Google 开始做自己的芯片了，Intel、nVidia谁该比较担心？
http://i.imgur.com/n0uY04n.png
Google在先前的Google I/O大会上，发布即将要推出一款专门定制的新芯片，
以支撑Google巨大的网络帝国的真正未来：人工智能。Google 已经为科技界带
来了巨大的变革，如今它终于在这条道路上迈出新的一步——制造自己的芯片。
过去十年来，Google已经为资料中心设计了各种各样的新硬件，支持其五花八门的
网络服务，包括电脑服务器、网络装置及其它硬件。随着Google创造出一系列覆蓋
面广、规模空前的网络服务，它需要一系列效率更高的硬件来执行这些服务。多年来，
很多其它的网络巨头也效仿Google，推动全世界的硬件市场产生巨大的变化。
Google芯片所产生的影响已经远远超越了Google帝国的范围，对整个芯片行业的未来
构成了威胁。
Google 创造新芯片的目标一如既往：为了带来前所未有的高效。为了将人工智能提升到
一个新高度，Google需要一种处理速度更快、功耗更低的新芯片。但是 Google芯片所产
生的影响，它对 Intel 和 nVidia 这样的芯片制造商的未来构成了威胁——特别是当你
考虑到Google未来的前景的话。
http://i.imgur.com/7VMH5dD.png
Google 不会向其它公司出售芯片，因此它不会与 Intel 或 nVidia 公司直接竞争。
但是由于Google的资料中心遍布各地，至今为止，它是这两家芯片公司最大的潜在客户。
同时，随着越来越多的企业使用Google提供的云端运算服务，这些公司自己购买的服务器
就越来越少（因而它们购买的芯片也越来越少）。由此，Google进一步蚕食了芯片市场。
其实，Google宣布推出新芯片只是其推广云端服务的一种手段。Google的云端服务允许企
业和工程师使用Google的人工智能引擎，并可将人工智能引擎嵌入自己的应用程式之中。
Google向其它公司宣传自己的人工智能的强大能力时响亮地说——Google执行其人工智能
的硬件是最好的，是其它公司都没有的。
TPU与GPU的差异
Google的新芯片叫做 Tensor Processing Unit 或 TPU，原因是它能帮助执行
TensorFlow——一个促进Google深度神经网发展的软件工具。这个神经网络能透过分析
大量数据来学习特定任务。
http://i.imgur.com/auWIaXg.png
其它科技大公司通常使用图形处理器——GPU——来执行深度神经网络。GPU 原本是为运
算游戏图像或其它图形密集型应用程式而设计的。GPU 非常适合执行深度神经网的计算，
但是Google说自己的芯片效率更高。
Google说，TPU 是专门为机器学习而量身打造的，Google的芯片每秒钟内能执行更多的操
作。
目前，Google同时使用 TPU 和 GPU 来执行，至于Google究竟是怎样使用 TPU 的，
Hölzle 拒绝透露细节，只是说 TPU 负责执行手机语音识别所需的 “部分运算功能”。
但他说，Google将发表一篇论文来描述该芯片的优点。
并且，未来Google会继续设计新的芯片，用其它方式来处理机器学习。最终，TPU 似乎将
会完全取代 GPU。 Hölzle 说：“TPU 已经更换了一小部分 GPU，对于机器学习来说，
GPU 太一般了，它本来就不是为机器学习而设计的。”
这话对 nVidia 来说可能不太入耳。作为全世界 GPU 的主要销售商，nVidia 目前正努力
将业务扩展到人工智能领域。正如 Hölzle 所说的那样，最新的 nVidia GPU 有一个专
门的机器学习模式。但是很显然，Google希望变革来得快一点，更快一点。
最快的芯片
与此同时，其它公司却在开发另一种芯片，其中最著名的是微软。FPGA是一种可透过重新
编写程式来执行特定任务的芯片。微软已经用机器学习测试了 FPGA，认定它才是市场的
未来，最近它又收购了一家销售 FPGA 的公司。
一些分析家认为朝这个方向发展速度会更快。Moor Insights and Strategy 是一家密切
关注芯片行业的公司，其总裁兼首席分析师 Patrick Moorhead 说，FPGA 的策略要灵活
得多。Moorhead 对于Google的新 TPU 表示，他指出制造这种芯片至少需要六个月的时间
——对于一个Internet激烈争夺的市场来说，六个月的时间很长。
但Google公司却不需要这种灵活性。相比之下，Google最想要的是速度。当被问及为什么
Google公司要从零开始制造芯片而不使用 FPGA 时，Hölzle 说：“这种芯片的速度要快
得多。”
Google会成为英特尔的威胁吗？
Hölzle 还指出，Google芯片不会取代 CPU——每个电脑服务器中都有的中央处理器。
Google仍然需要 CPU 来支持其数据中心内成千上万的电脑，而 CPU 是英特尔的主要业务
。即使Google愿意制造只用于人工智能的芯片，但它是否也想设计自己的 CPU 呢?
Hölzle 认为这种可能性很小。他说：“你想要解决的是尚未解决的问题。” 换言之，
CPU 是一项成熟技术，差不多就是这个样子了。但是他还说，Google希望芯片市场上有良
性的竞争。换句话说，Google想从很多销售商——而非仅仅是英特尔——那里购买 CPU
。
毕竟，对Google来说，竞争越多，价格就越低。Hölzle 解释道，扩大选择范围也是
Google与 OpenPower Foundation 合作的原因。OpenPower Foundation 打算推出任何人
都能使用并可更改的芯片设计。
http://i.imgur.com/SQLNErH.png
这是个很好的想法，对世界最大的芯片制造商来说是个潜在的强大威胁。Shane Rau
是调查公司 IDC 的一名分析师。他说Google购买的服务器 CPU 约占全球服务器 CPU
总销量的 5%。最近一年，Google大约购买了 120 万个芯片，大部分都是从英特尔购买
的。（2012年，英特尔主管 Diane Bryant 告诉《WIRED》，Google从英特尔购买的
服务器芯片数量比从其它五家公司购买的总和还要多——销售服务器的公司
只有这几个。）
无论Google的 CPU 计划如何，它都将继续开发机器学习专用芯片。还得再过几年，我们
才能真正知道什么能成功，什么不能。毕竟，神经网络也在不断地进化。“我们一直在学
习，” 他说，“我也不清楚最终答案究竟是什么。” 随着对于Google的学习，我敢打赌
全世界芯片制造商都会对此关注。
http://www.techbang.com/posts/43655-google-started-its-own-chip-
intels-are-you-afraid-of