有消息Google最新version Gemini使用自家設計TPU (是ASIC一種) 進行訓練，因為過去大家普遍認為ASIC適合推理而非訓練。Meta正洽談斥資數十億美元購買Google TPU晶片。 市場的即時反應，Google和Meta正面，Nvidia負面。 ASIC是application specific integrated circuit，特定用途，針對Google Gemini特別高效。但是不代表所有企業的所有Model都可以達到同樣最佳的效果。 如果ASIC可以用在許多種不同用途，就不再是specific，不是ASIC，這個是Nvidia GPU是general purpose，設計上的分別。 Meta在洽談，不代表交易一定成事，需要觀察。假如成事，不代表一定有如Google Gemini最佳效果。 Google造出來TPU，假如賣給Meta，是會加上Profit Margin去賺錢，不代表價錢好平，Google不是NGO，Google角色成為晶片供應商，定價睇齊AMD / Nvidia ? Google訓練自己的AI Model之外，Google Cloud Platform (GCP)業務仍然在購買Nvidia GPU，去提供服務給客戶。 以下節錄自我的書 《AI 投資時代》（參考： 主題和内容  |  發售資料 ） 雲端服務是硬體共享理念，是集中設置基礎設施，透過不同客戶去使用，包括不同客戶有不同使用時間高峰，當完成了一個客 戶的工作，就可以做另一個客戶的工作，如果晶片運算速度越快， 騰出的空間去接受更多客戶的工作，直至時間被填滿，就需要加添 更多硬體設備。 CPU 和 GPU 設計理念是通用性，要考慮的因素就會越多，運 算速度可能要有犧牲。不過此亦符合雲端服務供應商的考慮，通用 性代表更多客戶可以合適使用。 相反，FPGA 和 ASIC 是集中處理特定工作範圍而加強運算 速度的提升，可以做到快過 CPU 和 GPU，及耗電更低。FPGA 和 ASIC 又是兩種極端手法: ASIC 內置特定用途設計是最狹窄，不能更改。 FPGA 可編程特性令至最大彈性，即可以在沒有更換晶片 的情況下，改變內部功能。 在雲端服務上，由一般運算到增加了 AI 運算，由使用 CPU 到 GPU，這是一種專門化的過程。當處理 AI 運...