本文經
超能網
授權轉載，其他媒體轉載請經超能網同意。
Google昨天宣佈旗下的AlphaGo今年5月份將與圍棋世界冠軍柯潔對戰，去年的人機大戰已經顯示了AI在這方面強大的實力，而此前柯傑與AlphaGo也在網上對戰過，結果輸了。Google在圍棋AI上這麼高調實則是展示自家在機器學習、人工智慧等新領域的實力，前幾天Google還公佈了專門為AI運算研發的TPU加速晶片，在AI性能上比GPU加速還要快幾十倍，一時間TPU吊打GPU的報導滿天飛了。
不過宣傳吊打GPU勢必會惹到專注GPU加速AI的NVIDIA公司，
他們表示不服，並扔出了Telsa P40加速卡——老黃沒拿出Tesla P100這種核彈說明還是很低調的
。
先說說Google的TPU是怎麼回事——
TPU全稱是Tensor Processing Unit（張量處理單元），這是Google為機器學習開發的專用晶片
，計算性能會比傳統的CPU/GPU組合要強大。根據Google公佈的測試結果，TPU要比CPU/GPU加速快上15-30倍，而且能效比還要高達多，這個看要具體的TPU/CPU、TPU/GPU等不同組合了。
Google的TPU性能比傳統的CPU/GPU組合要快上幾十倍
如果只看Google公佈的結果，那麼TPU確實在性能及能效上吊打GPU加速了，不過Google宣傳自家的AI加速晶片沒問題，Google的研究人員其實探討的也只是技術上的選擇問題，不過牽涉到其他家的產品就容易惹來爭議了，特別是涉及到了NVIDIA這家懟誰都不怕的公司，因為Google的TPU性能對比用了他們家的Teksa K80加速卡。
日前NVIDIA官方博客就發表了一篇文章回應TPU加速與GPU加速孰好孰壞的問題，這篇文章說的很客氣，並沒有什麼火藥味，
只不過NVIDIA擺事實講道理列舉了Google的不對之處——你們的TPU對比的其實我們五年前的GPU加速卡
。
NVIDIA列舉了Pascal一代的Tesla P40加速卡性能
Google之前對比的加速卡是Tesla K80，這是Kepler架構的產品了，發佈於2012年，放到今天確實已經落伍了，性能只有Google TPU處理器的1/13也不足為奇。NVIDIA這次扔出的是Tesla P40，是Pascal架構中的加速卡產品，發佈於2016年，是Quadro M6000之後第二款完整版GP102核心，3840個CUDA核心，24GB顯存，單精確度性能12TFLOPS，不過針對AI運算的Int8（FP8，1/4精度）達到了47TFLOPS，NVIDIA表示P40加速卡的加速性能達到了TPU的2倍，頻寬則是TPU的10倍，還支持TPU沒有的FP32運算。
NVIDIA這篇文章裡還是挺客觀的，其中也說了不少TPU加速的優點，而雙方這次的過節實際上是選擇了不同的技術路線，這個問題也不只是TPU與GPU之爭，要是擴大起來，Intel的CPU也要表示不服了，畢竟Google對比的CPU還是Haswell時代的Xeon E5-2699 v3處理器。
不過Intel即便不服氣也不可能拿CPU來跟Google對懟了，因為CPU這種通用處理器並不適合AI加速運算，所以Intel才買了Altera，後者的FPGA晶片也可以用來做AI加速，Intel要是不服的話大可以拿最新的Stratix 10 FPGA晶片來說話。