抢攻云端AI商机！Google推出自制机器学习Cloud TPU运算云服务

继年初GPU运算云服务推出后，Google今日在Google I/O大会揭露第2代自制机器学习专用芯片TPU时，也一并宣布正式推出Cloud TPU运算云服务，首次将TPU搬上Google云端平台（Google Cloud Platform）上，来帮助开发者缩短训练机器学习模型的时间，借此开发更多新应用。至于收费也将可能采取和原本GPU运算服务相同的收费模式，采按分钟来计价。

Google今日在Google I/O大会揭露第2代自制机器学习专用芯片TPU。

做为加速机器学习运算的TPU（Tensor Processing Unit）是早年Google专为机器学习所设计的专用芯片，也是针对Google开源的深度学习框架TensorFlow所量身打造的客制化ASIC，几年前开始部署在Google资料中心服务器内，用于各种相关的机器学习应用。

Google在今年Google I/O大会介绍新一代TPU机器学习加速器亮相时也宣布了，将正式推出Cloud TPU运算云服务，开始将自家资料中心内部专用的机器学习加速器TPU上云端，让Google云端用户未来也能够在Google云端平台上租用TPU运算云服务。

Google表示，新推出的Cloud TPU运算云服务，将可以让Google云端用户更容易结合TensorFlow，来缩短训练机器学习模型的时间，也特别提升了新一代TPU运算效能，将可为每台使用的机器设备提供高达180 TFLOPs浮点运算效能，并还提供更高丛集扩充能力，来组成更庞大机器学习系统，以提供需要大量加速运算能力的机器学习或深度学习模型训练使用。

Google表示，在单一个机器学习训练任务中，一次最多已经能够利用64个TPU加速器节点，来建立机器学习运算丛集，可以提供高达11.5 PFLOPs的加速运算能力。在这之前，Google曾表示，相较于传统的GPU，机器学习芯片TPU运算效能更好，甚至高出当代GPU有15倍之多，更是CPU的30倍，并且能获得更好的能源效率，也能大幅减少执行机器学习应用所需编写的TensorFlow程式码，例如仅需100到1,500行TensorFlow程式码，就能用于执行深度学习的AI运算任务。

Google也说明，除了Cloud TPU以外，用户也能自行依照所需的机器学习应用需求，搭配使用英特尔第六代Skylake CPU或是混用Nvidia GPU运算服务，来做为各种机器学习训练使用。除了Cloud TPU，目前在Google云端平台上，总共还提供了另外3种服务器专用的GPU加速器运算服务，包括了Nvidia Tesla P100、Tesla K80，以及AMD FirePro S9300 x2，可供用户租用。

Google也利用了1,000个Cloud TPU节点建立运算丛集，打造了一个能用来加速机器学习的超大型TensorFlow研究云。Google表示，未来也打算将这个研究云免费提供给研究人员使用，借此来帮助他们缩短用于训练机器学习的时间，加快推出更多创新应用。

虽然Google目前还未公布Cloud TPU未来的收费方式，不过很可能将采取和现行Google的GPU运算服务相同的收费模式，未来将采按分钟来计价。