前言
張量處理器（Tensor Processing Unit，TPU）是Google公司為機器學習所開發的特殊專用處理器。在2016年的Google I/O年會上首次公布了TPU，不過在這之前，Google街景服務及世界棋王AlphaGo等知名的應用程式與研究中，都使用到了TPU。那為什麼要研發這個處理晶片呢?
AlphaGo使用配有TPU的伺服器（圖片來源：https://cloudplatform.googleblog.com/）
更有效地處理任務–TPU的誕生
在現在機器學習正夯的時期，Google公司的許多服務，例如：語音辨識服務，需要透過分析大量的數據來學習處理任務的能力，但是要處理這麼大量的資料，需要更大量或更強大的伺服器來完成。因此，這個訂制的機器學習處理晶片就誕生了，TPU除了具備在處理機器學習方面能高速運算外，也解決了原本提高伺服器成本的窘境。
Google TPU（圖片來源：https://cloud.google.com/tpu/）在傳統平行處理大量任務上，我們會想到圖形處理器（GPU），與GPU相比，TPU具有單位成本上高速運算的優點，因為TPU透過降低每一步運算操作所需的運算單元數量，以及使用特殊設計的陣列運算，因此可將功耗約控制在28至40瓦，進而大幅降低功耗。也因為特殊架構的設計，在處理專用的數據學習任務上，可以很有效地加快運算速度。
結語
大量數據學習的運算處理器，現在不只有Google公司注意到這方面的需求，許多知名公司也研發了符合各自特殊應用的自主學習運算晶片。人工智慧蓬勃討論和發展的現在，這類加速學習運算的處理器相信未來也將應用在其他領域上，像是智慧型手機及汽車，我們都會使用到許多辨識功能或者內部大量的數據分析，皆可以透過像是TPU這類專用的處理晶片加速運算。綜合上述，這類專用處理器很有可能成為未來運算特定人工智慧（AI）任務的趨勢！
副總編輯：國立中山大學資訊工程學系 陳坤志教授
總編輯：國立中山大學資訊工程學系 黃英哲教授
（本文由科技部補助｢
新媒體科普傳播實作計畫｣執行團隊撰稿）
