随着打造定制AI芯片战争的升温，谷歌宣布在2018年Google I/O大会上推出其第三代AI处理器TPU3.0。
Google首席执行官Sundar Pichai表示，由TPU3.0组成的TPU Pod运算阵列性能比上一代提升八倍，可提供100 petaflops（千万亿次）的机器学习硬件加速。和其他许多公司一样，Google也在致力于创建定制芯片以处理其机器操作。目前已经出现了多种用于开发机器学习工具的框架，包括PyTorch和Caffe2，并且针对Google的TensorFlow进行了优化。 谷歌正在努力让谷歌云融入亚马逊的各个方面，提供更好的机器学习工具或许正在迅速成为一种赌注。
亚马逊和Facebook都在开发自己的定制芯片。Facebook的硬件针对其Caffe2框架进行了优化，该框架旨在处理大量用户信息，并以图片形式反映出来。你可以把它看作是把Facebook知道的所有关于你的信息（你的生日，你朋友的照片，以及新闻反馈消息中的所有内容）带入一个复杂的机器学习框架，这个框架是最适合Facebook的，另外还需要定制硬件方法。 目前，我们对亚马逊的目标知之甚少，但它也希望通过AWS拥有自己的云基础架构生态系统。
所有这一切形成了一个组织庞大，资金充足的创业生态系统，希望可以创造一种针对机器学习的定制硬件。Cerebras Systems，SambaNova Systems和Mythic等初创公司都在寻找一种在价格和机器学习性能方面超越Nvidia的方法。大多数这种初创公司都已经筹集了超过3000万美元资金
谷歌去年在I / O上推出了其第二代TPU处理器，所以在今年推出另一款并会让人感到很惊奇。近几周的消息表明，新款TPU即将诞生，而且该公司已经在进行下一步的研究。谷歌极力吹捧它的表现，但所有这一切的重点是先让它变得更容易被接受。
谷歌CEO Sundar Pichai还表示，为了给这个性能怪兽降温，这是该公司第一次不得不在其数据中心中使用液体冷却。对于希望为机器学习创建定制硬件的公司来说，散热越来越成为一个难题。
然而，关于构建定制芯片还有很多问题。如果年前的Nvidia显卡可以做到这一点，开发人员可能不需要超高效的硅片。但是随着数据集越来越大，拥有最大和最好的数据集，这些为当前所有公司创造了防御能力。随着公司规模的扩大可能会让他们采用像GCP这样的东西，可以降低成本。
英特尔也希望通过自己的产品加入。英特尔一直在争夺FPGA的大奖，随着机器学习的需求随着时间的推移而变化，英特尔的设计趋向于更加模块化，更加灵活。 但FPGA编程可能是一个难以解决的问题，因为缺乏相应的专业工程师。同时，微软也在押宝FPGA，并在云计算大会BUILD会议上公布了其Brainwave产品，该云计算平台日益成为发挥其未来潜力的重要组成部分。
谷歌似乎想拥有我们在互联网上运营的整个堆栈。它始于TPU，在它上面有张索流。如果它成功地做到了这一点，它将获得更多数据，使其工具和服务变得更快，并在AI工具上遥遥领先，同时可以将开发人员和用户锁定到其生态系统中。谷歌的核心是广告业务，但它正在逐渐扩展新的业务领域，这些领域都需要强大的数据集和操作来学习人类行为。
现在面临的挑战是开发人员需要让其进入GCP和其他服务，还要将他们锁定在TensorFlow中。但是Facebook更希望用像PyTorch这样的替代框架来挑战它，可能要面临的困难会超出原来的想像。 Facebook在上个月的主要年度会议F8上推出了PyTorch的新版本。我们需要了解Google是否能够作出充分解释，从而保持其领先地位，这需要从新一代硬件开始。
