科技創新（七十一）：物聯網產業—Google和NVIDIA的人工智慧晶片之戰，到底在吵什麼？

Google一年前推出的深度學習運算晶片TPU（Tensor Process Unit），最近發表報告：TPU比CPU與GPU（圖像處理晶片）快了15至30倍。然後，NVIDIA執行長黃仁勳馬上針對這件事發表意見，告訴大家，NVIDIA的P40 GPU是TPU的2倍，頻寬是其10倍。

其實，這只是由不同的角度與比較基準切入。TPU是Google針對深度學習界最多人使用的Google開源平台TensorFlow做的最佳化線路設計的晶片，由於它對應硬體設計的最佳化，所以，不論在運算能力或耗電上，TensorFlow的表現都相對好。

如何比較TPU的效能呢？把TPU跟Intel的Haswell CPU及NVIDIA Tesla K80 GPU這兩款CPU與GPU的效能表現比較，數據顯示TPU的速度快他們15至30倍。

但是，NVIDIA Tesla K80 GPU是NVIDIA五年前的產品，而且Google雖說TPU能用在任何人工智慧的深度學習運算，然而，TPU不但沒對其他系統做最佳化，還設定只能做犧牲精確度的推理運算。

深度學習需要的大量運算訓練，還是需要GPU或是CPU來處理，所以Google最後還是說了，TPU需要搭配GPU或是CPU。

這次Google的說法，就好比告訴大家，我針對某種狀況特殊設計的東西，比別人的東西（NVIDIA Tesla K80 GPU）表現強15至30倍，但是，Google沒說的是，他把別人五年前的產品拿來比。

無怪乎黃仁勳立刻跳出來撰文，輔以數據說明，現在的主力產品P40比這顆TPU快達2倍，頻寬10倍。他的動作，其實是一個很不錯的公關回應：避免產品被誤解，而且是在NVIDIA現在領先業界最多的人工智慧運算晶片產品線上。

不過，也因為TPU是硬體特製，無法修改，才能做到最低耗能，這樣的晶片比起NVIDIA GPU P40自然省電很多。

TPU是專門針對TensorFlow最佳化所推出的晶片，我認為Google這個宣告主要是想告訴使用TensorFlow的開發者社群「我現在用的東西很不錯」，公關宣傳意味濃厚。再加上Google之前雇用李飛飛，並打算收購最大的資料科學家、機器學習開發者社群Kaggle，一連串動作，都在強化Google在人工智慧開發者社群的地位與認同。

其實，Google主打開發者社群，與NVIDIA主攻各種商用人工智慧（特別是無人車用的訓練）其實並不一樣，兩者各有所長。但是為了公關效果，這次雙方都出了招。

Google也強調，它不會對外販售TPU，僅供內部使用。如同《數位時代》2017年4月號所強調的，Google未來10年會強化雲端運算與人工智慧為主要策略方向。TPU，其實就是這個策略的展現。

TPU的運算效能不錯，也說明了原本專長CPU與次專長的GPU的Intel，發現自己在人工智慧落後NVIDIA後，為什麼決定改往人工智慧專用晶片方向上努力的最大原因，是為了能在人工智慧運算晶片戰場上突破現有的困境。

深度學習的訓練需要非常大量的資料，需要非常多的運算單元來做運算，不管是GPU、CPU或TPU，如何相互搭配，才能達到又快又省電的目的，會是接下來各大深度學習應用硬體架構方面的重點。從這次Google、NVIDIA及Intel在人工智慧運算晶片的態度與作法，可以預見，在物聯網前端產品晶片之外，這會是各大運算單元晶片廠的另一個戰場。