Google昨天宣布旗下的AlphaGo今年5月份将与围棋世界冠军柯洁对战，去年的人机大战已经显示了AI在这方面强大的实力，而此前柯杰与AlphaGo也在网上对战过，结果输了。Google在围棋AI上这么高调实则是展示自家在机器学习、人工智能等新领域的实力，前几天Google还公布了专门为AI运算研发的TPU加速芯片，在AI性能上比GPU加速还要快几十倍，一时间TPU吊打GPU的报道满天飞了。不过宣传吊打GPU势必会惹到专注GPU加速AI的NVIDIA公司，他们表示不服，并扔出了Telsa P40加速卡——老黄没拿出Tesla P100这种核弹说明还是很低调的。
先说说Google的TPU是怎么回事——TPU全称是Tensor Processing Unit（张量处理单元），这是Google为机器学习开发的专用芯片，计算性能会比传统的CPU/GPU组合要强大。根据Google公布的测试结果，TPU要比CPU/GPU加速快上15-30倍，而且能效比还要高达多，这个看要具体的TPU/CPU、TPU/GPU等不同组合了。
Google的TPU性能比传统的CPU/GPU组合要快上几十倍
如果只看Google公布的结果，那么TPU确实在性能及能效上吊打GPU加速了，不过Google宣传自家的AI加速芯片没问题，Google的研究人员其实探讨的也只是技术上的选择问题，不过牵涉到其他家的产品就容易惹来争议了，特别是涉及到了NVIDIA这家怼谁都不怕的公司，因为Google的TPU性能对比用了他们家的Teksa K80加速卡。
日前NVIDIA官方博客就发表了一篇文章回应TPU加速与GPU加速孰好孰坏的问题，这篇文章说的很客气，并没有什么火药味，只不过NVIDIA摆事实讲道理列举了Google的不对之处——你们的TPU对比的其实我们五年前的GPU加速卡。
NVIDIA列举了Pascal一代的Tesla P40加速卡性能
Google之前对比的加速卡是Tesla K80，这是Kepler架构的产品了，发布于2012年，放到今天确实已经落伍了，性能只有Google TPU处理器的1/13也不足为奇。NVIDIA这次扔出的是Tesla P40，是Pascal架构中的加速卡产品，发布于2016年，是Quadro M6000之后第二款完整版GP102核心，3840个CUDA核心，24GB显存，单精度性能12TFLOPS，不过针对AI运算的Int8（FP8，1/4精度）达到了47TFLOPS，NVIDIA表示P40加速卡的加速性能达到了TPU的2倍，带宽则是TPU的10倍，还支持TPU没有的FP32运算。
NVIDIA这篇文章里还是挺客观的，其中也说了不少TPU加速的优点，而双方这次的过节实际上是选择了不同的技术路线，这个问题也不只是TPU与GPU之争，要是扩大起来，Intel的CPU也要表示不服了，毕竟Google对比的CPU还是Haswell时代的Xeon E5-2699 v3处理器。
不过Intel即便不服气也不可能拿CPU来跟Google对怼了，因为CPU这种通用处理器并不适合AI加速运算，所以Intel才买了Altera，后者的FPGA芯片也可以用来做AI加速，Intel要是不服的话大可以拿最新的Stratix 10 FPGA芯片来说话。