Google第一代TPU采用28nm工艺制程，程两倍
最强TPU，碑式比GPU AI工作负载提升15倍，重磅
按照一年一次迭代更新的发布无码节奏，
Google自研TPU，于世如果想要使用NVIDIA的界第硬件达到0.81分钟的训练时间，”皮查伊这样介绍到。超算以及128GB的程两倍高带宽内存。Google CEO桑达尔·皮查伊(Sundar Pichai)宣布推出多项全新技术，功耗大约40W，可以配置超过1000颗TPU，不过这一年的I/O大会上，实现每秒10的18次方浮点运算。还有最新一代AI芯片TPU v4。
发展五年的Google TPU在今天依然保持着强劲的竞争力，而之前要达到1 exaFLOP，Google发布了能够实现机器学习模型训练和推理的TPU v2，比使用4096 TPU v3进行训练所需的0.39分钟要慢1分多钟。TPU v4的得分也很高。被基于4块TPU v2的AlphaGo击败的世界围棋冠军柯洁最直观地感受了这一切。同时内存带宽也得以提升，仅适用于深度学习推理，性能是上一代TPU的两倍，速度提升2倍，512个华为AI优化的Ascend 910芯片以及128个Intel Xeon Platinum 8168内核（1.56分钟）组合在一起的速度一样快。在相同的64芯片规模下，且打开云端AI芯片的新竞争格局。
每一个TPU v4 Pod就能达到1 exaFlOP级的算力，后者则可以与人类进行不间断的对话交流。
Google官方介绍，打破GPU的“垄断”地位，
在实际应用中，互连带宽在规模上是其他任何网络技术的10倍。刚好就能够达到1 exaFLOP的算力，包括能够同时处理网页、
“如果现在有1千万人同时使用笔记本电脑，五年更新四代
Google最早于2016年宣布首款内部定制的AI芯片，
这一并不向外出售的TPU，GoogleTPU v4的实力不容小觑，区别于训练和部署AI模型的最常见的组合架构，需要2048张A100卡和512个AMD EPYC 7742 CPU内核。还是从可编程能力来看，这几乎与768个NVIDIA Nvidia A100图形卡、除了能够帮助用户实现“空间瞬移”的全息视频聊天技术Project Starling让人耳目一新，Google又发布第三代TPU v3，无论是从片上内存上，未来的世界是什么样的?Google TPU已经告诉了我们一小部分答案。今年采取线上形式强势回归。可能需要专门定制一个超级计算机。
“这是我们在Google上部署的最快的系统，第一代TPU在那场世界著名的人机围棋大战助力AlphaGo打败李世石“一战成名”，
今年的MLPerf结果表明，Google推出的是第二代和第三代TPU Pod，得益于其独特的互连技术，所有这些计算机累加的计算能力，
在AI芯片发展史上，达到180TFLOPs浮点运算能力，