超越GPU：TPU能成为接班人吗？

在计算机的世界里，硬件技术的发展一直在快速推进。今天，我们要谈论的就是一种特殊的处理器：TPU，全称是Tensor Processing Unit。在我们开始深入探讨TPU之前，先了解一下两个重要的芯片技术，FPGA和ASIC。

FPGA和ASIC
FPGA，全称为现场可编程门阵列，这是一种特殊的处理器，我们可以通过程序代码来控制其中的电路连线，从而实现某种特定的算法单元。简单来说，它就像一块空白的画板，可以根据需要进行编程和配置，实现各种硬件功能。使用FPGA，我们可以快速低成本地验证硬件设计，或者少量定制芯片的发行。

而ASIC，全称为专用集成电路，是为专门用途设计的芯片，如相机芯片、音频芯片、网卡芯片、挖矿芯片等等。可以说，对FPGA进行编程，就是把FPGA电路变成了一个ASIC。相比之下，FPGA需要的晶体管更多、能耗更大、单片成本也高。然而，FPGA没有硬件研发成本，但ASIC需要仿真、验证、流片等流程，如果不能大量发行，研发成本就不能被摊薄，反而整体成本更高。

了解了这两种技术之后，我们再来来看看TPU是什么？

什么是TPU？
TPU全称为Tensor Processing Unit，是一种张量处理器，属于一种ASIC。

张量在物理学和数学上有着广泛的应用，它经常被用来表达几何性质和物理规律。对于初次接触张量这个概念的同学，应该完全不知其所云，我这里简单介绍下。

大多数同学应该都听说过或接触过向量或者矩阵，在编程中向量可以使用一维数组表达，矩阵可以使用二维数组来表达，那么张量呢？它是多维数组。张量处理器就是专门用来进行多维数组运算的专用处理器，当然用它来搞搞矩阵、向量和单个数字的运算也完全没有问题，因为向量、矩阵都是张量的子集。

理解了什么是TPU，我们还要多问个为什么，为什么需要TPU？

为什么需要TPU？
其实在上面介绍ASIC时，我已经提到过了一些，包括为专门的用途设计和更低的成本，这里再展开详细说明下 网页链接