Google开放TPU租用预期提升AI应用与发展

Google在去年推出第二代客制化TPU (Tensor Processing Unit)处理器，并且应用在TensorFlow Research Cloud服务且开放申请使用之余，事实上并未直接提供租用TPU运算资源。而在稍早声明里，Google表示将以少量形式向Google Cloud云端服务用户提供TPU运算资源租用服务，并且以每小时6.50美元价格提供使用。

相比多数深度学习加速器是以多组绘图卡或多组处理器建构而成，Google从2016年推出第一款客制化TPU处理器，到去年推出的第二代规格，几乎去除深度学习等应用非必要的I/O埠等设计，强调加入更高逻辑推理效率与深度学习应用，同时件构成的每组Cloud TPU约可发挥180TFLOPS运算效能表现。

Google表示，相比采用32张现行最好的商用GPU构成加速学习模式仍须花费一天左右训练时间，透过第二代TPU设计仅需体积仅为八分之一大小的单一机架丛集 (Pod)以一个下午时间即可完成训练。

而在去年宣布推出第二代TPU设计时，Google也同步宣布推出以1000组Cloud TPU运算丛集构成的TensorFlow Research Cloud服务，并且将以免费形式开放各类深度学习研究申请使用。而在稍早对外声明终，才确定将以少量形式向Google Cloud云端服务用户提供TPU运算资源租用服务，并且以每小时6.50美元价格提供使用，让用户端能依照自身需求借由TPU运算能力进行快速推演、学习。

对外开放租用TPU运算资源，意味Google将使云端服务用户能有更多选择，不一定仅能仰赖NVIDIA、AMD或Intel等厂商提供显卡与处理器，同时整体建置成本也能相对降低许多，同时获得更快的运算效能。

不过，从先前不少对于深度学习应用模式，导入TPU的运算效率虽然可以很快，但不见得能带来最大优势，最主要还是看学习模型与实际应用，并不见得透过绘图卡、处理器进行运算的学习模式就不好，毕竟以TPU的设计来看，仅能以TensorFlow学习模型进行训练。