谷歌又設計了一顆晶片，這次是為了安全

來源：內容來自數位時代，謝謝。

為了提高機器學習的效能，Goolge去(2016)年5月在Google I/O上宣布自行打造了機器學習處理器TPU(Tensor Processing Unit)；而在美國時間9日的Google Cloud Next雲端大會上， Google再宣布，為了雲端平台的安全性，他們自己設計了名為Titan的安全晶片。

目前Google的資料中心主晶片還是採用和英特爾(Intel)合作的客制化處理器，目前已經進入第六代，而不久前英特爾也宣布Google將會是第一個採用英特爾新一代Skylake處理器架構的資料中心客戶。

不過為了強化特定使用目的，Google約自2015年起，就開始在自家資料中心部屬自行設計的特殊應用晶片，第一次是為了機器學習的需求，而這次則是在安全性上下工夫。

信任可以說是阻礙企業上雲端的最大阻礙之一，而安全性則是獲取客戶信任感的一大關鍵，因此一直以來，Google都不忘強調他們在安全上做了多少努力，包括目前有超過七百名安全人員的投入，或是在軟、硬體的多層級防護等等。

而在9日的Google Cloud Next主題演講上，宣布新的Google雲端服務促銷降價方案後，Google技術基礎架構資深副總裁烏爾斯．霍爾澤（Urs Hölzle）隨手從耳環上取下一個非常小的晶片，他說：「低價不代表低安全性。

」

Google資深副總裁霍爾澤手上拿的就是Titan

他手上拿的晶片就是Titan，一個客制化的低功耗微控制器，具備硬體隨機碼產生器、獨立記憶體運作，和身分認證等基於硬體的多重安全性設計，目前已經部屬在Google的伺服器上。

回顧：震撼產業界的谷歌TPU

谷歌已經為科技界帶來了巨大的變革，如今它又在這條道路上邁出了新的一步——製造自己的晶片。

過去十年來，谷歌已經為海量數據中心設計了各種各樣的新硬體，支持其五花八門的網絡服務，包括計算機伺服器、網絡設備及其它硬體。

隨著谷歌創造出一系列覆蓋面廣、規模空前的服務，它需要一系列效率更高的硬體來運行這些服務。

多年來，很多其它網際網路巨頭也效仿谷歌，推動全世界的硬體市場產生巨大的變化。

谷歌晶片所產生的影響已經遠遠超越了谷歌帝國的範圍，對整個晶片行業的未來構成了威脅。

谷歌創造新晶片的目標一如既往：為了帶來前所未有的高效。

為了將人工智慧提升到一個新高度，谷歌需要一種處理速度更快、能耗更低的新晶片。

但是谷歌晶片所產生的影響已經遠遠超越了谷歌帝國的範圍，它對Intel 和 nVidia 這樣的晶片製造商的未來構成了威脅——特別是當你考慮到谷歌未來的前景的話。

Urs Hölzle 掌管的全球數據中心網支撐著整個谷歌帝國。

他說，這個定製的新晶片只是谷歌眾多戰略中的第一個而已。

不，谷歌不會向其它公司出售晶片。

它不會與 Intel 或 nVidia 公司直接競爭。

但是由於谷歌的海量數據中心，至今為止，它是這兩家晶片公司最大的潛在客戶。

同時，隨著越來越多的企業使用谷歌提供的雲計算服務，這些公司自己購買的伺服器就越來越少（因而它們購買的晶片也越來越少）。

由此，谷歌進一步蠶食了晶片市場。

其實，谷歌宣布推出新晶片只是其推廣雲服務的一種手段。

谷歌的雲服務允許企業和程式設計師使用谷歌的人工智慧引擎，並可將人工智慧引擎嵌入自己的應用程式之中。

谷歌向其它公司宣傳自己的人工智慧的強大能力時響亮地說——谷歌運行其人工智慧的硬體是最好的，是其它公司都沒有的。

谷歌的新晶片叫做 Tensor Processing Unit 或 TPU，原因是它能幫助運行 TensorFlow——一個旨在促進谷歌深度神經網發展的軟體工程。

該神經網是一個軟體硬體網，能通過分析大量數據來學習特定任務。

其它科技大公司通常使用圖形處理器——GPU——來運行深度神經網。

GPU 原本是為渲染遊戲圖像或其它圖形密集型應用程式而設計的。

GPU 非常適合運行深度神經網的計算，但是谷歌說自己的晶片效率更高。

谷歌說，TPU 是專門為機器學習而量身打造的，所以 TPU 執行每個操作所需要的晶體三極體更少。

這也就是說谷歌的晶片每秒鐘內能執行更多的操作。

目前，谷歌同時使用 TPU 和 GPU 來運行深度神經網。

至於谷歌究竟是怎樣使用 TPU 的，Hölzle 拒絕透露細節，只是說 TPU 負責運行安卓手機語音識別所需的「部分計算」。

但他說，谷歌將發表一篇論文來描述該晶片的優點。

並且谷歌會繼續設計新的晶片，用其它方式來處理機器學習。

最終，TPU 似乎將會完全取代 GPU。

Hölzle 說：「TPU 已經替代了一小部分 GPU，對於機器學習來說，GPU 太一般了，它本來就不是為機器學習而設計的。

」

這話對 nVidia 來說可能不太入耳。

作為全世界 GPU 的主要銷售商，nVidia 目前正努力將業務擴展到人工智慧領域。

正如 Hölzle 所說的那樣，最新的 nVidia GPU 有一個專門的機器學習模式。

但是很顯然，谷歌希望變革來得快一點，更快一點。

Hölzle 指出，谷歌晶片不會取代 CPU——每個計算機伺服器中都有的中央處理器。

谷歌公司的仍然需要 CPU 來支持其數據中心內成千上萬的計算機，而 CPU 是英特爾的主要業務。

即使谷歌願意製造只用於人工智慧的晶片，但它是否也想設計自己的CPU呢?

Hölzle 認為這種可能性很小。

他說：「你想要解決的是尚未解決的問題。

」換言之，CPU是一項成熟技術，差不多就是這個樣子了。

但是他還說，谷歌希望晶片市場上有良性的競爭。

換句話說，谷歌想從很多銷售商——而非僅僅是英特爾——那裡購買 CPU。

畢竟，對谷歌來說，競爭越多，價格就越低。

Hölzle 解釋道，擴大選擇範圍也是谷歌與OpenPower Foundation 合作的原因。

OpenPower Foundation 打算推出任何人都能使用並可更改的晶片設計。

這是個很好的想法，對世界最大的晶片製造商來說是個潛在的強大威脅。

Shane Rau 是調查公司 IDC 的一名分析師。

他說谷歌購買的伺服器 CPU 約占全球伺服器 CPU 總銷量的5%。

最近一年，谷歌大約購買了120萬個晶片，大部分都是從英特爾購買的。

（2012年，英特爾主管 Diane Bryant 告訴《WIRED》，谷歌從英特爾購買的伺服器晶片數量比從其它五家公司購買的總和還要多——銷售伺服器的公司只有這幾個。

）

無論谷歌的 CPU 計劃如何，它都將繼續開發機器學習專用晶片。

還得再過幾年，我們才能真正知道什麼能成功，什麼不能。

畢竟，神經網絡也在不斷地進化。

「我們一直在學習，」他說，「我也不清楚最終答案究竟是什麼。

」隨著對於谷歌的學習，我敢打賭全世界晶片製造商都會對此關注。

R

eading