“凯发k8国际官网”谷歌说TPU比GPU更牛，Nvidia表示不服，并朝谷歌扔了一块TeslaV100

图形分解功能。GPU被设计成图形分解。由于需要反对图形分解功能，GPU芯片减少了大量体积，这意味着比专用芯片更旧。

谷歌在最近的博客中，TPU主张推理小说的性能比现代GPU和CPU慢15-30倍，同时消耗电力也低30-80倍。(Nvidia反驳说，谷歌比较TPU和原GPU。

实际上，这种比较几乎不公平。GPU是通用芯片，可以继续绘图运算，用途多样。TPU属于ASIC，也就是为特定用途设计的类似规格逻辑IC，只继续单一工作，速度慢也是合理的。

TPU和GPU之间不仅代表性能对决，还代表ASIC和通用型芯片两种设计构想之间的游戏论。除了Nvidia和谷歌，很多芯片巨头Intel也参加了这个游戏论。前段时间，Intel以高达4亿美元的价格收购了AI芯片创业企业Nervana，并声称2020年前将深度自学培训速度提高100倍。

Nvidia回答说，TeslaV1000是在深度自学领域更加专业化，需要与这些定制芯片竞争的有力证据。NvidiaGPU工程部高级副社长Jonah的Alben在谈论芯片竞赛时说:考虑到包含深度自学训练的优秀芯片的所有要素，就找不到比特率、输出/输入和数学运算能力。

在这些方面，我们都是专家。只要我们用完全相同的油漆画画，就会告诉谁更强。

(公共编号:)谷歌在定制AI芯片领域名列前茅，Nvidia在未来多年仍保持竞争力。Gartner的分析家马克·洪说:到目前为止，人工智能芯片还没有建立大规模销售。

对于Nvidia来说，潜在的危险性一直是不存在的，但是在这些公司大规模销售AI芯片之前，会对Nvidia造成确实的威胁。这些即将到来的AI芯片和Nvidia之间的明争暗斗指出，深刻的自学计算对更强的计算能力的市场需求越来越丰富。几年前GPU进入大爆炸，是因为深度自学网络的训练时间从几个月延长到几天。

从1950年代开始出生的深刻自学，以强大的计算能力为支撑，现在越来越有创造力。但是，随着越来越多的企业试图将深入自学的产品和服务带入其中，对更慢芯片的市场需求将没有结束。Alben说:我听说，人类需要无限的深度计算能力。

越像无限，越好。版权文章允许禁止发表。

下一篇文章发表了注意事项。

本文来源：凯发k8国际官网-www.pyjdwx.com