圖一、谷歌TPU人工智慧晶片 Source : Google，2016年5月
2015年秋季，谷歌發布TensorFlow的開放原始碼，這意味著任何公司都可以使用，甚至修改這個軟體引擎。現今谷歌決定針對TensorFlow推出其晶片，稱為TPU（Tensor Processing Unit），以達到軟硬體深度整合的目的，就如同蘋果的iOS與Ax處理器一樣，企圖顛覆產業運作模式。
為了成為領導者，谷歌除了持續深根其軟體平台之外，也模仿蘋果軟硬體整合商業模式，針對人工智慧TensorFlow設計一款ASIC（Application Specific Integrated Circuits），專門針對深層神經網絡的晶片。基本上，谷歌不會共用其設計的TPU，也就是說，採用TensorFlow的廠商將採用TPU，以強化深度學習與人工智慧。TPU是專門面向深度學習開發的ASIC（專用積體電路），與GPU（圖形處理單元）和FPGA（現場可程式閘陣列）等深度學習處理使用的其他技術相比，單位耗電量的性能提升10倍。
通常，廠商推動其神經網絡與繪圖處理晶片來滿足其人工智慧運作。例如：IC設計廠商NVIDIA就是如此。但微軟與其他公司，期望現場可編程門陣列（Field Programmable Gate Arrays：簡稱FPGA），針對其軟體編程為特定任務的晶片。
谷歌的TPU則是專門針對機器學習應用而設立，期望讓晶片更加相容且減少計算精度，可以讓每個操作需要的晶體管更少。這意味著，谷歌使用晶片的方式不像NVIDIA，也不像其他公司使用更少的晶片。這種營運模式對於晶片製造商來說絕對不是甚麼好消息，尤其是世界上最大的晶片製造商英特爾。
其實，谷歌已經祕密的使用TPU一年多了，這個客製化晶片似乎能夠提升其機器學習系統的運行速度。畢竟，半導體產業的摩爾定律已經開始面臨瓶頸，新型處理器的速度當然也陷入成長限制，這使得針對特殊需求任務的晶片將於未來將變得更有發展空間。
隨著機器學習變得愈來愈廣泛的應用，從語音識別、語言翻譯和數據分析，未來哪一家公司能夠開發出具備負荷龐大高運算強度軟體的晶片，這對於其技術研發進度有很大的關鍵。谷歌未來一段時間不太可能販售這種晶片，以免落入競爭對手之中，讓競爭對手能夠縮減研發時間進而趕上谷歌的這項創舉。
英特爾的處理器驅動著谷歌內部龐大的運算伺服器以及數據分析，一旦英特爾在未來的某一天不能夠在谷歌的公司內成為被採用的晶片，那麼英特爾就必須要擔心，其在蘋果與智慧型手機失敗的情況很可能在谷歌進入人工智慧時，又再一次發生相同的事情。（732字）
--------------------------------------------------------------------------------------------------------------------------------------------