手机排行榜2023寻找那一台性价比如TPU v4般强大的伙伴
Google I/O开发者大会在疫情的影响下取消了去年的线上形式，这年份它以强有力的回归姿态展现，尽管没有开发者的身影出现在Google园区中，但Google CEO桑达尔·皮查伊（Sundar Pichai）仍带来了多项令人瞩目的新技术。除了全息视频聊天技术Project Starling让人耳目一新的惊喜，还有最新一代AI芯片TPU v4，它像是给了我们一个“空间瞬移”的视觉体验。
TPU v4：性能提升两倍，速度翻番
这次发布的TPU v4被描述为“历史性的里程碑”，因为它是Google部署在内部系统中的最快系统之一。相比于前一代TPU v3，新型号在相同规模的64芯片配置下表现出了平均2.7倍的性能提升。在实际应用中，每个Pod内含4096块单独工作的TPU v4芯片，由于其独特互连技术，它们能够集成成一个高效运算系统，其连接带宽远超其他网络技术。此举使得每个Pod都能达到1 exaFlOP级别计算能力，即每秒10^18次浮点运算，对比全球最快超级计算机“富岳”来说，它们甚至拥有更高的性能水平。
如果想象一下，一千万台笔记本电脑同时使用时累积出的计算能力，就足以达到1 exaFLOP。这说明过去要实现这个水准，我们可能需要定制专门用于超级计算机。皮查伊CEO的话语充满了对这一突破性科技进步的自豪感。
今年MLPerf测试结果显示，Google TPU V4已经成为竞争对手不可忽视的一员。在图像分类任务上，即便使用ImageNet数据集进行训练测试（至少75.90%准确率），256个TPU V4仅需1.82分钟完成任务。这与768块NVIDIA A100图形卡、192块AMD Epyc 7742核心或512块华为AI优化Ascend910芯片组合并128块Intel Xeon Platinum 8168核心一起完成同样时间长度的事实相比，也相当令人印象深刻。
此外，在大型维基百科语料库上的BERT模型训练方面，虽然256个TPUs需要1.82分钟，而4096 TPU V3只需0.39分钟，但这种差距可以用2048张A100卡和512个AMD Epyc 7742 CPU内核来弥补，使得它们能在0.81分钟内完成相同工作量。
展示未来可能性
通过I/O大会，我们不仅看到了这些先进的人工智能硬件如何发挥作用，还见证了它们如何被应用到具体场景中，如MUM（Multitask Unified Model）- 这是一个能够处理网页、图像等多种数据类型的大型模型，并且比BERT强大1000倍；以及LaMDA - 一款专为对话设计的人工智能助手，可以持续无缝地与人类交流。
即将推向市场但并不广泛销售给用户的是这款未来的AI加速器——90%以上将运行绿色能源。这意味着不久后，这些设备将开始部署至世界各地谷歌云服务中心，并且计划开放给客户使用。在接下来的一段时间里，我们很可能会看到更多基于这样的创新而发展起来的人工智能应用和产品，以改变我们的生活方式和工作环境。
