Google推出第二代TPU：Cloud TPU，强调在逻辑推演的效能加速上，能让人工智能学习时，降低对CPU与GPU的依赖。
Google 为了强化基于深度学习的人工智能发展，在先前推出针对 TensorFlow 算法的加速器 TPU ，以硬件加速的方式提升深度学习中训练的效能，而今天 Google 在 IO 大会宣布推出第二世代的 TPU ，称为 Cloud TPU ，相较前一世代是针对训练部分进行硬件加速， Cloud TPU 进一步加入逻辑推演的加速。
过往逻辑推演的部分仰赖 CPU与 GPU的大量效能，可想而知的是 Google 希望借由 Cloud TPU 导入逻辑推演的能力，进一步降低对于 CPU 与 GPU 的需求，而每个 Cloud TPU 可提供达 180TFLOPS 的深度学习效能，同时 Google 也打造了新一代的相互连结高速网络架构，将 64 组 TPU 构成一套名为 TPU POD 的超级电脑系统，一组 TPU POD 可提供达 11.5PFLOPS 的深度学习效能。
Google 强调 TPU POD 效能相当惊人，相较于 32 颗搭载目前市场最顶尖的 GPU 加速器(没意外应该是 NVIDIA 的 Tesla P100 )进行翻译训练一整天训练的成果，现在只需要 1/8 个 TPU Pod 进行半天就能达到相同的精度成效。
Google 也在今日将 Cloud TPU 投入 Google Compute Engine 当中，与现行的 CPU 与 GPU 硬件加速架构进行混用， Cloud TPU 也可与这些硬件加速架构混用进行加速，这也意味着 Google 在第二代 TPU 导入逻辑推理能力后，也还不会贸然把全部的架构 TPU 化，而开发者可透过 GitHub 上的 TensorFlow 框架进行 Cloud TPU 开发应用， Google 也正导入仅需要修改少数代码就可在 CPU 、 GPU 与 TPU 训练深度学习模型的 high-level API 。
