在上述芯片巨头进行GPU领域的提升之外，有更多的企业在试图引发一轮全面的颠覆。其代表为谷歌在2016年宣布将独立开发一种名为TPU的全新的处理系统。

　　TPU是专门为机器学习应用而设计的专用芯片。通过降低芯片的计算精度，减少实现每个计算操作所需的晶体管数量，从而能让芯片的每秒运行的操作个数更高，这样经过精细调优的机器学习模型就能在芯片上运行得更快，进而更快地让用户得到更智能的结果。Google将TPU加速器芯片嵌入电路板中，利用已有的硬盘PCI-E接口接入数据中心服务器中。

　　据Google 资深副总裁Urs Holzle 透露，当前Google TPU、GPU 并用，这种情况仍会维持一段时间，但他表示，GPU 可执行绘图运算工作，用途多元；TPU 属于ASIC，也就是专为特定用途设计的特殊规格逻辑IC，由于只执行单一工作，速度更快，但缺点是成本较高。

　　除了上述提到的谷歌，微软也在使用一种叫做现场可变编程门阵列（FPGA）的新型处理器。

　　据介绍，这个FPGA 目前已支持微软Bing，未来它们将会驱动基于深度神经网络——以人类大脑结构为基础建模的人工智能——的新搜索算法，在执行这个人工智能的几个命令时，速度比普通芯片快上几个数量级。有了它，你的计算机屏幕只会空屏23毫秒而不是4秒。

　　在第三代原型中，芯片位于每个服务器的边缘，直接插入到网络，但仍旧创造任何机器都可接入的FPGA池。这开始看起来是Office 365可用的东西了。最终，Project Catapult准备好上线了。另外，Catapult硬件的成本只占了服务器中所有其它的配件总成本的30%，需要的运转能量也只有不到10%，但其处理速度却是原来的2倍。

　　此外，有一些公司，例如Nervada和Movidius，模拟GPU的平行模式，但是专注于更快速地移动数据，省略图像所需要的功能。其他公司，包括使用了被称为“True North”的芯片的IBM公司，开发了由神经元、突触等其他大脑特征所启发的芯片设计。

　　由于深度学习和人工智能未来的巨大前景，各大巨头都在尽量争取技术上的优势。如果这其中的某家公司，如谷歌，用一种新型芯片替换掉现有芯片，这基本上就相当于颠覆了整个芯片行业。

　　“不管是英伟达、Intel还是谷歌或是百度，都在寻找一种未来人工智能能够广泛应用的基础。”Therese Poletti表示。

　　而也有很多人持有与谷歌副总裁Urs Holzle 同样的观点，认为在人工智能的遥远未来，GPU没有代替CPU，而TPU也不会取代GPU，芯片市场将出现更大的需求和繁荣。

本文“TPU与FPGA可能的逆袭”由财经365首发，欢迎转载，转载请带上本文链接。
免责声明：财经365（www.caijing365.com）发布的所有信息，并不代表本站赞同其观 点和对其真实性负责，投资者据此操作，风险请自担。部分内容文章及图 片来自互联网或自媒体，版权归属于原作者，不保证该信息（包括但不限 于文字、图片、图表及数据）的准确性、真实性、完整性、有效性、及时 性、原创性等，如无意侵犯媒体或个人知识产权，请联系我们或致函告之 ，本站将在第一时间处理。关注财经365公众号（caijing365wz)，获取最优质的财经报道！