GPU/CPU/TPU，聊人工智能硬件前咱先把这几个概念搞懂

GPU的劣势
不过，GPU也有不足之处。据浙商证券总结：
虽然GPU更擅长于类似图像处理的并行计算，因为像素与像素之间相对独立，GPU 提供大量的核，可以同时对很多像素进行并行处理。但是，这并不能带来延迟的提升（而仅仅是处理吞吐量的提升）。比如，当一个消息到达时，虽然 GPU 有很多的核，但只能有其中一个核被用来处理当前这个消息，而且 GPU 核通常被设计为支持与图像处理相关的运算，不如 CPU 通用。

GPU 主要适用于在数据层呈现很高的并行特性（data-parallelism）的应用，比如 GPU 比较适合用于类似蒙特卡罗模拟这样的并行运算。

GPU 的另外一个问题是，它的"确定性"不如可编程的硅芯片FPGA，相对较容易产生计算错误。

TPU
TPU，即谷歌的张量处理器--Tensor Processing Unit。

据谷歌工程师Norm Jouppi介绍，TPU是一款为机器学习而定制的芯片，经过了专门深度机器学习方面的训练，它有更高效能（每瓦计算能力）。大致上，相对于现在的处理器有7年的领先优势，宽容度更高，每秒在芯片中可以挤出更多的操作时间，使用更复杂和强大的机器学习模型，将之更快的部署，用户也会更加迅速地获得更智能的结果。

谷歌专门为人工智能研发的TPU被疑将对GPU构成威胁。不过谷歌表示，其研发的TPU不会直接与英特尔或NVIDIA进行竞争。

据谷歌介绍，TPU已在谷歌的数据中心运行了一年多，表现非常好。谷歌的很多应用都用到了TPU，比如谷歌街景，以及AlphaGo等。

TPU最新的表现正是人工智能与人类顶级围棋手的那场比赛。在AlphaGo战胜李世石的系列赛中，TPU能让AlphaGo"思考"更快，"想"到更多棋招、更好地预判局势。