谷歌设计了用于驱动深层神经网络的计算机芯片，深层神经网络的人工智能技术重新发明了互联网服务运营方式。

美国时间18号上午，在谷歌I/O2016，CEO桑德尔·皮蔡(Sundar Pichai)表示，谷歌设计了一个ASIC(Application Specific Integrated Circuits：专用集成电路)，专门针对深层神经网络。这些硬件和软件的网络，可以通过分析大量的数据学习特定任务。谷歌使用神经网络来识别照片里的物体和面孔、理解你对Android手机说出的命令、或者翻译语言文本。该技术甚至开始改变谷歌的搜索引擎。

谷歌将其芯片称为张量处理单元(Tensor Processing Unit：简称TPU)，因为它支撑着Tensor Flow(研发的第二代人工智能学习系统)，软件引擎驱动其深度学习服务。

去年秋天，谷歌发布了Tensor Flow的开放源代码许可证，这意味着公司之外的任何人都可以使用，甚至修改这个软件引擎。谷歌不会共享其设计的TPU，但外人可以通过不同的谷歌云服务利用其机器学习硬件和软件。

谷歌只是将深度学习加入到广泛的互联网服务的众多公司之一，还有Facebook、微软和Twitter。通常，这些互联网巨头推动他们的神经网络与图形处理单元，或GPU，如芯片制造商NVIDIA。但包括微软在内的一些公司，也正在探索现场可编程门阵列(field program ablegatearrays：简称FPGA)，可以编程为特定任务的芯片。据谷歌所说，驱动在线服务的数据中心内部的海量硬件机架，TPU板就像硬盘驱动器一样安装到相同的插槽，对比其他的硬件，它提供了“一系列每瓦数量级更好的优化性能的机器学习”解决方案。“TPU是专为机器学习应用而设，让芯片更加兼容的减少计算精度，这意味着每个操作它需要的晶体管更少。”谷歌在博客文章中发布。“正因为如此，我们可以把每秒的操作更多地集成硅，使用更复杂和强大的机器学习模型，更快速地应用这些模型，让用户更为迅速获得更智能的结果。”

这意味着，除其他事项外，谷歌使用芯片的方式不像Nvidia，也不像其他公司使用更少的芯片。同时我们还可以看出，谷歌希望打造自己的芯片，对芯片制造商来说是个坏消息，特别是世界上最大的：英特尔。英特尔处理器驱动着谷歌内部庞大的计算机服务器，而英特尔的烦恼在于，谷歌有一天会设计自己的中央处理器。