这tpu的架构居然采用了量子技术，在预设的最大值和最小值与八位整数之间的任意值的近似过程里，tpu居然包含了足足六万五千五百三十六个八位整数乘法器，直接将32位或者16位的计算压缩成为8位。

    实现了曲线的离散化。

    完美地减少了神经网络预测的成本。

    第二点，也是更关键的。

    正如林奇最初所推崇的硬件。

    tpu芯片直接封装了种种神经网络计算工具。

    诸如矩阵乘法单元，统一缓冲区，激活单元等，它们以后十数个高级指令组成，集中完成神经网络推理所需要的数学计算。

    同时它又采用了典型的risc处理器为简单计算提供指令。它的矩阵乘法器单元而不是传统的标量处理器，得以在一个时钟周期内，以矩阵操作，完成数十万个操作。

    打个比方，传统cpu是逐行打印，而tpu芯片则能够做到影印效果。

    如此种种特性，让它在神经网络计算收敛方面拥有非凡的效果，曾经几天才能训练出的成功，现在一小时不到就能够完成。

    林奇不禁感慨万分。

    难怪说站在巨人的肩膀上就是爽。

    让他自己来设计，如何能够突破看似最简单的加法器这个关卡？

    万丈高楼平地起，曾经的林奇开发cpu时，第一步入门选择完成的模块便是加法器，因为它的原理最简单，也是最容易实现的操作。

    然而整个tpu芯片，居然本质上也是做加法器？

    它的核心便是由乘加器组合形成的256x256的运算器阵列：乘法矩阵。

    这种冥冥中的呼应，也让林奇有些哭笑不得。

    芯片，本质上便是一个一个模块搭建而成，区别在于有的人是3010片的20周年海德薇限定版，而有的则是630片的普通版。

    随着最为核心的乘法矩阵模块成型，它周围的模块也一步一步成型。

    林奇这一次彻底看懂这种结构后，也忍不住摇头惊叹，难怪只要4块tpu训练出来的人工智能棋手便能够大杀四方，让人类都在围棋这项技艺上都黯然失色。

    要知道一步几千块的旗舰机动辄5nm工艺，而tpu的工艺不过是28nm！

    甚至主频也才700mhz，这种频率甚至得去上个世纪的486机子里寻找。

    但真的合适的时候，对方便是一切。

    与此同时，林奇发觉脑海里中的记忆宫殿，开始浮现出几篇关键的专利——《neural network processor》、《computing convolutions using a neural network processor》……

    这些都是当初tpu所关联公开的专利。

    甚至整个脉络都已经无比明了。

    为了比gpu的计算还要快速，这款神经网络的专用处理器tpu，自然是越发极端！

    它进一步牺牲处理器的通用性，只专注于一种——

    矩阵运算。

    自然他也无法如cpu般支持各种应用程序。

    它唯一的用途，便是支持神经网络算法的大规模加减乘除运算。

    而这个设计的精妙所在，便在于当参数从内存加载到乘法器和加法器的局中后，tpu便继续从存储器加载数据a，随后每次加法时，计算结果都会传递下来，因此最终输出的数据是参数之间乘法结果的总和。这个过程，自己跳过了内存。

    林奇看着即将完工的tpu芯片，就好像他人生第一次要买车一般，当时甚至比买房还要激动，而车还没到的日子，他已经早早把一系列汽车用品采购完成，什么车衣车窗膜坐垫手机支架靠着行李箱垫之流。

    只有想象力无法触及的领域，就没有林奇买漏的点。

    眼下的tpu芯片也是如此，他已经思索着如何代入最终的法术模型芯片之中，怎么把这些彻彻底底的法术力量引导结合芯片使用。

    殊不知。

    在这即将凝聚的一刻，世界即将变天。

    ——

    “