NVIDIA再次针对第二代TPU做回应强调GPU加速有更多元应用

继Google推出第一款TPU设计之后，NVIDIA首席执行官黄仁勋曾批评Google以旧式Tesla加速卡作为比较并不合理，而在Google于Google I/O 2017期间宣布推出第二代TPU设计，黄仁勋也同样透过官方部落格内容予以回应，除了强调NVIDIA与Google之间深度合作关系，更强调本身也将针对特定人工智能应用领域优化软件项目，借此让旗下借由GPU加速学习的应用方案有更多元发展。

黄仁勋稍早于官方部落格再次发文，虽然说明NVIDIA依然与Google维持深度合作，但在人工智能技术深度学习方面，则强调在诸多学习框架应用需求之下，NVIDIA所提出GPU加速深度学习模式可对应TensorFlow、Caffe、Cognitive Toolkit在内的学习框架，相比TPU目前依然仅对应TensorFlow学习框架有更多元使用效益，将可对应更多人工智能系统架构。

而针对TPU所提供学习应用，NVIDIA在近期宣布推出采Volta显示架构的Tesla V100加入Tensor核心设计，借此对应TensorFlow学习架构优化，同时更能对应不同人工智能系统所需学习框架。至于Google推出的第二代TPU除在运算效能大幅提升，更加入深度学习应用功能，而不像第一代TPU仅能强化逻辑判断学习效率，但依然仅能对应TensorFlow学习架构使用，而无法对应其他学习框架，甚至目前也仅开放租用，而不像NVIDIA提出解决方案可用于各类硬件设计，例如自驾车或其他深度学习加速应用。

不过，就Google打造的TPU设计来看，现阶段并非为了与NVIDIA直接做市场竞争，而是为了让开发者能借由云端租赁方式进行深度学习或逻辑判断训练，但依照不同学习使用需求仍可选择租赁不同云端硬件架构，在TPU硬件架构以外仍提供NVIDIA在内的硬件选项。