5月19日消息，据外媒综合报道，当谷歌计算机程序AlphaGo3月份击败韩国围棋冠军李世石（Lee Se-dol）时，谷歌自曝使用了秘密武器，即谷歌自己设计的微处理器芯片。这种芯片可加速围棋软件的计算速度，让AlphaGo在有限的比赛时间内更快落子，并预测更多后续变化。
谷歌表示，这种微处理器芯片属于应用专用集成电路（ASIC），已经秘密开发三年，它将在谷歌发挥更重要的作用。在过去1年多时间里，谷歌利用其加速研发人工智能应用。正如软件行业内部人士所说，对于谷歌核心业务来说，机器学习技术（或称深度神经网络，包含在人工智能技术领域中）变得越来越重要。谷歌表示，这种计算机芯片被用以驱动其深度神经网络，并将重塑互联网服务运营方式。
在I/O开发者大会上，谷歌首席执行官桑达尔·皮查伊（Sundar Pichai）宣称，这些硬件和软件网络可以通过分析大量数据学习具体任务。谷歌利用机器学习技术识别图片中的物体和人脸，识别你对安卓手机下达的任务指令或翻译文本。这种技术甚至已经开始被用于改变谷歌搜索引擎。
谷歌称其新式芯片为强量处理单元（TPU），因为它需要软件引擎TensorFlow支持，后者可以推动谷歌深度学习服务。去年秋季，谷歌以开源授权的方式发布了TensorFlow，这意味着任何公司外部的人都可以使用甚至修改这种软件引擎。谷歌似乎没有共享TPU的设计，但外部人士依然可以通过谷歌各种云服务使用谷歌自己的机器学习硬件和软件。
谷歌只是将深度学习加入到更广泛互联网服务的公司之一，Facebook、微软以及Twitter都在通过设计新的芯片加强人工智能研发。通常情况下，互联网巨头们都使用芯片制造商英伟达的GPU驱动自己的神经网络。但微软等公司正在探索使用现场可编程门阵列 (FPGA)芯片，它们可被编程用于执行特定任务，比如微软必应搜索引擎。
IBM正在设计基于大脑结构的芯片TrueNorth，正在劳伦斯-利弗莫尔国家实验室测试。英伟达也在推动器芯片进入人工智能领域。被设计在个人电脑上渲染视频游戏图像的GPU似乎非常适合机器学习应用。谷歌的计算机服务器主要依赖英特尔处理器，同时利用英伟达的GPU进行人工智能计算，包括AlphaGo程序的早期测试。
谷歌表示，与当前机器学习领域常用处理器相比，谷歌芯片具有领先7年的优势（或3代处理器），计算速度更是快出10倍。这非常重要，因为谷歌正将未来押注在这种软件上。谷歌在100多个项目中使用机器学习技术，包括搜索、语音识别、无人驾驶汽车等。这些项目要求密集运算支持，而通过提高设备功率实现这个目标成本过于高昂。
现在还不清楚谷歌有多少运算任务依赖新的处理器，谷歌著名工程师诺曼（Norman Jouppi）表示，谷歌使用1000多个新式芯片。这意味着，谷歌可能不再使用英伟达等公司的芯片，或使用更少芯片。同时也预示着，谷歌更愿意制造自己的芯片，对于芯片制造商来说是个坏消息，特别是世界最大芯片制造商英特尔。谷歌内部大多数计算机服务器使用英特尔处理器，但令英特尔感到担忧的是，谷歌将来也可能自己设计CPU。
斯坦福大学电子工程学教授马克·霍洛维茨（Mark Horowitz）说，大公司都已经开始利用新的处理器设计，来推动通用处理器的进步速度。它们并非是要取代英特尔处理器，而是成为这些处理器的有效补充。谷歌和苹果最近都在大肆招募芯片设计师和工程师，苹果早于2009年就曾尝试自己研发芯片，以提高设备功率和研发新的功能。
谷歌表示，支持谷歌在线服务的数据中心庞大的硬件机架上，TUP板就安装在卡槽中作为硬盘驱动器，与其他硬件解决方案相比，它可为机器学习提供“更好的数量级性能优化”。谷歌称：“TPU是针对机器学习的应用，允许芯片容忍更低的计算精度，这意味着其每个操作需要更少的晶体管。因此，我们每秒执行的操作将更多，使用更复杂和强大的机器学习模型，更快地应用这些模型，以便用户能够更快获得更智能化结果。”（小小）
