Tensor Processing Unit

Cet article est une ébauche concernant l’informatique.

Tensor Processing Unit

Cet article est une ébauche concernant l’informatique.

Vous pouvez partager vos connaissances en l’améliorant (comment ?) selon les recommandations des projets correspondants.
Page d’aide sur l’homonymie

Pour les articles homonymes, voir TPU.

Un Tensor Processing Unit 3.0 datant de mai 2016.

Un Tensor Processing Unit (TPU, unité de traitement de tenseur) est un circuit intégré développé par Google pour accélérer les systèmes d'intelligence artificielle par réseaux de neurones. À la différence d'un GPU (Graphics processing unit), ce circuit intégré ne contient pas de fonction pour le rendu graphique, mais uniquement des unités de calcul optimisées pour le calcul tensoriel sur un grand volume de données.

Présentation

Les TPU ont été annoncés en 2016 au Google I/O, lorsque la société a déclaré les utiliser dans leurs centres de données depuis plus d'un an. La puce a été conçue spécialement pour TensorFlow, une bibliothèque logicielle mathématique qui est utilisée pour l'apprentissage automatique dans des applications telles que les réseaux de neurones[1]. Cependant, Google utilise toujours les CPU et GPU pour d'autres types d'apprentissage automatique[2].

Les TPU ont été utilisés par Google pour entrainer l'IA Gemini 3 Pro, sortie en [3]. Ces puces présentent un coût d'exploitation inférieur à celui des GPU de Nvidia[4].

Histoire

En , Google annonce qu'il mettra en vente ses puces, notamment à Meta, faisant directement concurrence à Nvidia[5].

En , Google lance deux nouveaux processeurs Tensor Processing Unit (TPU) de la famille Tensor (spécialement conçus pour le calcul tensoriel et les besoins de l'« intelligence artificielle agentique » de l'IA)

  1. la TPU 8t (dédiée à l'entraînement de l'IA), qui offre une puissance nettement accrue et une meilleure efficacité énergétique, permettant de réduire le temps de formation des modèles de pointe (mais inévitablement avec un effet rebond) ;
  2. la TPU 8i (optimisé pour l'inférence), qui améliore la rapidité d'exécution des agents spécialisés grâce à davantage de mémoire embarquée et à une architecture ARM entièrement intégrée. Ces deux processeurs visent à doper les performances de l'IA par watt consommé, et à optimiser les centres de données, tout en restant compatible avec les principaux frameworks utilisés par les développeurs »[6].

Notes et références

  1. ↑ "TensorFlow: Open source machine learning" "It is machine learning software being used for various kinds of perceptual and language understanding tasks" — Jeffrey Dean, minute 0:47 / 2:17 from YouTube clip.
  2. ↑ (en) « Google's Tensor Processing Unit explained: this is what the future of computing looks like », TechRadar, .
  3. ↑ Maxime Mainguet, « « Des progrès considérables » : pourquoi Google vient de frapper un grand coup dans l’intelligence artificielle », sur Ouest France, .
  4. ↑ « L’arme cachée de Google dans la course aux infrastructures IA », sur Bilan, (consulté le )
  5. ↑ Joséphine Boone, « Google peut-il vraiment détrôner Nvidia, le roi absolu des puces pour l'IA ? », sur lesechos.fr, (consulté le ).
  6. ↑ (en) Ryan Whitwam, « Google unveils two new TPUs designed for the "agentic era" », sur Ars Technica, (consulté le ).

Content Disclaimer

Informasi ini disarikan dari Wikipedia dan disajikan kembali untuk tujuan edukasi. Konten tersedia di bawah lisensi CC BY-SA 3.0. Kami tidak bertanggung jawab atas ketidakakuratan data yang bersumber dari kontribusi publik tersebut.

  1. The information displayed on this website is sourced in part or in whole from Wikipedia and has been adapted for the purpose of restating it. We strive to provide accurate and relevant information, however:
  2. There is no guarantee of absolute accuracy. Wikipedia is an open, collaborative project that can be edited by anyone, so information is subject to change.
  3. It is not intended to constitute professional advice. The content displayed is for informational and educational purposes only. For important decisions (e.g., medical, legal, or financial), please consult a professional.
  4. Content copyright. Wikipedia is licensed under the Creative Commons Attribution-ShareAlike License (CC BY-SA). This means that content may be reused with appropriate attribution and shared under a similar license.
  5. Responsible use. Any risk arising from the use of information from this website is entirely the responsibility of the user.