Google在Next云計算大會第二天，披露了自家搶攻IoT終端運算的戰略武器，其中最引人關注的就是Edge TPU芯片的發布。 Google要靠自家超強的AI專用芯片技術，從硬件來搶攻IoT終端運算。今年10月還將開賣Edge TPU開發版，要讓企業可以快速打造自己的IoT應用。

目前Edge TPU僅用于推理，專為在終端運行TensorFlow Lite ML模型而設計。除了自用，谷歌Edge TPU也將提供給其他廠商使用，進一步把開發者鎖定在谷歌生態系統，或對整個智能云計算市場帶來巨大沖擊！

這就意味著，谷歌不僅為在自己的數據中心（云端）開發人工智能芯片，還打算在將其設計的Edge TPU（終端）用在其他公司生產的產品中。

兩年前谷歌推出了第一代TPU，當時只能做推理。去年，谷歌推出了既能做訓練也能做推理的TPU 2.0，這款谷歌自研芯片當做GPU的強勁對手，威脅英偉達的市場份額。今天5月，谷歌在I/O大會上發布了TPU 3.0，性能進一步提升。無論市場情況如何，谷歌都在內部都更多地使用TPU，而不是依賴英偉達等供應商提供的硬件。

但是，谷歌曾多次表示不會對外銷售TPU，而是將TPU與谷歌云Google Cloud Platform（GCP）和TensorFlow綁定，讓使用GCP和TF的用戶享受TPU帶來的計算優勢。

現在，Edge TPU則不同了。據CNBC報道，消費電子制造商LG正在一個顯示器玻璃檢測系統中測試谷歌Edge TPU，以更快地發現制造缺陷。據LG CNS集團CTO Shingyoon Hyun 表示，檢測精度從原來的約50％提高到了99.9％。

可以想見，未來谷歌Edge TPU在物聯網以及智能終端設備中的巨大使用空間，以及對物聯網芯片市場的沖擊。

Edge TPU模塊（SOM）規格

底板規格

? CPU：NXP i.MX 8M SOC（四核Cortex-A53，Cortex-M4F）

?GPU：GC7000 Lite圖形處理器

?ML加速器：Google Edge TPU

?RAM：1GB LPDDR4

?Flash：8GB eMMC

?無線：Wi-Fi 2x2 MIMO（802.11b/g/n/ac 2.4/5GHz）；藍牙4.1

?外形尺寸：40mm*48mm

支持操作系統：Debian Linux，Android Things

支持深度學習框架：TensorFlow Lite

?閃存：MicroSD

?USB：Type-C OTG、Type-C電源、Type-A 3.0 ?Host、MicroUSB串口

?LAN：千兆以太網端口

?音頻：3.5mm音頻插孔、數字PDM麥克風（x2）；2.54mm 4針端子，用于立體聲揚聲器

?視頻：HDMI 2.0a（全尺寸）、MIPI-DSI-39針FFC連接器（4-lane）、MIPI-CSI2-24針FFC連接器（4-lane）

?GPIO：40pin擴展接口

?功率：5V DC（USB Type-C）

?外形尺寸：85mm*56mm

早在今年5月時，就發布了第三代AI芯片TPU 3.0，可以比前一代提高了8倍性能，能處理到100petaFLops，相當于超級計算機的運算性能。在Next大會第一天，Google首席科學家李飛飛也宣布TPU 3.0進入了Alpha版本。不只如此，Google在Next大會第二天主題演講中，發布了Edge TPU芯片，目前是Alpha版本。

Cloud IoT產品管理部門負責人Antony Passemard表示，Edge TPU是Google自行設計的超低功率ASIC芯片，大小比1美分還要小上許多，可以在終端運算設備上執行TensorFLow Lite機器學習模型，但是，不同于Cloud TPU，Edge TPU芯片不是用來訓練機器學習模型，而是用來執行已經訓練好的模型，來進行預測之用。因此，不具備peta等級的計算能力，但可以用超低功率，以高度省電的方式，在終端運算設備或設備上執行TensorFlow機器學習模型。

盡管Edge TPU芯片比1美分還小，但Google搭配NXP CPU的Edge TPU處理模塊則和一般CPU處理器大小相當，如Antony Passemard手上所示。

“Edge TPU是和Cloud TPU互補的產品，你可以通過Cloud TPU來加速訓練ML模型，再將訓練好的ML模型，放到Edge設備中，用Edge TPU芯片高速進行推論預測（inferences）。Antony Passemard強調，如此一來，可以傳感器搜集更多數據，尤其是大量即時性、在地性的數據來進行決策。為了加快企業開發IoT應用，Google還進一步發布了Edge TPU開發版套件（module development kit）。

就像樹莓派開發版Raspberry Pi那樣，Edge TPU開發版就是一個小型的AI芯片主機版，大約是長約3個硬幣，寬約2個硬幣大小的開發版，內置了NXP CPU處理器、Edge TPU、Wi-Fi功能和加密芯片，另外也可支持SD卡來存儲數據，可以快速用來打造出一臺Edge TPU運算主機。

Antony Passema沒有披露吞吐量的數據，僅表示，可以處理高吞吐量的串流數據，例如即時視頻分析。Edge TPU開發版預計今年10月開始供貨，但Google還沒有披露售價。

Edge TPU開發版長約3-4個10元硬幣大小，內置了NXP CPU處理器、Edge TPU、Wi-Fi功能和加密芯片。

Edge TPU開發版寬度約2-3個10元硬幣，整體大小約和樹莓派開發版相當。

Edge TPU開發版利用SD卡來存儲數據，從背面右上角是SD卡位置

Edge TPU開發版也提供多種常用連接接口，聯網絡接口都有。

將機器學習帶到終端，省錢！省時！

Edge TPU將Google Cloud強大的AI功能擴展到網關和連接設備的軟件棧。用戶可以在云上構建和訓練ML模型，然后通過Edge TPU硬件加速器在Cloud IoT Edge設備上運行這些模型。

Edge TPU是谷歌的專用ASIC芯片，專為在終端運行TensorFlow Lite ML模型而設計。在設計Edge TPU時，我們非常注重在很小的占用空間內優化“每瓦性能”和“每美元性能”。

Edge TPU的設計旨在補充谷歌云TPU，因此，你可以在云中加速ML的訓練，然后在終端進行快速的ML推理。你的傳感器不僅僅是數據采集——它們還能夠做出本地的、實時的、智能的決策。

終端上的AI是市場推動產物

如今，從消費者到企業應用程序，AI無處不在。隨著連接設備的爆炸式增長，再加上對隱私/機密性、低延遲和帶寬限制的需求，在云中訓練的AI模型越來越需要在終端上運行。Edge TPU是谷歌為在終端運行AI而設計的專用ASIC。它在很小的物理占用和很低功耗的限制下提供高性能，使得在終端部署高精度的AI成為可能。

由于其高性能、物理占用面積小、功耗低，Edge TPU可以在物聯網終端廣泛部署高質量的AI。

Edge TPU不僅僅是一個硬件解決方案，它結合了定制硬件、開放軟件和最先進的AI算法，為終端提供高質量、易于部署的AI解決方案。

Edge TPU有非常多的工業用例，例如預測性維護、異常檢測、機器視覺、機器人、語音識別等等。在制造業、內部部署、醫療、零售、智能空間、交通等領域有廣泛應用。

目前Edge僅用于推理

Edge TPU支持在終端部署高質量的ML推理。它增強了谷歌的Cloud TPU和Cloud IoT，以提供端到端（云到端、硬件+軟件）的基礎設施，以促進客戶基于AI的解決方案的部署。除了開放源碼的TensorFlow Lite編程環境之外，Edge TPU最初將部署多個Google AI模型，并結合谷歌在AI和硬件方面的專業知識。

Edge TPU補充了CPU、GPU和其他ASIC解決方案，用于在Edge上運行AI，這將由Cloud IoT Edge支持。

Edge TPU 和 Cloud TPU的對比

Edge TPU可用于ML推理，不適用于訓練；Cloud TPU可用于ML訓練和推理

軟件和服務方面，Edge TPU適用于Cloud IoT Edge和Android Things；Cloud TPU的可用軟件包括Cloud ML Engine，Kubernetes Engine，Google Compute Engine，以及Cloud IoT Core

ML框架：Edge TPU可使用TensorFlow Lite, NN API；Cloud TPU可使用TensorFlow, scikit-learn, XGBoost, Keras

硬件加速器：Edge TPU包括Edge TPU, GPU, CPU；Cloud TPU包括Cloud TPU, GPU 和CPU

Edge TPU的特性

Edge TPU使用戶能夠以高效的方式，在高分辨率視頻上以每秒30幀的速度，在每幀上同時執行多個最先進的AI模型。

Cloud IoT Edge可以在Android Things或基于Linux OS的設備上運行，其關鍵組件包括：

網關類設備runtime（至少有一個CPU），用于終端數據的本地存儲、轉換和處理，以及從數據中獲取智能，同時與云IoT平臺的其余部分無縫互操作。

Edge IoT Core runtime，能更安全地將終端設備連接到云，支持軟件和固件更新，并通過Cloud IoT Core管理數據交換。

基于TensorFlow Lite的Edge ML runtime，使用預先訓練過的模型執行本地ML推理，顯著減少延遲并增加終端設備的多功能性。由于Edge ML運行時與TensorFlow Lite接口，因此它可以在網關類設備中的CPU，GPU或Edge TPU上執行ML推理，或者在終端設備（如攝像頭）中執行ML推理。

推出Edge TPU開發套件，進一步將開發者鎖定在谷歌生態系統

為了使用Edge TPU快速啟動開發和測試，我們構建了一個開發套件（Edge TPU development kit）。這個套件包括一個模塊化系統（SOM），集合了谷歌的Edge TPU，一個NXP的CPU, Wi-Fi，和Microchip的安全元件。開發套件將在今年10月對開發者開放，也可以注冊申請提前訪問。

谷歌將在一款類似 Raspberry Pi 的套件上推出Edge TPU，在簡化版的TensorFlow AI軟件上運行。這一操作將使得那些已經使用TensorFlow作為其主要機器學習框架的開發者，更快更高效地使用Edge TPU，提供全棧式硬件，進一步將其鎖定在谷歌云的生態系統中。谷歌正在與Arm，Harting，日立數據系統（Hitachi Vantara），新漢（Nexcom），諾基亞和恩智浦等制造商合作。

谷歌并不是唯一為所謂的物聯網提供服務的云服務提供商。今年早些時候，微軟宣布推出面向物聯網的芯片設計。微軟的Azure是除了亞馬遜AWS之外第二大云的服務商。

至于占據市場主要份額的亞馬遜AWS，憑借其智能音箱Echo/Alexa，已經在智能終端領域占據了不小的市場。

雖然硅谷早有傳言，但Edge TPU的推出無疑是谷歌邁進從硬件到用戶體驗一張套服務的切實一步。

就目前而言，谷歌Edge TPU或許還尚不具備顛覆硬件計算市場的能力，但谷歌將自研Edge TPU用于其他廠商設備這一舉措，顯然有一統生態系統的野心。

但無論如何，消費者的體驗將會隨著越來越強大的智能計算得到進一步提高。

其實國產芯片廠家也在謀劃類似的操作方式，但是谷歌由于在云端AI訓練和軟件架構，資金實力，算法等維度的領先型，導致國內芯片廠家追趕乏力。

不過我們還是有我們的自有優勢，例如成本、應用場景、整機廠深度合作等維度。我們期待國產芯片公司能夠在AI終端芯片市場，分得一杯羹。