654
作者丨杨鹏岳
编辑丨张心怡
美编丨马利亚
监制丨连晓东
CPU诞生，让英特尔在PC时代长期独占鳌头；GPU崛起，让英伟达一跃而起风光无二。xPU时代正在到来，由谷歌TPU衍生而出的未来，谁又将乘势而起？在全球科技产业将目光紧紧锁定人工智能领域之际，TPU（Tensor Processing Unit，张量处理器）正在悄悄成长为AI时代的“弄潮儿”。GPU用于大模型训练、推理存在高能耗、高成本等问题，由AI算力需求增长带来的种种问题，或许可以从TPU身上找到更为理想的答案。
TPU“攻入”AI主流市场
由于入局早、算力强，由英伟达提供的GPU芯片几乎已成为各大企业训练、推理模型，处理AI相关算力需求的标配。但当前，TPU芯片也正在逐步进入AI算力主流芯片市场。TPU由谷歌率先推出。从初代芯片推出至今，TPU的应用范围正逐步扩大，谷歌以外的市场也逐渐打开。
最初，TPU是谷歌专为加速机器学习和深度学习任务而设计的专用芯片，特别是针对深度学习模型的训练和推理。2013年，谷歌开始研发TPUv1，这是全球首款专为AI打造的加速器。2017年，谷歌推出CloudTPU，用于处理云端计算任务。
自2022年底生成式人工智能获得产业界广泛关注以来，TPU在生成式人工智能领域的应用范围也逐步拓宽。例如，2023年12月，谷歌推出多模态通用大模型Gemini的三个不同版本，该模型的训练大量使用了Cloud TPU v5p芯片。
谷歌曾表示，TPU是其推出许多服务的最大功臣之一，要是少了它，如即时语音搜寻、相片物件辨识及互动式语言翻译等无法丝滑运行，还有最先进的Gemini、Gemma、Imagen模型等也无法顺利问世。
今年5月谷歌发布第六代TPU芯片Trillium今年5月，谷歌又发布了第六代TPU芯片Trillium。
据悉，Trillium能在单个高带宽、低延迟Pod中扩展为多达256个TPU的集群，相较于前代产品，Trillium在适配模型训练方面的功能更强。
同时，TPU芯片也逐渐走出谷歌公司，获得更大范围的市场青睐。一如，7月30日苹果公司发布的一篇研究论文称，苹果在训练Apple Intelligence生态中的人工智能模型AFM时，选择了谷歌的两种张量处理单元（TPU）云集群。
性价比优势成为“焦点”
在以英伟达产品为代表的GPU在算力基础设施市场“一骑绝尘”的情况下，TPU何以崭露头角，又何以赢得苹果等全球知名企业的青睐？
市场分析师表示，以GPU为代表的通用计算架构和针对特定领域的DSA（DomainSpecific Architecture，面向特定领域）计算架构是目前两大主流AI芯片设计思路。但在市场容量巨大的应用领域，计算芯片的架构演进总呈现出从通用型向专用型转变的规律。随着大模型训练的计算量和复杂度的指数级增长，传统GPU成本昂贵、算力利用率低、能耗大的局限日益凸显。
今年1月，扎克伯格发帖公布了一组数字：到2024年底，Meta“大规模的计算基础设施”将包括高达35万张英伟达H100显卡，为Meta在人工智能领域的突破提供强大支持。如果将其他GPU计算在内，Meta的计算基础设施将拥有“相当于近60万张H100的算力”。这将是一笔巨大的开销。
与此同时，马斯克表示，2024年特斯拉仅仅在英伟达的人工智能芯片上就将耗费超过5亿美元，特斯拉未来还需要价值“数十亿美元”的硬件才能赶上最大规模的竞争对手。高昂的算力成本，使一众全球顶尖的科技企业望而生畏。
在此背景下，作为AI专用芯片之一的TPU被业界期待能够从新的技术路线上另辟蹊径。在这方面，谷歌已经提供了成功经验。据谷歌副总裁兼工程院士Norm Jouppi透露，TPU的出现足足让谷歌省下了15 个数据中心的建设成本。
探索市场新可能
从产品逻辑来看，作为一种专用集成电路 (ASIC)，TPU专为单一特定目的而设计，用以运行构建AI模型所需的独特矩阵和基于矢量的数学运算。而GPU的设计初衷是处理图像信息。因此，从架构设计的角度来看，相比于适合处理高度并行任务的GPU， TPU更适用于处理矩阵乘法等神经网络算法。“TPU具有为AI大模型而生的天然优势架构。”
TPU架构AI芯片公司中昊芯英创始人兼CEO杨龚轶凡在接受《中国电子报》记者采访时表示，TPU专为神经网络结构而设计，在相同制造工艺、能耗和芯片尺寸条件下，性能优于GPU3~5倍。在适用场景上，TPU为已有的算法和框架进行优化，性能和功耗表现均优于GPU，更适用于深度学习模型的大规模部署。
深度学习无疑仍是AI领域的主导力量，深度学习的某个分支将承载着未来100%的AI应用。从长远来看，TPU比GPU在AI赛道上更具竞争力。
中昊芯英自研的中国首枚高性能TPU训练芯片在TPU芯片领域，产业界正在进行不同的尝试。
一方面，“先行者”谷歌探索出了自己的专属路线。咨询公司D2D Advisory首席执行官Jay Goldberg直言，今天只有两家公司有着成熟的芯片研发体系来训练人工智能模型，一个是英伟达的GPU，另一个是谷歌的TPU。但区别于英伟达，谷歌并不会以独立产品的形态单独出售自己的TPU芯片，而是通过谷歌云平台向外部客户提供基于TPU的算力服务。
另一方面，更多芯片从业者仍在探索基于TPU架构的新产品。今年2月，美国AI芯片初创公司Groq凭借其开发的新型AI处理器LPU（LanguageProcessing Unit）引发关注，使用的TSP（张量流处理器）源头是谷歌研发的TPU。今年4月，英特尔推出了专攻深度学习神经网络推理的类TPU芯片Gaudi 3。
值得关注的是，国内初创AI芯片企业中昊芯英历时近五年，已成功量产全自研的国内首枚TPU AI训练芯片，并自研AIGC预训练大模型，正在与行业伙伴进行金融、教育、医疗等垂直领域专业大模型的探索落地。
业界普遍认为，TPU芯片在中国市场的应用，更有助于TPU这一产品门类的成熟。当然，无论从技术还是生态角度，TPU和类TPU芯片都处于“婴儿期”，需要进一步发展。但是，AI时代已经到来，算力需求才露出冰山一角。
在庞大需求下，新生事物更有施展拳脚的可能。
