本次的柯洁/AlphaGo大战中，AlphaGo的程序是在一个单一的机器上运作的，这与去年不一样，当时是分布式的。这次有更强大的算法，运作起来更简单也更好，获得的速度更快。简单点说，这次的AlphaGo是单机版，然而战斗力却翻了十倍！

除了速度，第二代TPU最大的特色，是相比初代TPU它既可以用于训练神经网络，又可以用于推理。初代的TPU只能做推理，要依靠Google云来实时收集数据并产生结果，而训练过程还需要额外的资源。

虽然整场大会看下来，并没有让人虎躯一震的全新黑科技，但谷歌把那些看似晦涩难懂的人工智能技术，包装成了一系列触手可及的服务，让我们能切实的感受到，深度学习什么的并不遥远……

笔者在谷歌总部呆了一天，深入了解AI与机器学习是如何在谷歌内部渗透的。他们采访了许多高管，谷歌的目标就是围绕AI打造一个生态系统，将重复的人工处理变成自动流程，用AI为企业服务。

该机器是以超前的方式建造的。也就是说，拥有大量的内存占用以及内存和存储的组合。这有助于分析和机器学习，同时还允许加速器直接访问大量的内存存储空间。

英伟达 CEO 黄仁勋在大会上正式发布了目前最先进的加速器 NVIDIA Tesla V100。之后，英伟达开发博客又更新了一篇深度解读文章，剖析了 Tesla V100 背后的新一代架构 Volta，其在提供了更好的高性能计算支持之外，还增加了专门为深度学习所设计的 Tensor Core。本文中对这篇博客文章进行了编译介绍，同时还在文中加入了一些对英伟达应用深度学习研究副总裁 Bryan Catanzaro 的采访内容。

简单的讲，人工智能是科学，机器学习是让机器变得更加智能的算法，机器学习在某种程度上成就了人工智能。

ARM这样一家称霸智能移动终端的厂商，软银收购的目的剑指物联网！物联网有一部分人群是那些初创、创客型的公司和群体，他们的创意比重越来越大，未来的独角兽公司或将诞生于此。最近，ARM对其的投入非常惊人……

前段时间和朋友交流，我说从现在开始AI会是芯片技术进步的主要推动力。他问具体体现在什么方面，我说“方法，架构，实现和工具都会有吧”。后来我一直也在考虑这个问题，似乎可以更全面的回答一下。不过，讨论这么大的话题我也没什么把握，说的不对的，讲的不清的，或者说漏了的，请大家多指教。

“这是我的激情所在，相当于再次创业，我是想用企业家的思维来做慈善。现在我们基本上把每年赚的钱全部捐光，除了给小孩子留一点，全部捐完。”

这是一家非常年轻的公司，履历却惊人地亮眼，公司内部聚集了无数清华、斯坦福的技术大牛，在各种学术研讨会上拿奖拿到手软。而且成立刚满一年，不仅拿到了500万美元的天使轮，还在今年年初敲定了数千万美元的A轮融资，估值超过10亿人民币。

深度学习最近取得的成功势不可挡：从图像分类和语音识别到图片标注、理解视觉场景、视频概述、语言翻译、绘画，甚至是生成图像、语音、声音和音乐！其成果令人震惊，因而需求就会增长。 对于需要更多用于深度学习解决方案的硬件和优化型芯片的领域来说，数据中心只是其中的一个方面。还有很多消费类电子产品，比如智能相机、增强现实眼镜等设备，它们需要小功率，并且由于隐私问题，用户们可能不会想要采用云计算解决方案。

从文字到图片再到视频（录播/直播）不断演进，可视性越来越强，表现形式越来越丰富。随着视频门槛的多维度降低，视频服务迎来爆发。

在Google公布的TPU设计可谓是给深度学习ASIC打了一针鸡血，之后预计会有众多挑战TPU的ASIC出现，各大公司和初创团队都会把TPU当作自己挑战的目标，深度学习加速硬件也会得到更多关注。

作为未来ARM Cortex-A系列处理器的基础，最新推出的DynamIQ架构代表了多核处理设计行业的转折点，其灵活多样性将重新定义更多类别设备的多核体验，覆盖从端到云的安全、通用平台。