击败柯洁的AlphaGo是使用了TPU的单机版

eeworld网消息，23日起跑的「中国乌镇围棋峰会」，由柯洁对战AlphaGo掀开序幕。历时四个多小时的比赛，最终执黑棋先行的柯洁以1/4子之差落败，由AlphaGo取得第一胜。赛后发布会上，柯洁和AlphaGo创始人哈萨比斯以及DeepMind 强化学习团队首席程序员David Silver出席并回答了提问。

哈萨比斯称：“AlphaGo采用了十颗TPU在云上运行，跟去年相比，本次对弈的新版AlphaGo计算量小了十倍，自我对弈能力更强，运行起来更简单，更好，功耗也更小。”

DeepMind方面表示，本次与柯洁对弈的AlphaGo乃是单机版，与过去跟李世石对战时不同，当初是分布式版本。 这一次AlphaGo拥有更强大的算法，运算起来更简单也更好。 单机版的速度更快，运算结果也更好，采用了TPU(Tensor Processing Units，机器学习专用芯片)，并架设在Google Cloud之上。 而根据DeepMindCEO哈萨比斯的补充，这一次的AlphaGo计算能力少于过去(对战李世石的)1/10。

根据2016年3月份，当初替AlphaGo落棋的黄世杰博士表示，与李世石对战的AlphaGo是分布式版本，与当时单机版本AlphaGo对战的话，胜率大约是70%。

哈萨比斯表示，我们在科学杂志《自然》发表了论文，这周之后我们会公布更多细节和计划，众所周知目前也有很多强大人工智能软件，我们也会在今后公开AlphaGo更多技术细节，使其他实验室或团队能够建造自己的AlphaGo。

谷歌前不久刚刚推出第二代TPU，对于标榜可发挥高达180TFLOPS的第二代TPU (Tensor Processing Unit)，Google说明此项处理器依然是针对开放学习框架TensorFlow加速为主，因此无法像NVIDIA提出Tesla V100等GPU加速模式可额外支持Caffe、Cognitive Toolkit等学习框架。

相比第一代TPU仅能针对逻辑推演作加速，Google此次宣布推出的第二代TPU不但大幅提升运算效能，更增加对应深度学习应用加速设计，配合越来越多人使用的TensorFlow学习框架，将使TPU应用领域变得更加多元，甚至直接挑战NVIDIA以GPU加速的深度学习应用模式。

不过，在Google I/O 2017期间进一步向Google询问，确认第二代TPU设计依然是以针对开放学习框架TensorFlow加速为主，本身并不像NVIDIA Tesla V100等藉由GPU加速模式可额外支持Caffe、Cognitive Toolkit等学习框架，因此在实际布署应用弹性可能相对受限。 只是从TPU大幅去除非必要组件，仅针对深度学习、逻辑推演加速功能优化，预期仍将使NVIDIA面临不少竞争压力。