TPU即将来临，你了解电脑芯片吗
当地时间7月24日，2018年Google Cloud Next在美国旧金山召开，大会主题为AI和安全。谷歌每年的会议都备受关注，本次会议发布的产品偏实用性，通用性更强，其中AI相关的产品更是重中之重。而这次会议的一大亮点就是谷歌AI首席科学家李飞飞宣布第三代谷歌TPU已经进入Alpha测试阶段。这一成果表明离能使神经网络加速的TPU正式使用仿佛又近了一步，这是AI行业很大的一个进步。
TPU尚未大规模使用，我们先来回顾一下现在使用的主流芯片CPU和GPU，来了解一下它们的异同。
用得最早也是使用最广泛的计算机芯片是CPU，也就是中央处理器。
CPU的结构主要包括控制器（指挥各部分工作）、运算器（实现数据加工）、寄存器、高缓以及数据/控制/状态总线。计算机的性能很大程度上依赖于CPU，CPU的功能包括程序控制（控制指令执行的先后顺序）、操作控制（控制指令操作）、时间控制（控制各种操作的时间）、数据加工（实现数据的算术和逻辑运算）等，简单来说，CPU就是对指令流和数据流进行时间和空间上的控制。CPU擅长处理诸如分布式、协调控制这种复杂运算，具有很强的通用性。
由于CPU中存储单元和控制单元占用了大量空间，所以计算单元是受限的，这一缺点在并行问题上就体现出来了，它在要求大规模与快处理速度的问题上显得有些局限。因此，拥有众多计算单元的GPU就出现了。
GPU全称为Graphics Processing Unit，即图形处理器。GPU最初是为了端游设计的，因为在游戏中要对大量数据重复相同的操作，所以GPU面对的是类型高度统一、相互无依赖的大规模数据。由于设计目标不同，所以GPU和CPU在架构上差异很大。GPU中有很多计算单元，流水线也相当长，而逻辑运算单元设计相对简单。GPU的核数远远多于CPU，将相同的指令发送到众核上处理不同的数据，这一架构有利于GPU处理拥有很多数据的问题。
总的来说，CPU和GPU的主要区别是CPU是通用计算，而GPU是专用计算。打个比方来讲，CPU是老教授，能力很强但数量很少，GPU是小学生，能力很弱但数量众多。GPU的高性能主要体现在并发性上。现在虽然CPU也是多核，但是CPU的并发就像是10个人每个人处理一个问题，而GPU的并发是1个人处理10个问题，两者在效率上具有很大的差异。所以计算密集型的程序和易于并行的程序更适合在GPU上运行。
通过以上科普，不知道大家对CPU和GPU是不是有些了解了，就日常对电脑的需求来讲，CPU就足够支撑正常活动了，如果你从事相关研究，GPU就必不可少了。