兩年前，谷歌推出了旗下的張量處理器（Tensor Processing Units），即TPUs。這種芯片可以用在公司數據中心里，專門負責一些人工智能數據處理工作。

但是隨著物聯網的發展和物端智能計算的需求，現在谷歌正在將他們的人工智能計算經驗從云端往下搬，推出了新的Edge TPU（邊緣計算 TPU）。Edge TPU是一個體積很小的人工智能計算加速器，有了它，物聯網設備就能擁有處理機器學習任務的能力啦！

物端直接進行計算的方法又叫邊緣計算（Edge Computing），所以谷歌會管該類芯片叫做Edge TPUs. 物端的意思是物聯網終端，就是咱們平常說的智能終端、智能手機、智能煙霧器、智能巴拉巴拉硬件。

谷歌新推出的EdgeTPU放置在一個一美分硬幣之上

Edge TPU主要是為了處理所謂“推斷”類的機器學習任務。“推斷”是在整個機器學習的過程中，被訓練好的模型執行任務的階段，比如從一張圖片里識別出某種物體。谷歌之前推出的服務器端的TPUs主要是負責訓練模型的，現在推出的這個Edge TPUs主要是負責使用訓練好的模型進行“推斷”任務的。

Edge TPUs是注定要用在企業場景中，而非咱們的智能手機里。比如，企業工廠生產場景中的自動質量檢查工作就很適合Edge TPUs。相對于通過硬件設備采集數據然后通過網絡發送給服務器進行分析的傳統方法而言，在物端直接執行智能分析的方法有很多優勢，包括物端機器學習更能夠保障安全性，等待和停機的時間更短，決策速度更快等。（這些優勢是目前物端機器學習的賣點）

Edge TPU是TPU的小兄弟，TPU是谷歌公司用來加速人工智能計算的專用處理器，其它消費者能夠通過買谷歌云服務來使用這項技術。

谷歌可不是唯一一個做這樣物端人工智能芯片的公司。ARM、Qualcomm 、Mediatek和其它很多芯片廠商都在做自己的人工智能加速器，英偉達(Nvidia)的GPUs還是市場上最著名的人工智能模型訓練芯片。

然而，谷歌的優勢是控制全棧人工智能計算硬件產品與服務市場，而競爭對手們并沒有做到。用戶可以將數據存儲在谷歌云服務，可以通過TPUs訓練自己的算法，可以使用Edge TPUs進行最終的物端機器學習推斷。谷歌還將會通過自行創建和運營的一款編程框架TensorFlow來開發機器學習軟件。

這種“什么都是我們家”的垂直一體化形式（vertical integration）有明顯的優勢。谷歌能夠保證系統中的每個部分間的通訊盡可能有效和流暢，使用戶能夠在谷歌的生態系統中操作得更容易、使用得更方便。

“你的傳感器將不再僅僅會無腦采集數據啦”

谷歌云的物聯網部門副總裁Injong Rhee在一篇博客中將這種新硬件形容成“一種專門用來在物端跑輕量級Tensorflow和機器學習模型的ASIC芯片”。Rhee說：“Edge TPUs是用來補足和完善我們云端TPU產品的，有了它，你就能夠在云端用TPU加速機器學習模型的訓練，然后在物端的設備還能有輕量級還快速的機器學習決策能力。你的傳感器就不光是一個數據采集終端了，它們還能進行本地化、實時性的智能決策任務。”

有趣的是，谷歌也將Edge TPU當作一個開發套件提供給消費者，這樣一來消費者就能輕松地測試硬件性能，也能知道到底Edge TPUs是否適合他們的產品了。這個開發套件中包括一個SOM（System on module，模塊化系統），SOM中就包括了Edge TPU芯片，還有一個NXP的CPU，一個小型化安全單元。SOM也配備Wi-Fi通訊功能。SOM能夠通過USB或者PCI-E的方式和咱們的計算機進行連接。這套開發套件現在還是處于beta狀態，而且需要用戶申請才能試用。

在谷歌的發布新聞中，有一點雖然看似不起眼，但是很耐人尋味。按照谷歌的脾氣，一般不會讓公眾染指其人工智能硬件部分。但是如果谷歌想讓消費者真正能夠使用這個技術，那肯定需要讓大家先試試它，而不是靠著谷歌振臂一呼就讓大家堅信“谷歌大法好”，扎入谷歌人工智能大家庭的懷抱（AI Googlesphere）。這個開發板不只是為了吸引同行者，它更是表明了谷歌對于整個AI計算產品和服務市場的覬覦之心和嚴肅態度。