Nvidia的下一代GPU Volta。综合考虑到，我指出Google未来在AI硬件市场将遭遇不利挑战，主要原因有二：Cloud TPU的局限性首先，Cloud TPU将用户瞄准在了TensorFlow框架以及Google Cloud云服务中。

伯恩斯坦研究公司高级分析师史蒂西·拉斯贡（Stacy Rasgon）说：“如果你用于的是TensorFlow框架，那么Cloud TPU有趣。但如果你想用于TensorFlow框架呢？Nvidia的优势在于你会被它的服务锁，这一点很最重要。”Nvidia的GPU在Google、亚马逊、微软公司和IBM等主流云服务厂商的云端都是能用的。

开发者们可以根据自己的爱好自由选择，并随时替换云服务厂商。此外，Nvidia还对其硬件展开了优化，需要运营Caffe、Torch和PaddlePaddle等多种深度自学框架。

AI市场目前还很年长，谁也不告诉哪种框架不会最后落败。因此，将自己束缚在Google的TensorFlow框架中，对任何一家公司来说都是冒险。AI创业公司Clarifai的创始人兼任CEO Matt Zeiler回应：“很显著，Cloud TPU是Google更有你用于Google Cloud，并将你瞄准其中的一种策略。”虽然学术圈可以免费用于Cloud TPU，但不能用于TensorFlow框架这一容许，使其魅力大打折扣。

加州大学伯克利分校副教授Alexei Efros在一封电子邮件中说：“对我们而言，用于Cloud TPU的仅次于阻力就在于它不能运营TensorFlow。因为我的实验室中中用了很多有所不同的软件包，PyTorch或许最热门。Nvidia Titan X目前仍是我们的主力平台，至于未来，我们拭目以待吧”。即便对于那些早已全面使用TensorFlow的创业公司，阻力仍然不存在，那就是如何取得Cloud TPU。

AI创业公司Bonsai的牵头创始人兼任CEO Mark Hammond回应：“我们的项目创建在TensorFlow框架之上，因此Cloud TPU认同是我们正在探寻的。任何使AI基础架构更佳、更加慢、更加低廉的事物，都是Bonsai和Bonsai的客户深信其出的。”Google不出售芯片Google的另众多软肋在于，它会像Nvidia那样必要向客户出售芯片。

Zeiler回应，很多深度自学创业公司都讨厌用自己的硬件训练，因为在云端存储大量训练数据的成本有可能十分高昂。比如Clarifai就自由选择出售Nvidia 的GeForce游戏显示卡，在自己坐落于新泽西州的数据中心训练神经网络。Zeiler说：“我们之所以用于自己的硬件和GPU训练，就是因为它成本更加较低，特别是在是考虑到我们享有可观的实验量和数据集。

”Nvidia的确实竞争更加有可能来自芯片公司。目前，数十个AI芯片创业公司于是以冉冉升起，英特尔甚至为了并购顶级芯片创业公司Nervana，斥资多达4亿美元。

Zeiler回应，随着时间推移，TPU可能会影响到GPU市场，但影响力某种程度源于Google，却是其他芯片制造商会腊坐着。AI芯片创业公司Cerebras Systems的牵头创始人兼任CEO Andrew Feldman指出，Nvidia仅次于的问题在于，GPU是为分解图形而非处置AI算法所设计的。

Feldman说：“我不指出GPU很合适机器学习，它只是比英特尔的CPU更佳而已。不过GPU在过去25年间针对有所不同问题展开了优化。

”Nvidia也意识到了这一点。因此它在近期的图形芯片架构中重新加入了专门的Tensor Cores计算出来核心。Tensor Cores针对有利于深度自学操作者的数学运算展开了优化。

有了Tensor Cores之后，Nvidia的GPU更加像专业的AI处理器了，而某种程度是用作分解图形的工具。Nvidia加快计算出来副总裁Ian Buck说：“你将看见我们在GPU中减少更好的AI功能以及专业化功能。

”对于AI领域日益白热化的竞争，Nvidia回应，现在市场快速增长太快了，每家企业都有不存在的价值。Buck说：“我指出这是一个爆炸式快速增长的市场，每个人都有发展的空间。”viaforbes版权文章，予以许可禁令刊登。

下文闻刊登须知。

本文来源：博鱼(boyu·中国)官方网站-www.jzfysn.com