3分钟搞懂AI芯片，为什么TPU被全世界看好？

人工智能的实现需要依赖三个要素：算法是核心，硬件和数据是基础。什么是CPU?CPU主要包括运算器（ALU，ArithmeticandLogicUnit）和控制器（CU，ControlUnit）两大部件。CPU主要包含运算逻辑器件、寄存器部件以及控制部件等。CPU就像一个有条不紊的管家，我们吩咐的事情总是一步一步来做。

什么是GPU?GPU全称为GraphicsProcessingUnit，中文为图形处理器，就如它的名字一样，GPU最初是用在个人电脑、工作站、游戏机和一些移动设备（如平板电脑、智能手机等）上运行绘图运算工作的微处理器。因为对于处理图像数据来说，图像上的每一个像素点都有被处理的需要，这是一个相当大的数据，所以对于运算加速的需求图像处理领域最为强烈，GPU也就应运而生。

这就好比在画一幅画的时候CPU是用一支笔一笔一笔的来画，而GPU则是多支笔对不同的位置同时进行描绘，那自然效率就是突飞猛进的。什么是TPU?随着机器学习算法越来越多的应用在各个领域并表现出优越的性能，例如街景、邮件智能回复、声音搜索等，对于机器学习算法硬件上的支持也越来越成为一种需要。目前很多的机器学习以及图像处理算法大部分都跑在GPU与FPGA上面。

TPU的灵感来源于Google开源深度学习框架TensorFlow，所以目前TPU还是只在Google内部使用的一种芯片。TPU也就是TensorProcessorUnit，Google为机器学习定制的专用芯片(ASIC)，专为Google的深度学习框架TensorFlow而设计。TPU3.0采用8位低精度计算以节省晶体管，速度能加快最高100PFlops(每秒1000万亿次浮点计算)。

同时，谷歌在CloudNext大会上发布了两款新设备，其可以帮助专业工程师在处理器内核上构建支持设备端机器学习(ML)的新产品。这两款新设备是：AIYEdgeTPUDev开发板和AIYEdgeTPU加速器，二者皆采用Google的EdgeTPU芯片。

AIYEdgeTPUDev开发板是一体化开发板，可以用来对要求快速ML推理的嵌入式系统进行原型设计。其基板可提供您对设备进行高效原型开发所需的全部外设连接，包括一个可与各种电气元件集成的40引脚GPIO接头。其另一特点在于，当您准备好扩展后，可以将其可移动模块化系统(SOM)子板直接集成到您自己的硬件中。