此外，TPU也不向企業或政府的數據中心出售。但谷歌對此表示滿意，因為它將TPU和TensorFlow視為其全面的AI領導力戰略。針對硬件的軟件優化，可以構建強大而耐用的平臺。
作者將會分三部分進行介紹，本文是第一部分。
雖然TPU會對谷歌的人工智能的發展產生影響，但除了內部的，對外的服務（這是一個相當大的市場）是故意限制的。TPU只能用于培訓和運行Google TensorFlow框架，無法使用它來訓練或運行使用Apache MxNet或PyTorch構建的AI，PyTorch框架的重要推動者是Facebook 和微軟。TPU也不能用于非AI HPC應用，這一領域GPU占據絕對主導地位。
谷歌是最早推出專用芯片（ASIC）的公司之一，然而谷歌可能是NVIDIA最大的客戶之一。谷歌的“Tensor Processing Units”（TPU）芯片已經更新至第三代，可以加速云端的深度學習訓練，最近還可以加速推理處理。據悉，用于訓練和處理DNN的Google TPU的性能相當穩定，單芯片每秒性能可達45 TOPS。相比之下，NVIDIA的Volta性能最高可達125 TOPS。第一批TPU只供內部使用，現在谷歌將它們作為服務提供給Google Compute Cloud的客戶。
CES 2019上，免備案主機，英特爾透露正在與Facebook密切合作準備推出Nervana神經網絡處理器（NNP-I），因為許多人猜測Facebook正在開發自己AI加速器。與此同時，英特爾副總裁兼AI產品總經理Naveen Rao在Twitter上分享，NNP-I是采用英特爾10nm的SoC，服務器租用 免備案服務器，并采用IceLake x86內核。
毫無疑問，NVIDIA以其強大的可擴展架構為動力打造出受歡迎的產品。NVIDIA現在擁有一個強大且持續更新的軟件，高校、初創公司和合作伙伴使其成為由其新創建的生態的主導者。有些人會認為這個生態系統是堅固的護城河，但暴風云正在出現。潛在的威脅來自英特爾，谷歌，AMD以及數十家美國和中國的初創公司。
NVIDIA的領先優勢
AMD
賽靈思
在最新報告季度，NVIDIA數據中心收入同比增長58％至7.92億美元，占公司總收入的近25％。過去的四個季度總營收達到28.6億美元。如果能夠保持這種增長趨勢，2019年數據中心營收或達到約45億美元。
目前為止，在我看來，大部分競爭者都“火力不足”。因為我非常有信心除了谷歌，其它挑戰者都沒有搶奪了NVIDIA的市場份額。讓我們來看看目前的競爭格局，2019年將會變得非常有趣。
過去三年，AMD一直在努力讓AI的軟件正常運轉。當我2015年在那里工作時，如果沒有啟動Windows，你甚至無法在Linux服務器上運行GPU。從那時起，AMD進行了很多工作，ROCm軟件和編譯器簡化了CUDA的遷移，并且在其芯片上加速數學庫MlOpen（不要與OpenML混淆）。然而，目前AMD的GPU仍然至少落后NVIDIA V100產品一代，而V100推出已經接近兩年了。
