,TPU V6及后续版本的目的是成为“推理时代最省钱的商业引擎”。
往后的故事逐渐为人所熟知,随着TPU v7被投入人工智能训练,当今公认的最强多模态模子Gemini 3横空出生。谷歌也摇身一变,从算力芯片领域的追随者一跃成为市场眼中的AI新王。人们不禁好奇,十年磨一芯,谷歌事实做对了什么?
▌难以复制的生态护城河
回首谷歌的造芯故事,内里没有通往AGI的弘大愿景,也没有遵照Scaling Law的绝对指引,而是始终紧扣一项更切合商业逻辑,也更显务实的指标——本钱。
若是深究,则TPU的历史可以一直追溯到2006年,那时谷歌便最先思量为神经网络构建ASIC的可能性。只不过由于其时互联网正处于爆发前夜,谷歌数据中心的GPU算力仍有大宗冗余,相关需求并不迫切,因此并未透支特殊成原来现实推进这一妄想。
这种“量文体衣”的理念甚至体现在TPU的设计架构自己。与GPU差别,TPU接纳极简的“脉动阵列”架构,这虽然支付了放弃硬件通用性的价钱,但也意味着能够剥离掉一切无关硬件,从而包管在最小单位追求深度学习的最大效率。
现现在,这种设计架构显然为谷歌带来了远超“节约本钱”的回报,即与其他顶尖AI厂商掰手腕的资源。
更主要的意义在于,与其他厂商严重依赖外部算力和云设施差别,谷歌以TPU为底座的笔直整合蹊径,构建出了“芯片-云-模子-应用”的全栈AI能力链条。正如券商剖析师们所言,这令其形成了难以复制的生态护城河,也赢得了界说未来AI基础设施的入场券。
相关版本
多平台下载
审查所有0条谈论>网友谈论