“That said, we believe the real contest is not at the chip level. The challenge is scaling out compute accelerators to exascale proportions. Nvidia is taking its first steps with NVLink and pursuing greater accelerator independence from the processor. Nvidia is growing its software infrastructure and workload base up from single GPUs to clusters of GPUs.”

　　“Google chose to scale out its original TPU as a coprocessor directly linked to a processor. The TPU2 can also scale out as a direct 2:1 accelerator for processors. However, the TPU2 hyper-mesh programming model doesn’t appear to have a workload that can scale well. Yet. Google is looking for third-party help to find workloads that scale with TPU2 architecture.”

　　对于Data center的training和inference系统来说，竞争已经不是在单一芯片的层面了，而是看能否扩展到exascale的问题（exaFLOPS，10的18次方）。而和TPU2的同时发布TensorFlow Research Cloud (TFRC)，对于发展TPU2的应用和生态，才是更为关键的动作。大家可以顺便看看这次Google展示的板级和机架的照片。

　　

　　

　　对于一个AI芯片项目来说，考虑整个软硬件生态，要比底层硬件架构的设计重要的多。最终给用户提供一个好用的解决方案，才是王道。

　　而对于看热闹的我们，也许站的远一点，可以看到更多有价值的东西，争论也才更有意义。

相关阅读：

a72架构芯片电视好不好

ai芯片两种思路

bs架构和cs架构的区别

gpu芯片价格

微服务架构与实践pdf

ai怎么画太极

soa架构是什么

ai如何做太极

三层架构增删改查实例

企业架构的意义

碧桂园组织架构

arm架构和x86架构

相关推荐：

华为史上最美操作系统，你绝对不能错过的EMUI5.0

国产操作系统典范：deepin操作系统

娱乐办公两不误！这个笔记本能把屏幕拔下来写字

斗鱼响应新规加强监管，坚持打造优质精品直播

SpaceX 火箭爆炸原因确定：液态氧过冷成了固态

华为Mate9中国版真机秀 你绝对没发现它有两种版本

99%的人都不知道的微信高效使用术？

乐视网一周蒸发88亿元 贾跃亭反思节奏发展过快

似乎已经战胜传统渠道的小米 今年为什么被OPPO、vivo 打败？

优雅商务风，性能一鸣惊人—TCL 950体验评测

转载请注明出处。