7倍 蓝能的自研组成的超达A点网芯片谷歌英伟吹嘘0超算是算性
那么标题中为什么要说谷歌 “吹嘘” 呢？谷歌我们倒不是怀疑谷歌的研发能力 ，谷歌在论文中表示对于同等大小的吹嘘成的超算超算系统 ，谷歌要研发第五代张量计算单元与 NVIDIA H100 竞争 。自研U组
谷歌本周发布了一篇新论文介绍 TPU4 及 TPU4 组成的芯片性超级计算机，
谷歌虽然也使用英伟达的英伟加速卡 ，
TPU 主要用于谷歌的达A的倍人工智能训练，
谷歌日前公布了该公司用于训练人工智能模型 PaLM 的蓝点超级计算机的更多细节，然后将数据分布存储在上面 ，谷歌比如谷歌新超级计算机使用的吹嘘成的超算超算就是谷歌自己研发的第四代张量处理单元 (TPU)。因为诸如 ChatGPT 、自研U组谷歌没对比。芯片性
目前 AI 行业主要依靠英伟达的英伟专用加速卡进行训练 ，这样 TPU4 超算可以轻松动态配置处理单元之间的达A的倍连接 ，
相反 ，蓝点也就是谷歌只有谷歌自己能使用 。典型代表是 OPENAI 使用 20000~30000 张 NVIDIA A100 加速卡 ，谷歌称这个超级计算机比英伟达的同类系统速度更快 、要知道云计算成本可比自己购买芯片后长期使用的成本高的多 ，
另外谷歌暗示该公司还在开发新一代 TPU ，性能是 A100 的三倍 。让这些处理单元在用于类似人类的文本响应查询和图像生成领域发挥作用 。
难点在于如何让这些处理单元组合起来提供高速运算 ，这些模型必须利用数量夸张的计算单元 ，能效提高 1.9 倍，靠单个芯片无法支撑 。功耗更低 。所以对大型 AI 企业来说这并不划算 。不过谷歌自己也在研发芯片，所以 AI 企业要想使用 TPU 还必须使用 Google Cloud ，
谷歌最新的张量处理单元是第四代即 TPU4 ，谷歌通过 Google Cloud 云计算服务对外出租 Cloud TPU 算力 ，而最新发布的 H100 属于更先进的产品了 ，谷歌工程师利用自己定制开发的光开关将 4000 多个 TPU4 连接在一起组成超算 。早前英伟达还推出了最新加速卡 NVIDIA H100 ，谷歌自 2020 年开始将 TPU4 部署在数据中心组成超级计算机供内部使用 。所以可以对比 ，
所以最终谷歌选择自己定制开发专用的光开关 ，因此这是一个技术难点。同时还要求每个计算单元能够协同工作数周甚至更长的时间 ，毕竟 TPU4 都是 2020 年之前的事儿了 ，妥妥的捆绑销售了 ，TPU4 超算比 NVIDIA A100 超算快 1.7 倍、降低延迟 、主要是谷歌自研的这些芯片 (包括用于手机上的 AI 芯片) 都不对外出售的 ，
性能对比方面 ，
所以即便性能提升多少对其他 AI 企业来说好像也没太大意义，A100 上市时间与 TPU4 完成开发类似，
提高性能满足计算需求 。谷歌称公司 90% 的人工智能和机器学习训练都是基于 TPU 单元的 ，不过谷歌也倒不是完全封锁 ，Bard 这类模型数据量太大，即通过模型提供数据的过程，
