在手机圈里，有句话叫做“不服跑个分“。用测试工具跑分，这个是用来衡量用户的手机的性能一个维度；常常是米粉、花粉、果粉几家打口水架常用的一些手段；
在看似高端大气上档次的AI 芯片领域，也同样如此；每年发布产品，都好比AI芯片华山论剑，但是如何一教高下，却是一个大问题；2018年，谷歌、英特尔、英伟达等AI芯片行业领军高手大家齐聚AI行业的“华山之巅”，制定了MLperf标准；通过这个标准涵盖了AI应用的大部分场景，所有参与AI领域的企业可以通过这个标准来衡量“功力深浅“。 MLperf 是用于测试机器学习硬件、软件和服务的训练和推理性能的公平和有用的基准。也是AI芯片也是各个厂家来营销的手段；通过这个标准的测试，“东邪西毒南帝北丐中神通”就可以一决胜负；
2020年5月份，NVIDIA宣布其A100 Tensor CoreGPU在加速器的全部8项MLPerf基准测试中展现了最快的市售商用产品性能；NVIDIA睥睨的看着其他对手，通过GPU演进而来的安培架构好比九阳神功，天下无敌；NVIDIA的GPU技术是AI教父GeoffHinton在2012年那篇CNN应用的开山之作《ImageNetClassification with Deep Convolutional NeuralNetworks》首先应用在AI领域计算的（具体见人工智能的芯片江湖（1））；正所谓，天下武功，唯快不破，一步快，步步快，如今NVIDIA的从帕斯卡架构，伏打架构，安培架构，一步稳扎稳打，依然演变成为了AI芯片领域的王者，举手投足，九阳神功护体，自有大宗师气派，定能立于不败之地；
仅仅三个月后：GOOGLE表示就表示不服，宣称在最新一轮MLPerf基准测试中，Google最新的Tensor处理单元(TPU)芯片，打破了6项MLPerf基准测试记录。有点“独孤九剑”一出，可与“九阳神功”一战的意味；
GOOGLE在软件领域内力深厚，GOOGLE的TensorFlow作为一个开源的机器学习平台，拥有一个全面而灵活的生态系统，其中包含各种工具、库和社区资源，可助力研究人员推动先进机器学习技术的发展，并使开发者能够轻松地构建和部署由机器学习提供支持的应用，也聚集了大量的研究人员和厂商门派研究修炼；通过这些软件架构可以大大的降低研究和使用者进入AI的门槛；
但是研究AI芯片，GOOGLE的“独孤九剑”虽然自成一家，还是功力尚浅，因此GOOGLE招揽了计算机体系结构的开山宗师，斯坦福大学前总裁约翰·L·轩尼诗（John L. Hennessy）以及加州大学伯克利分校退休教授大卫·A·帕特森（David A.Patterson），Hennessy还成了谷歌的掌门人，因此，GOOGLE在架构上，采用Hennessy和Patterson的推崇的DSA（领域专用处理器架构）；借用DSA架构（这个DSA架构和Hennessy和Patterson的故事后篇单说），避开了原有通用计算对AI计算的先天不足，虽然研究没有NVIDIA的那么深厚，但也是各领风骚；
独孤九剑，讲究人剑合一；TPU可以适配GOOGLE的TensorFlow的软件架构，软件人员可以不用关心这些软件是运行在NVIDIA的GPU上，还是运行在GOOGLE的TPU上，总之，谁的结果快和经济，就用谁的；用户就是这么朴实无华，且枯燥；谁能让他们赢，谁能节省他们的资金，他们就用谁家的产品；况且GOOGLE还是四大云厂之一，自身的业务足以支撑TPU业务的发展；
从TPUv1只能做AI的推理，TPUv2和TPUv3就可以在AI的训练上和同时代的NVIDIA摆一摆手腕了，如今TPUv4要投入应用，GOOGLE已经成为这个江湖上重量级的玩家，AI芯片江湖上又是一场山雨欲来风满楼；
NVIDIA占据了先手，成为AI芯片当前王者，但是GOOGLE也对这个领域也是虎视眈眈；面对NVIDIA的“九阳神功”，“独孤九剑”剑走偏锋，但始终不能一击封喉，只能先立于不败之地，慢慢周旋，再伺机寻求取胜之机；因为这场高手对决才刚刚开始；是NVIDIA稳坐AI芯片宝座，还是会被挑落马下，取而代之，都需要时间的检验；
