Alphabet旗下的谷歌周二公开了其用于训练人工智能模型的超级计算机的新细节，称其比英伟达A100芯片的系统更快、更节能。
谷歌公司设计了自己的定制芯片，称为Tensor Processing Unit（TPU），并将这些芯片应用于90%以上的人工智能训练工作。这个过程通过模型对数据进行训练，以提高其在类似人类文本响应或生成图像等任务中的实用性。
目前，谷歌TPU已经进入第四代。谷歌公司在周二发布了一篇科学论文，详细介绍了如何利用自己开发的定制光学开关将4000多个芯片连接成一个超级计算机。
对于构建AI超级计算机的公司来说，改善这些连接已经成为竞争的关键点。因为所谓的大规模语言模型正在不断增大，已无法在单个芯片上存储，而这些模型正驱动着谷歌的Bard或OpenAI的ChatGPT等技术。
这些模型必须被分割到数以千计的芯片中，然后这些芯片必须协同工作数周或更长时间来训练模型。谷歌的PaLM模型 —— 迄今为止其公开披露的最大的语言模型 —— 它通过分布在两台拥有4000个芯片的超级计算机上进行了50天的训练。
谷歌表示，其超级计算机可以轻松地动态重新配置芯片之间的连接，有助于避免故障并进行性能优化。
“电路交换使得我们能够轻松避开故障组件，”谷歌高级研究员Norm Jouppi和谷歌杰出工程师David Patterson在一篇关于该系统的博客文章中写道。“这种灵活性甚至使我们能够改变超级计算机互联网络的拓扑结构，以加速ML（机器学习）模型的性能。”
虽然谷歌直到现在才公开其超级计算机的详细信息，但它自2020年以来就已经在俄克拉荷马州梅斯县的数据中心内运行。谷歌表示，初创公司Midjourney使用该系统来训练其模型，该模型可以在输入文字后生成图像。
谷歌在论文中表示，与相同规模的系统相比，它的超级计算机比基于英伟达A100芯片的系统更快1.7倍，更节能1.9倍。谷歌表示，之所以没有将其第四代TPU与英伟达目前的旗舰H100芯片进行比较，因为H100是在谷歌这款芯片应用后上市的，并且采用了更新的技术。
谷歌暗示正在研发一款新的TPU，将与英伟达H100竞争，但没有提供详细信息。Jouppi告诉媒体，谷歌有“充足的未来芯片储备”。
