人工智能的最终目标要让电脑模拟人脑的智慧，并据此做出决策完成任务。

时隔一年，AlphaGO 打败世界****围棋高手柯洁，再度完胜人类棋士！

AlphaGO 背后致胜关键 TPU同样吸引世人目光。这次与柯洁的对弈，AlphaGO 跟着升级，导入近日甫在 I/O 大会亮相的第二代 TPU，也再一次引发科技业一波对于“Google 第二代 TPU，究竟会为 Nvidia 带来多大威胁？”的热烈讨论。

AlphaGO 在 2016 年初打败韩国围棋九段高手李在乭一战成名，时隔几个月，AlphaGO 的幕后推手 Google 在 I/O 大会首度揭露背后致胜的关键──自家机器学习芯片 TPU（Tensor Processing Unit）。然直到今年 6 月 Google 才正式公开设计架构与相关细节，Google 官方称“TPU 处理速度比当前 GPU、CPU 要快 15~30 倍”，除了引起不少关注，更引发了一波与 Nvidia 的口水战，甚至让 Nvidia CEO 黄仁勋亲自发文反击，并贴出 TPU 与自家 GPU 加速器 Tesla P40 性能比较。

（Source：Nvidia）

究竟 TPU 能不能像外界所言“打败”GPU、CPU，我们先来了解 TPU 到底是什么？

Google 公开 TPU 之时，透露 TPU 为特殊应用集成电路（application-specific integrated circuit，ASIC），专为特定用途而设计、运用以执行单一工作，本质上与通用的 CPU、GPU 有很大不同，而且最终还是会运用到 CPU / GPU 的运算辅助。只能说 TPU 在人工智能的运用，与 CPU、GPU 有所重叠，而 TPU 将此重叠部分效率做到极大化。

人工智能的最终目标要让电脑模拟人脑的智慧，并据此做出决策完成任务。近年来人工智能有长足进步，机器学习的发展功不可没。简单来说，机器学习的原理，是喂给电脑大量的资料，进行学习，进而得出规律，利用这些规律对未知资料预测。

机器学习运算可能需要经过数百万次的计算，原本针对图像处理、使用平行运算一次处理大量数据，完成图形渲染的 GPU，在架构上显然比快速处理各种通用应用程序的 CPU ，更适合做为机器学习芯片。GPU 为何能在 AI 领域趁势而起，就是立基于平行运算能力。

这点不只 GPU，Google TPU 选择的 ASIC，甚或 FPGA 都能做到平行运算，也使得机器学习芯片百花齐放，各家大厂透过不同的途径发展 AI 芯片。

Google、Nvidia、英特尔、微软都大动作布局 AI 芯片

大抵而言，可将机器学习分为“训练”与“推论”两大面向，“训练”需要运用大量的运算资源，且需要精确度较高的计算，一般要达到 32 位的单精度浮点运算、甚至 64 位的双精度浮点运算。目前 GPU 仍为市场上最被广为接受的解决方案。

“推论”的应用则更强调与现实世界的互动，为了优化芯片反应的速度与达到低功耗，允许精度被部分牺牲。如 Google TPU 采用 int8 只使用八位整数运算，因此 Google 的 TPU 实为用于机器学习的“推论”。Nvidia 也在 2016 年的产品线中推出以 int8 为主的 P4 与 P40的产品。目前理论上，使用 int8 在推论中造成的精度损失，估计约在 2% 以内，也使得 int8 甚至更低位的解决方案，在市场上快速展开。

然而，不论是在推论时使用 Google 的 TPU、Nvidia 的 GPU、或如手机芯片中加强 DSP 的功能，甚至是采用更原始的比较器达到推论的效果。单以芯片本身运算的能力进行评论，仍有不足之处。如何能使业者在**的建置成本下，提供消费者**的服务品质才是关键。在推论应用如此，在学习的过程中也是。

如同于 Google 依照自数据中心在 AI 的使用情境，客制化芯片来提供服务。微软则是选择和芯片业者合作打造一个适合自身数据中心属性的系统架构。除了 GPU 的方案外，微软也和 Intel 合作，透过 FPGA 作为运算的加速度器，利用 FPGA 可编程的特性，意图打造可灵活配置资源的数据中心，来满足其长期以来累积出在不同领域的企业客户对数据中心多元的应用需求。

（Source：拓墣研究院）

Google 为什么决定自行打造 TPU

看完上述各家切入市场的策略，再回过头来看 Google 的布局。Google 之所以决定自行开发 TPU 芯片，其时空背景是在于，Google 发现既有的绘图处理器或处理器在进行资料搬运时，也就是处理器与绘图处理器，与存储器之间的资料搬运工作效率太低。

效率太差所带来的，恐怕就是拖垮整体系统效能，当然，Google 也可以选择塞进更多核心的处理器或是绘图处理器提升效能，但就面临到耗电量过高的问题。也因此，Google 才决定自行开发设计 TPU，并且在设计 TPU 时，减少计算所需要的精确度来达到省电与每秒执行更多的指令，解决推论系统效率不彰的问题，并且达成**化运算、记忆、资讯传递三者间关系的目标。

Google 自行打造 TPU 芯片除了是为优化自家演算法及发展 AI 服务外，他过去也明确说明 TPU 芯片将**自家所用，并不对外销售。事实上，Google 才在上周的 I/O 大会中明确表示，不同的服务设计需求本来就需要不同硬件架构对应**训练效果，开发者依旧可以透过传统的 CPU 与 GPU 构成合适的训练模式。

IC 设计业者未必被取代，经济规模仍扮演关键角色

看完 Google 为什么会走上自行开发 TPU 芯片的前情提要，回到 Google 与 IC 设计业者的竞争问题。

Google 因为是全球前三大的 CSP 业者，有资金、有软件与设计技术、有需求，客群以及广大影响力，一举一动不只是受到关注，甚至牵动 IC 设计业者的神经。

而现阶段由于过去传统芯片运作效率不佳，连带使得不同芯片架构有更多的发展机会与空间。Google 因为拥有**手资料，包含使用者的需求量、使用的演算法等，具有了解相关应用所需的运算型态优势，因此可以先于 IC 设计业者进行布局。包含 2017 年推出的 Cloud TPU 产品用于机械学习的学习应用中，更进一步加深 Google 与 GPU 业者竞争的氛围。

然而，Google 自行开发芯片并非意味着就将完全取代原有 IC 设计业者， 若将单一运算效能的优化与系统配置弹性视为一个频谱的两端，ASIC、DSP、GPU、FPGA 等解决方案，就是分落在频谱上不同的位置。不具有像 Google、Apple 等系统业者经济规模的厂商，考量到自行开发芯片的成本与效益，与 IC 设计厂商合作，选择能最快将服务推出的解决方案，仍是大部分厂商**的选择。

创造、交流、跨领域是人类**的优势。
这两天，在浙江桐乡乌镇的一块小小棋盘上，聚集了无数人的目光，现世界****的中国围棋选手柯洁挑战围棋人工智能AlphaGo。

前天的比赛，柯洁以1/4子负于AlphaGo。赛后，柯洁坦言自己输得毫无脾气。今天，柯洁和AlphaGo将展开第二轮较量。在比赛背后，人们对人工智能的恐慌进一步加深，有一种声音在人们当中传开：未来人类的地位会被机器取代。
而就在柯洁大战AlphaGo的前一天，2017全球人工智能技术大会在北京闭幕。会上则释放出另一种声音：人工智能不是站在人类的对立面，相反它能够帮助人们更好地生活。智能语音识别、无人驾驶、机器人智能技术……这些AI技术在解决人们生活服务等实际问题上，不断散发着自己的魅力。
到底人工智能是挑战人类权威，甚至取代人类的地位，还是帮助人类更好地实现自我价值？面对人工智能，人类该如何应对？
围棋输了不可怕
但你的工作很可能被AI替代
“一项本来由人从事的工作，如果可以在5秒钟以内对工作中需要思考和决策的问题作出相应的决定，那么，这项工作就有非常大的可能被人工智能全部或部分取代。”这是李开复老师定义的“五秒钟准则”，他还预测，约50%的人类工作会受到人工智能的影响。
被人工智能取代的工作有一个很大的特点，就是要有特别大量的数据，并且在某一专一领域里有可以客观判断的标注让它学习。基于“五秒钟准则”，一些重复性高，需大量数据、单一领域的工作，人类将会被AI取代。
那么，未来有哪些工作会被人工智能替代呢？
首先受到冲击的是金融领域，今年3月，全球**资产管理公司贝莱德集团宣布，将裁去7名主动型基金经理，并用量化投资策略取而代之。当下，各大股票交易市场里传统交易员正逐渐消失，自动化技术和人工智能技术足以完成这类工作。
接下来是医疗、互联网、智能家居等领域。例如当人工智能的诊断助手出现以后，就可以代替一部分医生的工作。一个医生无法在几秒钟内完成的诊断，计算机视觉技术和人工智能医疗技术却能快速完成基于数据或影像的初步病情筛查，并且诊断助手提供的参考意见，会更加科学、准确。
最后一个阶段就是全面的自动化。在驾驶汽车期间，人类司机是根据路况，在大脑内短时间处理完成并立即做出反应，人工智能可以做得更快更精准，因此汽车驾驶工作终将被自动驾驶技术全面替代，还能够将驾驶安全提升一个等级。
人工智能也有缺点
创造、交流、跨领域是人类**的优势
在很多情况下，人工智能的作用不是取代人们的工作，而是辅助人们提高效率。
“五秒钟准则”既是人工智能的优势，也是它无法弥补的劣势。它是理性的、客观的，所以它不会感性；它是单领域，所以它不会跨领域。如果一种工作涉及复杂、具体、多方面的判断，那么以目前的技术很难被机器取代。
在围棋的胜负上击败人类，就能说明人工智能可以替代人下围棋了吗？显然，这个逻辑不成立。至少，下棋不止于胜负，还有对弈过程中的惊心动魄，而AlphaGo即使赢了世界**，也无法体会到胜的欣喜与败的沮丧，它不会因为“天下无敌”而有丝毫变化。
同样，在新闻报道当中，数据量大、处理方式单一的工作，例如体育赛事、季度财报、股市分析等，这些机器就可以完成。但面对多领域复杂的分析解读就难了，“人工智能的未来会发展成什么样？”这种问题，人工智能能做到吗？同样，作曲家、导演、编剧、教师这些具有创造性的工作，也不会被机器所取代。
此外，还有一种工作是人工智能取代不了的，那就是服务性的行业。这些工作的特点是需要反复与人进行沟通交流。人工智能可以端茶送水，却做不到和顾客聊天谈心；人工智能可以诊断疾病，却安慰不了病人悲伤的情绪；人工智能可以传授知识，却无法帮助孩子成长。
如何才能使自己的工作不被AI替代，李开复老师给出了三个建议：
①不要做重复性的工作，这些工作必然被取代；
②人与人之间的交流非常的重要，这是**我们最后的防线，不要被人工智能击破；
③做有创意、综合性跨领域的事情，让自己成为某一个领域的人才。