本文来自公众号：智东西（ID：zhidxcom），作者：韦世玮，原文标题《席卷围棋界、开辟云端造芯，谷歌TPU到底有多强？》
距离2016年那场世界著名的人机大战——AlphaGo对战李世石已经过去了四年。
短短四年间，整个科技圈宛如换了一方天地。
那一年，AlphaGo以4:1总分打败围棋世界冠军李世石，随后独战群雄，在与排名世界第一围棋的冠军柯洁对战胜利后宣布“隐退”，但其背后的那块芯片却开启了芯片产业的新篇章。
正是这翻天覆地的四年，AI芯片领域——尤其是云端AI芯片的市场规模一路扶摇直上，成为一众芯片巨头和新势力虎视眈眈之地。
据赛迪顾问在2019年8月发布的《中国人工智能芯片产业发展白皮书》，2018年全球云端AI芯片市场规模为62.1亿美元（约427.5亿人民币），预计这一数值将在2021年达到221.5亿美元（约1524.7亿人民币），巨大的市场将如火山爆发般呈现在众人眼前。
在这片浩淼蓝海中，有一个角色则起到了划时代的重要意义，它就是谷歌TPU（Tensor Processing Unit，张量处理单元）。
自打与李世石、柯洁，以及中日韩数十位围棋高手的围棋对战中脱颖而出后，谷歌TPU曾一路狂飙突进，现在已演进到了第三代。它的出现，无疑打破了GPU曾一度称霸神经网络推理和训练市场的局面。
虽然，在2019年5月的谷歌I/O开发者大会上，万众瞩目的第四代TPU却意外缺席，取而代之的是以1000个TPUv3组成的TPUv3 Pod，以及边缘AI芯片Edge TPU。即便如此，它仍通过一定程度的对外开放，以及辅助谷歌内部服务器应用深刻地影响着云端AI芯片市场。
但从市场角度看，未来云端AI芯片巨大的发展潜力和市场机遇为谷歌TPU提供了肥沃的土壤；另一方面，紧迫的算力瓶颈和摩尔定律放缓等问题也越来越难以忽视。
这次，我们通过起底谷歌TPU的发展史，探究它是如何从最初的机器学习推理应用，发展为如今覆盖云端至边缘端的TPU生态？它的诞生为云端AI芯片市场带来了哪些重要变化？
01 始于算力瓶颈，首秀人类围棋界
何为TPU？
简单地说，它是谷歌在2015年6月的I/O开发者大会上推出的计算神经网络专用芯片，为优化自身的TensorFlow机器学习框架而打造，主要用于AlphaGo系统，以及谷歌地图、谷歌相册和谷歌翻译等应用中，进行搜索、图像、语音等模型和技术的处理。
区别于GPU，谷歌TPU是一种ASIC芯片方案。ASIC全称为Application-Specific Integrated Circuit（应用型专用集成电路），是一种专为某种特定应用需求而定制的芯片。但一般来说，ASIC芯片的开发不仅需要花费数年的时间，且研发成本也极高。
对于数据中心机房中AI工作负载的高算力需求，许多厂商更愿意继续采用现有的GPU集群或GPU+CPU异构计算解决方案，也甚少在ASIC领域冒险。
那么，谷歌为何执意要开发一款ASIC架构的TPU？
实际上，谷歌在2006年起就产生了要为神经网络研发一款专用芯片的想法，而这一需求在2013年也开始变得愈发急迫。当时，谷歌提供的谷歌图像搜索、谷歌照片、谷歌云视觉API、谷歌翻译等多种产品和服务，都需要用到深度神经网络。
在庞大的应用规模下，谷歌内部意识到，这些夜以继日运行的数百万台服务器，它们内部快速增长的计算需求，使得数据中心的数量需要再翻一倍才能得到满足。然而，不管是从成本还是从算力上看，内部中心已不能简单地依靠GPU和CPU来维持。
在种种因素的推动下，不差钱的谷歌正式开始了TPU的研发之旅。
经过研发人员15个月的设计、验证和构建，TPU在2014年正式研发完成，并率先部署在谷歌内部的数据中心。
除了在内部秘密运行了一年外，谷歌TPU还在围棋界“大杀四方”，斩下一个个“人机大战”的神话。
据了解，在使用TPU之前，AlphaGo曾内置1202个CPU和176个GPU击败欧洲冠军范惠。直到2015年与李世石对战时，AlphaGo才开始使用TPU，而当时部署的TPU数量，只有48个。
这场对战胜利的“秘密武器”也在一年后的谷歌I/O开发者大会上被揭开神秘面纱，TPU正式面世。
02 谷歌TPU的迭代、上云、发力终端
在面世后的短短两年，谷歌TPU已经迭代到了第三代，性能亦不断跃升。与此同时，随着研发的投入和广泛应用，谷歌也逐步推出可扩展云端超级计算机TPU Pod，以及Edge TPU。
1、2016年：第一代TPU
虽是为神经网络而研发，但谷歌最初的第一代TPU仅用于深度学习推理。
从性能上看，第一代谷歌TPU采用了28nm工艺制造，功耗约为40W，主频700MHz。
研发之初，由于谷歌需要尽快将TPU部署到内部现有的服务器中，因此研发人员选择将处理器打包成外部加速卡，以插入SATA硬盘插槽后进行嵌入式安装。
同时，TPU通过PCIe Gen3 x16总线连接到主机，实现了12.5GB/s的有效带宽。
除了在AlphaGo上应用之外，谷歌第一代TPU还用于谷歌的搜索、翻译和相册等应用的机器学习模型中。
▲Google第一代TPU（左），在谷歌数据中心中部署的TPU（右）
2、2017年：第二代TPU，引入Google Cloud
历经一年的更新、研发和迭代，谷歌在2017年5月发布了第二代TPU，并从这一代起能够用于机器学习模型的训练和推理。
与第一代相比，第二代TPU能够实现180TFLOPs浮点运算的计算能力，同时其高带宽内存（HBM）也提升到了64GB，解决了第一代TPU内存受带宽限制的问题。
在运行AI工作负载上，谷歌第二代TPU与同期的CPU、GPU相比，性能比传统的GPU高了15倍，比CPU高了30倍，每瓦性能亦提高了30至80倍。
也是从第二代TPU起，谷歌第二代TPU引入Google Cloud，应用在谷歌计算引擎（Google Compute Engine ，简称GCE）中，也称为Cloud TPU，进一步优化谷歌搜索引擎、Gmail、YouTube和其他服务的运行。
与此同时，Cloud TPU通过TensorFlow进行编程，并与CPU、GPU及基础设施和服务结合，以根据用户应用需求构建和优化机器学习系统。
同时，随着谷歌第二代TPU的发布，新一轮的人机大战也再次揭开序幕。而这一代AlphaGo的芯片配置，仅用了4块TPUv2，便击败当时的世界围棋冠军柯洁。
实际上，谷歌除了推出第二代TPU外，还宣布计划研发可扩展云端超级计算机TPU Pods，通过新的计算机网络将64块Cloud TPU相结合，能够提供约11500万亿次浮点运算能力。
3、2018年：第三代TPU，边缘AI芯片Edge TPU
同样的研发节奏，2018年5月，谷歌不出意外地发布了第三代TPU，其各方面性能不仅实现了升级，也进一步扩展到更广泛的深度学习训练和推理领域。
谷歌表示，第三代TPU的性能均是第二代TPU的两倍，可实现420TFLOPs浮点运算，以及128GB的高带宽内存。同时，它还可部署在基于云计算的超级计算机TPU Pod中，其中的芯片数量是上一代的四倍。
与第二代TPU Pod的部署相比，第三代每个Pod的性能提高了8倍，且每个Pod最多拥有1024个芯片。
谷歌在2018年还发布了用于边缘推理的微型AI加速芯片——Edge TPU，专为企业机器学习任务而设计，用于IoT设备中。
Edge TPU同样是一款ASIC芯片。从应用上看，它与Cloud TPU相互补，用户能够先使用Cloud TPU对机器学习模型进行加速训练，再将训练好的模型放入相关设备中，进一步用Edge TPU进行机器学习推理。
据了解，Edge TPU能够让IoT设备以每秒30帧以上的速度，在高分辨率视频上运行多个先进的计算机视觉模型。
同时，谷歌还为Edge TPU推出了一套名为Cloud IoT Edge的软件平台，该平台拥有Edge IoT Core和Edge ML两大主要组件，能够帮助用户将在Google Cloud上构建和训练的机器学习模型，通过Edge TPU扩展到边缘设备中运行。
4、2019年：第二/三代TPU Pod
虽然这一年谷歌并未发布第四代TPU，却上演了另一个重头戏——发布第二代和第三代TPU Pod，可以配置超过1000颗TPU。
作为TPU的“升级版”，谷歌第二代TPU Pod能够容纳512个内核，实现每秒11.5千万亿次浮点运算；第三代TPU Pod速度则更快，可实现每秒超过100千万亿次浮点运算。
据悉，在相同配置（265块TPU）下训练ResNet-50模型时，第二代TPU Pod需要11.3分钟，而第三代TPU Pod只需7.1分钟。
03 架构创新，掀起云端造芯大浪潮
谷歌TPU系列的出现，不仅突破了最初深度学习硬件执行的瓶颈，还在一定程度上撼动了英伟达、英特尔等传统GPU芯片巨头的地位。
自2015年以来，与AI芯片相关的研发逐渐成为整个芯片行业的热点，在云端的深度学习训练和推理领域，已然不是GPU——尤其是英伟达的独霸一方。
而谷歌TPU的诞生，也让越来越多的公司前赴后继地尝试设计GPU之外的专用AI芯片，以进一步实现更高效的性能。
从技术层面看，谷歌TPU的出现在架构创新上也为行业带来了几点思考[1]：
1、大规模片上内存
在谷歌看来，片外内存低是GPU能效比低的主要原因。
一些GPU由于片上内存较少，因此在运行过程中需要不断地去访问片外动态随机存取存储器（DRAM），从而在一定程度上浪费了不必要的能耗。
因此，谷歌在最初设计TPU时，总共设计了占总芯片面积37%的内存，其中包括24MB的局部内存、6MB的累加器内存，以及用于与主控处理器对接的内存。
2、用量化技术进行整数运算
一般来说，神经网络的预测并不需要32位或16位的浮点计算精度，因此它可以通过8位低精度运算的方法，在保证适当准确度的同时，对神经网络进行预测。
通过量化技术，神经网络预测的成本大大减少，并相应减少了内存的使用。例如，当研发人员将量化应用于流行的图像识别模型Inception时，芯片内存从91MB压缩到了23MB，约为其原始大小的四分之一。
3、可编程性
虽然谷歌TPU是ASIC芯片，但却与FPGA又有些类似，它具备一定的可编程性能力。
在谷歌看来，TPU的研发并非只用于运行一种神经网络模型。因此，谷歌选择采用了复杂指令集（CISC）作为TPU指令集的基础，能够较为侧重地运行更复杂的任务。
谷歌还定义了十二个专门为神经网络推理而设计的高级指令，能够在输入数据和权重之间执行矩阵乘法，并应用激活函数。
为了能进一步对TPU进行编程，谷歌还创建了一个编译器和软件堆栈，能够调用TensorFlow图中的API，转化成TPU指令。
4、并行计算
谷歌为TPU设计了矩阵乘法单元（MXU）的并行计算。
它能够在一个时钟周期内处理数十万次矩阵运算，相当于一次打印一个字符、一次打印一行字或一次打印一页文档。
5、脉动阵列设计
MXU具有与传统CPU和GPU截然不同的架构，又称为脉动阵列（systolic array）。
脉动阵列使得在每次运算过程中，谷歌TPU能够将多个运算逻辑单元（ALU）串联在一起，并复用从一个寄存器中都取得结果。
这种设计，不仅能够将数据复用实现最大化，减少芯片在运算过程中的内存访问次数，同时也降低了内存带宽压力，进而降低内存访问的能耗。
▲TPU的矩阵乘法器单元（MXU）
谷歌TPU的一鸣惊人，不仅为AI芯片领域带来了架构创新，同时亚马逊、微软等一众科技巨头，以及寒武纪、天数智芯等新势力亦开始纷纷入局，势要在云端AI芯片市场中抢占地盘，逐渐掀起行业云端造芯大浪潮。
04 结语：加速云端AI芯片市场的发展
从CPU到GPU，再到如今ASIC和FPGA相继入局，云端AI芯片市场的百花齐放，与谷歌TPU的努力息息相关。
如今，云端AI芯片市场依然杀得热火朝天，前有赛灵思和寒武纪等新老势力不断崛起，进一步蚕食非GPU领域的市场，后有科技巨头四处找寻机会“大鱼吃小鱼”，合并有潜力的新玩家，整片市场呈一派割据混战之势。
但不容忽视的是，随着云端AI芯片的不断发展，大数据持续爆发，以及摩尔定律逐渐放缓，算力也再次来到了新的瓶颈。
届时，这些玩家是通过先进制程再次撕开云端AI芯片的新技术领域，还是依靠研发创新架构来实现算力的飞跃，不管走向哪条路都需直面种种挑战。
回头看，在AI芯片市场开辟之初，谷歌凭借TPU逐渐打开云端AI芯片市场新的竞争格局，但当云端AI芯片开始进入新时代，谷歌TPU能否再次延续过往辉煌，为市场开辟新的方向和思路？我们拭目以待。
[1]文章相关内容参考：Google Blog等。
本文来自公众号：智东西（ID：zhidxcom），作者：韦世玮