从TPU在Google数据中心运行的表现来看，它可以为机器学习带来相当出色的表现，而目前Google领先机器学习领域，不难看出，是缘于TPU定制芯片提供支撑，说明TPU是专为机器学习应用而定制的。
机器学习为许多深受欢迎的Google应用程序增添了不少魅力，当前有超过百支谷歌团队在使用这项技术，包括街景、收件箱智能回复、语音搜索等。在I/O 2016大会的主题演讲期间，Google向大家介绍了其在人工智能和机器学习领域的最新进展，其中一个有趣的细节，就是所谓的TPU（张量处理单元）定制芯片。
优秀的软件，自然少不了优秀硬件的加持，几年前，Google就已经悄悄地开展了一个项目——自己动手，为机器学习应用程序提供定制加速。
这项研究的成果，就是本文要着重介绍的“张量处理单元”（Tensor Processing Unit），简称TPU。这是一款为机器学习而定制的ASIC、并且经过了TensorFlow的调教。
TPU已经在Google数据中心运行了一年多，实践表明它可以为机器学习带来相当出色的每瓦特性能表现。TPU是专为机器学习应用而定制的，它的宽容度更高，可以降低计算的精度（所需的晶体管操作也更少）。
正因如此，我们每秒都可以在芯片中挤出更多的操作时间，使用更复杂和强大的机器学习模型、将之更快的部署，用户也会更加迅速地获得更智能的结果。
TPU是Google从研究快速走向实际应用的一个积极例子，团队只花了22天的时间，就让它在数据中心运行了起来。
TPU早已为许多Google服务提供支撑，包括RankBrain（用于改进搜索结果的相关性）和街景（改进地图导航的精度和品质）。
在与李世石的人机围棋对战中，AlphaGo的背后也有着TPU的身影。TPU让AlphaGo可以更快的思考，在移动之前更加高瞻远瞩。
在基础设施对战中打造的TPU，使得Google能够向开发者们带去更大的软件能量，比如在先进的加速技术加持下的TensorFlow和云机器学习。
机器学习为Google应用程序增添了不少魅力，使得Google在机器学习领域上做到业内领先，同时，还将给谷歌提供给尽可能多的客户。