谷歌花了十年打造伺服器中心，處理每日數十億次的網路搜尋需求。如今谷歌更進一步，自行研發專屬晶片--Tensor Processing Units （TPU、見圖），加快機器學習腳步，並宣稱TPU性能優於CPU、GPU。
CNBC、TechCrunch報導，谷歌17日在I/O開發者大會，發布第二代TPU，處理人工智慧（AI）工作。谷歌推出新版TPU，顯示該公司不想倚賴其他業者，打造核心的計算基礎設施。當前谷歌使用Nvidia的GPU處理機器學習工作，倘若谷歌繼續自行研發晶片，可能會衝擊Nvidia發展。
詳細來說，深度學習（Deep Learning）是AI的一種，包含兩個階段，第一階段是「訓練」，協助類神經網絡辨識資料；第二階段是「推論」，讓機器能判讀數據、做出推測。過去五年來，GPU是深度學習在「訓練」階段的必備晶片，能夠辨別影像、語音等。
2016年發布的第一代TPU，只能用於深度學習的「推論」階段。第二代TPU更進一步，能夠處理「訓練」階段工作。Google Brain研究團隊主管Jeff Dean說，預料未來會更常使用TPU，處理「訓練」階段工作，加速試驗循環。他說，以機器翻譯系統為例，當前最佳的商用GPU，要使用32顆GPU，跑上一整天才能完成「訓練」；同樣的工作量改用TPU，只要8個相連TPU，最多六小時就能搞定。
倘若此一趨勢持續，不只谷歌可能減少購買Nvidia晶片，其他原本使用Nvidia晶片的業者，也可能改用谷歌數據中心處理AI運算，會讓Nvidia業務遭受雙重打擊。上個月谷歌發文，指稱和當前市面晶片相比，TPU速度快上15~30倍，效能也高出30~80倍。Nvidia執行長黃仁勳強勢反擊，表示Nvidia晶片表現為第一代TPU的兩倍。
Nvidia 17日重挫6.64%收在127.72美元。谷歌母公司Alphabet的Class A股價下跌2.33%收在942.17美元。
2016年谷歌在I/O大會上拋出震撼彈，宣布為人工智慧（AI）研發專屬晶片---「TPU」（Tensor Processing Unit），讓台積電客戶Nvidia備受威脅。外界認為短期內Nvidia的AI霸主地位難以撼動，但是AI晶片架構可能會百家爭鳴，最後誰能勝出，仍在未定之天。
PCMag、ValueWalk、巴倫（Barron’s）去年報導，知名的谷歌硬體工程師Norm Jouppi在部落格發文表示，TPU是客製化的ASIC（特殊應用積體電路），專為機器學習設計，已經用於改善搜尋結果的相關性、提高谷歌街景服務地圖和導航功能的正確度。
到底TPU會不會取代GPU或CPU呢？谷歌資深副總Urs Holzle透露，當前谷歌TPU、GPU併用，這種情況仍會維持一段時間，但也語帶玄機表示，GPU過於通用，谷歌偏好專為機器學習設計的晶片。GPU可執行繪圖運算工作，用途多元。TPU屬於ASIC，也就是專為特定用途設計的特殊規格邏輯IC，由於只執行單一工作，速度更快，但缺點是成本較高（
全文見此）。
