Hi， 大家好！我是何寶宏， 歡迎來到《互聯網的基因》大講堂。
今天， 我們聊一聊穀歌。
不久前， 穀歌放出了一個大招——4月5日， Google刊出了一篇大稿， 這篇文章的作者人數高達75位元， 內容有關機器學習專用晶片TPU(Tensor Process Unit)。 文章稱， TPU的處理速度要比常用GPU(Graphic Process Unit)和CPU快15-30倍， 在能效上更是提升了30到80倍， 把摩爾定律提速了7年！
在聊這篇文章的具體內容之前， 我們需要先來說說Google。
事實上， 業界人士都知道。 Google公開和引導技術， 大致有三個套路。 一是開源項目， 比如移動互聯網的Android作業系統， 機器學習的Tensorflow框架等。 二是公開發文章， 比如奠定大資料理論的“三大文章”：GFS(2003年)，
OK， 回到文章來。 目前， 用於機器學習的晶片大致有四類。 一是通用的CPU， 二是“專用”於並行處理的“通用”GPU， 三是可程式設計的FPGA， 四是硬體焊寫死的ASIC。
選擇通用還是專用， 可程式設計還是專用， 不是必然更不是趨勢， 要看場景和時機。
當一個應用市場剛起步時， 首先會是看晶片市場上有無現成的。 如果沒有， 有實力的公司可能會選擇自己開發。 比如早期的電腦廠家， 基本是自己開發晶片或借用交通信號晶片等， 後來電腦市場大了， 才有了專做通用晶片的Intel公司， 才有了x86。
70年代初， Intel認為自己應定位於為交通信號控制器生產晶片， 沒必要為小型電腦生產晶片。 IBM則認為， 哪個人會需要一台小巧的電腦呢？
到了80年代， IBM PC 選擇開放架構， 成就了PC的時代。 IBM PC選擇自己不做晶片， 成就了Intel的偉大。 IBM PC選擇自己不做作業系統， 成就了微軟的輝煌。 IBM的選擇， 成就了Win-tel的時代。
世界上本沒有通用晶片， 用的人多了， 就是通用的了。 一個晶片的市場， 如果“大到不能叫專用”的地步， 就是通用的了。
更進一步， 通用CPU也可能架構不通用， 比如CISC指令的x86和RISC指令的POWER等。 雲計算， 是要把伺服器CPU的架構， 也進一步通用到x86架構；NFV要把“通用”網路晶片， 進一步統一到x86架構。
當某個晶片應用的“細分”市場足夠大時， 大到專用就是通用時， 專用晶片因為性能上的優勢， 就會成為一個重要選項。 比如影像處理和嵌入式領域， 早年算是細分市場， 但因為都足夠大， 於是就成功發展出了GPU和 ARM等專用晶片，
TPU屬於ASIC的一種， 就是認為GPU太通用了。 伴隨著機器學習市場壯大， TPU通過當地語系化技術、能耗控制和放寬運算精度的容忍度等， 在性能和功耗上做出了很多優化。
2008年8月， Google在《自然》雜誌上發表論文， 推介了一個被稱為 “穀歌流感趨勢”的系統， 成為大資料應用的“網紅”案例。 2013年2月， 《自然》雜誌又發表了一篇文章， 指出 “穀歌流感趨勢” 對 2012 年底美國流感類疾病患者數， 估計比美國疾病控制與預防中心的實際資料高了約一倍， 108周裡就錯了100周。 據說， 這兩篇文章是Google公司在《自然》雜誌上， 被引用次數TOP2的文章。
Google在2012年的一次大會上， 公佈了廣域網路SDN應用情況， 也引起了轟動。
按Google當年雲計算和大資料的慣例， 它公開的都是上一代的。 這次輪到了TPU， 會不也是幾年前的技術？
Google真有汪星人！
嘉賓簡介：
何寶宏， 從事互聯網研究領域20年的老兵， 獲得電腦博士學位，