人工智能的最終目標要讓電腦模擬人腦的智慧，并據此做出決策完成任務。

時隔一年，AlphaGO 打敗世界****圍棋高手柯潔，再度完勝人類棋士！

AlphaGO 背后致勝關鍵 TPU同樣吸引世人目光。這次與柯潔的對弈，AlphaGO 跟著升級，導入近日甫在 I/O 大會亮相的第二代 TPU，也再一次引發科技業一波對于“Google 第二代 TPU，究竟會為 Nvidia 帶來多大威脅？”的熱烈討論。

AlphaGO 在 2016 年初打敗韓國圍棋九段高手李在乭一戰成名，時隔幾個月，AlphaGO 的幕后推手 Google 在 I/O 大會首度揭露背后致勝的關鍵──自家機器學習芯片 TPU（Tensor Processing Unit）。然直到今年 6 月 Google 才正式公開設計架構與相關細節，Google 官方稱“TPU 處理速度比當前 GPU、CPU 要快 15~30 倍”，除了引起不少關注，更引發了一波與 Nvidia 的口水戰，甚至讓 Nvidia CEO 黃仁勛親自發文反擊，并貼出 TPU 與自家 GPU 加速器 Tesla P40 性能比較。

（Source：Nvidia）

究竟 TPU 能不能像外界所言“打敗”GPU、CPU，我們先來了解 TPU 到底是什么？

Google 公開 TPU 之時，透露 TPU 為特殊應用集成電路（application-specific integrated circuit，ASIC），專為特定用途而設計、運用以執行單一工作，本質上與通用的 CPU、GPU 有很大不同，而且最終還是會運用到 CPU / GPU 的運算輔助。只能說 TPU 在人工智能的運用，與 CPU、GPU 有所重疊，而 TPU 將此重疊部分效率做到極大化。

人工智能的最終目標要讓電腦模擬人腦的智慧，并據此做出決策完成任務。近年來人工智能有長足進步，機器學習的發展功不可沒。簡單來說，機器學習的原理，是喂給電腦大量的資料，進行學習，進而得出規律，利用這些規律對未知資料預測。

機器學習運算可能需要經過數百萬次的計算，原本針對圖像處理、使用平行運算一次處理大量數據，完成圖形渲染的 GPU，在架構上顯然比快速處理各種通用應用程序的 CPU ，更適合做為機器學習芯片。GPU 為何能在 AI 領域趁勢而起，就是立基于平行運算能力。

這點不只 GPU，Google TPU 選擇的 ASIC，甚或 FPGA 都能做到平行運算，也使得機器學習芯片百花齊放，各家大廠透過不同的途徑發展 AI 芯片。

Google、Nvidia、英特爾、微軟都大動作布局 AI 芯片

大抵而言，可將機器學習分為“訓練”與“推論”兩大面向，“訓練”需要運用大量的運算資源，且需要精確度較高的計算，一般要達到 32 位的單精度浮點運算、甚至 64 位的雙精度浮點運算。目前 GPU 仍為市場上最被廣為接受的解決方案。

“推論”的應用則更強調與現實世界的互動，為了優化芯片反應的速度與達到低功耗，允許精度被部分犧牲。如 Google TPU 采用 int8 只使用八位整數運算，因此 Google 的 TPU 實為用于機器學習的“推論”。Nvidia 也在 2016 年的產品線中推出以 int8 為主的 P4 與 P40的產品。目前理論上，使用 int8 在推論中造成的精度損失，估計約在 2% 以內，也使得 int8 甚至更低位的解決方案，在市場上快速展開。

然而，不論是在推論時使用 Google 的 TPU、Nvidia 的 GPU、或如手機芯片中加強 DSP 的功能，甚至是采用更原始的比較器達到推論的效果。單以芯片本身運算的能力進行評論，仍有不足之處。如何能使業者在**的建置成本下，提供消費者**的服務品質才是關鍵。在推論應用如此，在學習的過程中也是。

如同于 Google 依照自數據中心在 AI 的使用情境，客制化芯片來提供服務。微軟則是選擇和芯片業者合作打造一個適合自身數據中心屬性的系統架構。除了 GPU 的方案外，微軟也和 Intel 合作，透過 FPGA 作為運算的加速度器，利用 FPGA 可編程的特性，意圖打造可靈活配置資源的數據中心，來滿足其長期以來累積出在不同領域的企業客戶對數據中心多元的應用需求。

（Source：拓墣研究院）

Google 為什么決定自行打造 TPU

看完上述各家切入市場的策略，再回過頭來看 Google 的布局。Google 之所以決定自行開發 TPU 芯片，其時空背景是在于，Google 發現既有的繪圖處理器或處理器在進行資料搬運時，也就是處理器與繪圖處理器，與存儲器之間的資料搬運工作效率太低。

效率太差所帶來的，恐怕就是拖垮整體系統效能，當然，Google 也可以選擇塞進更多核心的處理器或是繪圖處理器提升效能，但就面臨到耗電量過高的問題。也因此，Google 才決定自行開發設計 TPU，并且在設計 TPU 時，減少計算所需要的精確度來達到省電與每秒執行更多的指令，解決推論系統效率不彰的問題，并且達成**化運算、記憶、資訊傳遞三者間關系的目標。

Google 自行打造 TPU 芯片除了是為優化自家演算法及發展 AI 服務外，他過去也明確說明 TPU 芯片將**自家所用，并不對外銷售。事實上，Google 才在上周的 I/O 大會中明確表示，不同的服務設計需求本來就需要不同硬件架構對應**訓練效果，開發者依舊可以透過傳統的 CPU 與 GPU 構成合適的訓練模式。

IC 設計業者未必被取代，經濟規模仍扮演關鍵角色

看完 Google 為什么會走上自行開發 TPU 芯片的前情提要，回到 Google 與 IC 設計業者的競爭問題。

Google 因為是全球前三大的 CSP 業者，有資金、有軟件與設計技術、有需求，客群以及廣大影響力，一舉一動不只是受到關注，甚至牽動 IC 設計業者的神經。

而現階段由于過去傳統芯片運作效率不佳，連帶使得不同芯片架構有更多的發展機會與空間。Google 因為擁有**手資料，包含使用者的需求量、使用的演算法等，具有了解相關應用所需的運算型態優勢，因此可以先于 IC 設計業者進行布局。包含 2017 年推出的 Cloud TPU 產品用于機械學習的學習應用中，更進一步加深 Google 與 GPU 業者競爭的氛圍。

然而，Google 自行開發芯片并非意味著就將完全取代原有 IC 設計業者， 若將單一運算效能的優化與系統配置彈性視為一個頻譜的兩端，ASIC、DSP、GPU、FPGA 等解決方案，就是分落在頻譜上不同的位置。不具有像 Google、Apple 等系統業者經濟規模的廠商，考量到自行開發芯片的成本與效益，與 IC 設計廠商合作，選擇能最快將服務推出的解決方案，仍是大部分廠商**的選擇。

創造、交流、跨領域是人類**的優勢。
這兩天，在浙江桐鄉烏鎮的一塊小小棋盤上，聚集了無數人的目光，現世界****的中國圍棋選手柯潔挑戰圍棋人工智能AlphaGo。

前天的比賽，柯潔以1/4子負于AlphaGo。賽后，柯潔坦言自己輸得毫無脾氣。今天，柯潔和AlphaGo將展開第二輪較量。在比賽背后，人們對人工智能的恐慌進一步加深，有一種聲音在人們當中傳開：未來人類的地位會被機器取代。
而就在柯潔大戰AlphaGo的前一天，2017全球人工智能技術大會在北京閉幕。會上則釋放出另一種聲音：人工智能不是站在人類的對立面，相反它能夠幫助人們更好地生活。智能語音識別、無人駕駛、機器人智能技術……這些AI技術在解決人們生活服務等實際問題上，不斷散發著自己的魅力。
到底人工智能是挑戰人類權威，甚至取代人類的地位，還是幫助人類更好地實現自我價值？面對人工智能，人類該如何應對？
圍棋輸了不可怕
但你的工作很可能被AI替代
“一項本來由人從事的工作，如果可以在5秒鐘以內對工作中需要思考和決策的問題作出相應的決定，那么，這項工作就有非常大的可能被人工智能全部或部分取代?！边@是李開復老師定義的“五秒鐘準則”，他還預測，約50%的人類工作會受到人工智能的影響。
被人工智能取代的工作有一個很大的特點，就是要有特別大量的數據，并且在某一專一領域里有可以客觀判斷的標注讓它學習?；凇拔迕腌姕蕜t”，一些重復性高，需大量數據、單一領域的工作，人類將會被AI取代。
那么，未來有哪些工作會被人工智能替代呢？
首先受到沖擊的是金融領域，今年3月，全球**資產管理公司貝萊德集團宣布，將裁去7名主動型基金經理，并用量化投資策略取而代之。當下，各大股票交易市場里傳統交易員正逐漸消失，自動化技術和人工智能技術足以完成這類工作。
接下來是醫療、互聯網、智能家居等領域。例如當人工智能的診斷助手出現以后，就可以代替一部分醫生的工作。一個醫生無法在幾秒鐘內完成的診斷，計算機視覺技術和人工智能醫療技術卻能快速完成基于數據或影像的初步病情篩查，并且診斷助手提供的參考意見，會更加科學、準確。
最后一個階段就是全面的自動化。在駕駛汽車期間，人類司機是根據路況，在大腦內短時間處理完成并立即做出反應，人工智能可以做得更快更精準，因此汽車駕駛工作終將被自動駕駛技術全面替代，還能夠將駕駛安全提升一個等級。
人工智能也有缺點
創造、交流、跨領域是人類**的優勢
在很多情況下，人工智能的作用不是取代人們的工作，而是輔助人們提高效率。
“五秒鐘準則”既是人工智能的優勢，也是它無法彌補的劣勢。它是理性的、客觀的，所以它不會感性；它是單領域，所以它不會跨領域。如果一種工作涉及復雜、具體、多方面的判斷，那么以目前的技術很難被機器取代。
在圍棋的勝負上擊敗人類，就能說明人工智能可以替代人下圍棋了嗎？顯然，這個邏輯不成立。至少，下棋不止于勝負，還有對弈過程中的驚心動魄，而AlphaGo即使贏了世界**，也無法體會到勝的欣喜與敗的沮喪，它不會因為“天下無敵”而有絲毫變化。
同樣，在新聞報道當中，數據量大、處理方式單一的工作，例如體育賽事、季度財報、股市分析等，這些機器就可以完成。但面對多領域復雜的分析解讀就難了，“人工智能的未來會發展成什么樣？”這種問題，人工智能能做到嗎？同樣，作曲家、導演、編劇、教師這些具有創造性的工作，也不會被機器所取代。
此外，還有一種工作是人工智能取代不了的，那就是服務性的行業。這些工作的特點是需要反復與人進行溝通交流。人工智能可以端茶送水，卻做不到和顧客聊天談心；人工智能可以診斷疾病，卻安慰不了病人悲傷的情緒；人工智能可以傳授知識，卻無法幫助孩子成長。
如何才能使自己的工作不被AI替代，李開復老師給出了三個建議：
①不要做重復性的工作，這些工作必然被取代；
②人與人之間的交流非常的重要，這是**我們最后的防線，不要被人工智能擊破；
③做有創意、綜合性跨領域的事情，讓自己成為某一個領域的人才。