里程碑式Google TPU v4重磅发布

Google I/O开发者大会去年因为疫情而取消，今年采取线上形式强势回归。在没有开发者在场的Google园区内，Google CEO桑达尔·皮查伊（Sundar Pichai）宣布推出多项全新技术，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，还有最新一代AI芯片TPU v4。

最强TPU，速度提升2倍，性能提升10倍

Google官方介绍，在相同的64芯片规模下，不考虑软件带来的改善，TPU v4相较于上一代TPU v3性能平均提升2.7倍。

在实际应用中，TPU v4主要与Pod相连发挥作用，每一个TPU v4 Pod中有4096个TPU v4单芯片，得益于其独特的互连技术，能够将数百个独立的处理器转变为一个系统，互连带宽在规模上是其他任何网络技术的10倍，每一个TPU v4 Pod就能达到1 exaFlOP级的算力，实现每秒10的18次方浮点运算。这甚至是全球最快的超级计算机“富岳”的两倍性能。

“如果现在有1千万人同时使用笔记本电脑，所有这些计算机累加的计算能力，刚好就能够达到1 exaFLOP的算力。而之前要达到1 exaFLOP，可能需要专门定制一个超级计算机。”皮查伊如是说。

今年的MLPerf结果表明，GoogleTPU v4的实力不容小觑，在使用ImageNet数据集的图像分类训练测试（准确度至少75.90%），256 个TPU v4在1.82分钟内完成了这一任务，这几乎与768个Nvidia A100图形卡、192个AMD Epyc 7742内核（1.06分钟）、512个华为AI优化的Ascend910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。

当负责在大型维基百科语料库上训练基于Transform的阅读理解BERT模型时，TPU v4的得分也很高。使用256个TPU v4进行训练需要1.82分钟，比使用4096 TPU v3进行训练所需的0.39分钟要慢1分多钟。同时，如果想要使用Nvidia的硬件达到0.81分钟的训练时间，需要2048张A100卡和512个AMD Epyc 7742 CPU内核。

Google同样在I/O大会上展示了能够用到TPU v4的具体AI实例，包括能够同时处理网页、图像等多种数据的MUM模型（Multitask Unified Model，多任务统一模型）和专为对话打造的LaMDA都是能够用到TPU v4的场景模型，前者比阅读理解模型BERT强1000倍，适合赋能搜索引擎帮助用户更加高效地得到自己想要的信息，后者则可以与人类进行不间断的对话交流。

这一并不向外出售的TPU，很快将在被部署在Google的数据中心，且90%左右的TPU v4 Pod都将使用绿的能源。另外，Google也表示，将在今年晚些时候开放给Google Cloud的客户。

Google自研TPU，五年更新四代

Google最早于2016年宣布首款内部定制的AI芯片，区别于训练和部署AI模型的最常见的组合架构，即CPU和GPU组合，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”，宣告并不是只有GPU才能做训练和推理。

Google第一代TPU采用28nm工艺制程，功耗大约40w，仅适用于深度学习推理，除了AlphaGo，也用在Google搜索、翻译等机器学习模型中。

2017年5月，Google发布了能够实现机器学习模型训练和推理的TPU v2，达到180TFLOPs浮点运算能力，同时内存带宽也得以提升，比同期推出的CPU AI工作负载提升30倍，比GPU AI工作负载提升15倍，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。

2018年5月，Google又发布第三代TPU，性能是上一代TPU的两倍，实现420TFLOPs浮点运算，以及128GB的高带宽内存。

按照一年一次迭代更新的节奏，Google理应在2019年推出第四代TPU，不过这一年的I/O大会上，Google推出的是第二代和第三代TPU Pod，可以配置超过1000颗TPU，大大缩短了在进行复杂的模型训练时所需耗费的时间。

在AI芯片发展史上，无论是从芯片上内存上，还是从可编程能力来看，Google TPU都是不可多得的技术创新，打破GPU的“垄断”地位，且打开云端AI芯片的新竞争格局。

发展五年的Google TPU在今天依然保持着强劲的竞争力，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。