Google通过AIY项目套件向成千上万的人们介绍了人工智能和机器学习概念，例如带语音识别的AIY Voice Kit和用于计算机视觉应用的AIY Vision Kit。
该公司现已进一步推出Edge TPU，它自己的专用ASIC芯片设计用于在边缘运行TensorFlow Lite ML模型，以及相应的AIY Edge TPU开发板，以及AIY Edge TPU加速器USB添加到任何USB兼容硬件。
Edge TPU是一款用于机器学习（ML）的小型芯片，针对每瓦性能和每美元性能进行了优化。 它既可以加速设备上的ML推理，也可以与Google Cloud配对，创建完整的云端到边缘ML堆栈。 在任何一种情况下，本地处理都可以减少延迟，消除对持久网络连接的需求，增加隐私，并使用更少的功率实现更高的性能。
该芯片将支持新的Cloud IoT Edge软件，该软件允许您在Edge TPU或基于GPU和CPU的加速器上执行在Google Cloud中训练的ML模型。Cloud IoT Edge可以在Android Things或基于Linux OS的设备上运行。
它有三个主要组件：
具有至少一个CPU的网关类设备的运行时，用于在本地存储，转换，处理和从边缘数据中获取智能，同时与其余的Cloud IoT平台进行互操作。
Edge IoT Core运行时可以更安全地将边缘设备连接到云。
基于TensorFlow Lite的Edge ML运行时，使用预先训练的模型执行本地ML推理
用户在边缘做得越多越好，但对于像培训和更强大的框架这样的任务，仍然需要云。
谷歌还将提供一个带有系统级模块（SoM）的开发板，该系统将Edge TPU与NXP i.MX 8M处理器以及基板暴露端口和I/O相结合。
该板采用Raspberry Pi的一些提示，信用卡外形和40针连接器，但连接器的位置不会使其与RPI配件兼容。
Edge TPU Dev Board将运行Debian Linux或Android Things，并支持TensorFlow Lite。
但是，如果您已经熟悉特定的开发板和环境，那么您可能不想再购买另一个，并再次学习。 就像英特尔的Movidius神经计算棒一样，AIY Edge TPU加速器是一种USB棒，旨在通过USB接口为现有主板增加机器学习加速功能。 但是，Edge TPU加速器不依赖于Myriad 2 VPU和USB 3.0 A型端口，而是配备了Edge TPU芯片和USB C型端口。
AIY Edge TPU加速器规格：
ML加速器 - Google Edge TPU协处理器
连接器 - USB Type-C（数据/电源）仅与USB 2.0速度的Raspberry Pi板兼容
尺寸 - 65毫米x 30毫米
外壳包括用于连接主机板的安装孔，例如Raspberry Pi Zero，即将推出的Libre Computer AML-S805X-AC板或您的定制板。就像开发板一样，Edge TPU加速器可以与Debian，Android Things和TensorFlow Lite框架一起使用。
TensorFlow目前还没有利用Broadcom VideoCore图形处理器的潜在ML功能，因为Nvidia使用更强大的Pascal GPU。他接着建议，可能有可能为单核Raspberry Pi Zero电路板开发一个特殊的GPU相关端口，但目前Pi的四个CPU内核上有足够的电量。谈到GPU的潜在钩子，他写道：“在最新的Pi上使用四核CPU和Neon，虽然在Pi Zeroes上仍然很有趣，但没有那么大的优势。”
另一种解释是谷歌正在跳过 GPU，因为它希望 Raspberry Pi 用户和其他嵌入式开发商能够利用其最近宣布的，适用于 TensorFlow 的 Linux 友好型 Edge TPU ML 加速器芯片。今年秋季将推出 Edge TPU以及基于恩智浦 i.MX8M 的 Linux 开发套件和 Edge TPU加速器USB加密狗，它可以适用于包括Pi在内的任何Linux计算机。
Edge TPU是其企业级云量程处理单元（Cloud TPU）AI协处理器的轻量级嵌入式版本。与新的Cloud IoT Edge堆栈相结合，该芯片设计用于在基于ARM Linux或Android Things的物联网网关上运行TensorFlow Lite ML模型，这些网关连接到Google Cloud服务。