Google 為了其 TensorFlow 機器學習框架，開發了專為其提升效率的 ASIC 晶片" TPU "，做為在進行 TensorFlow 等機器學習行為提供更有效率的運算，而 Google 也為了將 TPU 技術帶到邊際運算，在 Google Cloud Next 大會宣布兩款針對邊際運算的產物，為 AIY Edge TPU 以及基於這款晶片的兩款開發工具，將 Google 的 TPU 技術帶到邊際運算領域。
當然針對邊際運算不可能實現與 Google Cloud 資料中心同級的運算規模， AIY Edge TPU 是為了執行 TensorFlow Lite 的加速 ASIC ，不過除了獨立運作之外，亦可搭配 Google Cloud 建構更完整的雲到端機器學習結構。當然 Edge TPU 的目的就是能在終端上執行一定程度的機器學習功能，減少對雲服務的依賴，並且可較純 CPU 或是 CPU + GPU 提供更高的 TensorFlow 執行性能，並減少整體功耗。
Google 當前提供兩種型態的 AIY Edge TPU 開發工具，其一為單板電腦型，另一種則是 USB Type-C Dongle 設計，前者使用如樹莓派大小的基板，提供 40PIN GPIO ，而 AIY Edge TPU 是以模組化的方式與底板連接，當完成開發後，可直接設計全新的電路板並提供相同的針腳直接安裝 AIY Edge TPU 模組使用。在 AIY Edge TPU 模組當中，包含由 NXP 提供、基於 Arm 架構的 SoC 與無線通訊模組、安全元件等，基本上算是一套完整的系統，底板僅作為 IO 板使用。
至於 Dongle 型態的 AIY Edge TPU 工具則可連接到各種基於 Linux 的系統上提供機器學習加速，甚至亦可搭配如 RaspberryPi Zero 等單板電腦。
Google 預期這兩項邊際運算開發工具有助於如工業自動化、產品檢測、零售的顧客偵測、車載輔助系統等裝置開發；預計今年秋季這兩項開發工具會在美國上市，並陸續在各國開始推出。目前 Google 也開始提供預先註冊供開發者登記。預先登記網頁：請點此
新聞與圖片來源： Google Developer
1 則回應