和微软等大型云计算公司运营着大多数算法运行
数据中心，这些公司每年花费数百亿美元购买芯片和服务器，还花费大量资金为这些数据中心提供电力。在竞争“云”市场份额时，提高芯片效率是必要。与通用英特尔CPU相比，针对人工智能进行优化芯片可以更快地工作，可以占用更少数据中心空间，同时使用更少电力。
在21世纪第二个十年早期，图形芯片设计者英伟达听说斯坦福大学博士生使用它们GPU做图形以外事情。GPU与标准英特尔或AMDCPU工作方式不同，CPU具有无限灵活性，但是以串行方式运行所有计算。相比之下，GPU被设计为针对相同计算同时运行多次迭代。这种“并行处理”很快就变得清晰起来，它用途不仅仅是控制电脑游戏中图像像素，还可以有效地训练人工智能系统。在CPU逐条处理数据时，GPU可以同时处理多条数据。为
学会识别猫图像，CPU需要
个像素个像素地处理，而GPU可以次“查看”许多像素。因此，GPU训练电脑识别猫所需时间大大减少。
瓦纳斯·维寇斯基（WallaceWitkowski），《按市值计算，英伟达超越英特尔成为美国最大芯片制造商》（NvidiaSurpassesIntelasLargestU.S.ChipMakerbyMarketCap），市场观察网（MarketWatch），2020年7月8日。此后，英伟达将未来押在人工智能上。自成立以来，英伟达将芯片生产外包给台积电，坚持不懈地致力于设计新代GPU，并对名为CUDA特殊编程语言进行定期升级，这使得设计使用英伟达芯片程序变得简单易行。随着投资者打赌数据中心将需要更多GPU，英伟达成为美国最有价值半导体公司。
《云TPU定价》（CloudTPUPricing），谷歌云，价格。但英伟达崛起并不是有把握，因为除购买英伟达芯片外，大型云公司谷歌、亚马逊、微软、脸书、腾讯、阿里巴巴等专门针对自己处理需求，也开始设计自己芯片，重点是人工智能和机器学习。例如，谷歌设计TPU（张量处理器）芯片。经过优化，该芯片可以与谷歌TensorFlow软件库起使用。你可以在艾
请关闭浏览器阅读模式后查看本章节，否则可能部分章节内容会丢失。
