Google表示，此款TPU采用28奈米制程，工作频率为700MHz。原先设计目的在于加速自家的TensorFlow算法，主要的逻辑单元内含65,536组八位的乘积累加(Multiply-accumulate)单元以及一组24MByte的快取，每秒可进行92兆次运算(Tera-operations/second)。
GoogleTPU的负载以高级TensorFlow框架编写，可支持多层感知(MultilayerPerceptron,MLP)、卷积神经网络(ConvolutionalNeuralNetwork,CNN)和长短期记忆(Long-ShortTermMemory,LSTM)等人工智能技术，这些技术占数据中心95%的神经网络推理计算需求。
平均而言，相较于使用IntelHaswellCPU与NVIDIAK80GPU的系统，Google的TPU大约快上15～30倍，每瓦效能比(Performance/watt)更可达到30～80倍以上。此外，如果在TPU中使用GPU的GDDR5内存，处理速度还能再翻三倍，速度/功率比(TOPS/Watt)能达到GPU的70倍以及CPU的200倍。
数据缓冲区(DataBuffer)占了此款TPU的37%，而媒体访问控制(MediaAccessControl,MAC)则占了其中的30%。相较于NVIDIA的GPU，GoogleTPU的尺寸较小，却多出25倍的MAC，芯片内建的内存也比K80多出3.5倍。
GoogleTPU使用PCIeGen3x16总线，以及256Bytes内部数据路径。主CPU将加速器作为浮点处理器(FloatingPointProcessor)，透过PCIe总线下达指令。此款TPU也运用和GPU加速器相同的Tensorflow软件。研发人员固定一组核心驱动程序，并依照需求调整用户空间(UserSpace)驱动程序，以容纳不断变化的应用程序。
GoogleTPU目标不在于更高吞吐量(Throughput)，因而舍弃传统多功能处理器的许多元素，聚焦于将延迟时间压低在7毫秒之下。不过，Google自行研发的TPU也不是毫无缺点，其运算效能虽然优于英特尔和NVIDIA的处理器，但在轻载时的省电性能却不太理想。举例来说，同样在10%的负载条件之下，NVIDIAK80GPU的功耗是其最大功耗的66%，英特尔的Haswell处理器则是56%，但GoogleTPU却仍高达88%。Google也响应，由于只有短短15个月的设计时程，因此并未能将低功耗纳入此芯片设计的重点。
此次公布的报告指出，此款TPU所带来的数量级效能突破相当罕见，可望成为特定领域架构的原型，为未来新研发的处理器树立更高标准。但目前该TPU只使用于Google的数据中心，尚未进一步公布未来运用细节或是改善方向。
| 附件下载： |
