近日，在美国举行的云端大会上，Google展示了第七代TPU芯片Ironwood，并分享了其在芯片设计和云端基础设施领域的最新进展。据Google DeepMind／Google Research首席科学家Jeff Dean透露，AI推论需求的增长正推动芯片技术的革新，而芯片设计自动化与能源效率优化成为重要方向。
Google是美系云端大厂中较早投入自研芯片的企业之一，其TPU芯片专为AI和机器学习加速设计，至今已有超过10年的发展历史。随后，亚马逊、微软、Meta等公司也陆续加入定制芯片开发行列，旨在减少对NVIDIA等传统芯片供应商的依赖。数据显示，TPU已驱动了Google旗下多个知名AI模型的训练与应用，包括多模态模型Gemini、AlphaFold、AlphaGo／Zero等。
Jeff Dean强调，AI推论的效率与模型的普及程度密切相关。尽管训练大模型需要耗费大量资源，但推论阶段的运算优化可显著提升模型质量。此外，为了在低算力环境及移动设备上部署超大模型，模型压缩技术如蒸馏和量化变得尤为重要。
芯片设计周期长是另一大挑战。Jeff Dean指出，团队正努力通过AI工具加速设计流程，将开发时间从2年缩短至6~9个月，同时减少人力需求。芯片的能源效率优化也被视为未来发展的关键领域。
针对AI应用前景，Jeff Dean特别看好医疗与教育领域的潜力，尤其是AI在个性化教育中的应用。与此同时，Google的TPU芯片迭代也带动了周边系统的升级，包括芯片间通讯、数据中心网络架构等。第七代TPU Ironwood的算力表现已达到第一代的3600倍以上，最大可串联9216颗芯片。