Suchen

Der KI-Beschleuniger für den Einsatz in LG-Fabriken Google bringt TPU für Inferenz-Rechner heraus

| Redakteur: Ulrike Ostler

Google hat eine „Edge Tensor Processing Unit“ (TPU) für das Edge-Computing angekündigt. Die Application-Specific Integrated Circuits (ASICs) eignen sich für Inferenz-Workloads – nicht für das KI-Training – auf „Tensorflow Lite“, einer Low-Overhead-Version von „Tensorflow“, „Tensorflow Lite“.

Firmen zum Thema

Google bringt einen eigenen KI-ASIC sowie ein Referenzdesign für das Edge-Computing heraus.
Google bringt einen eigenen KI-ASIC sowie ein Referenzdesign für das Edge-Computing heraus.
(Bild: Google)

Wie Google erläutert, sind nicht alle Ingredienzien der Edge TPU auf dem eigenen Mist gewachsen, vielmehr haben Hersteller wie ARM, Harting, Hitachi Vantara, Nexcom, Nokia und NXP für die Entwicklung der Kits mit Google zusammengearbeitet. Doch nun soll es schon bald soweit sein: Im Oktober werden die Edge TPUs auf einer modularen Referenzplatine veröffentlicht, die aus dem ASIC, einer CPU von NXP und einem Wi-Fi-Modul besteht.

Die ASICs für die Inferenz-Maschinen sind nicht so leistungsfähig wie die neuesten flüssigkeitsgekühlten TPUs von Google, doch sollen sie die Arbeitslast reduzieren, die in die Cloud geschickt wird. Injong Rhee, Google Vice President für IoT, sagte während der Konferenz „Cloud Next“, die in der vergangenen Woche in San Francisco stattfand: „Die Edge TPU bringt ein Gehirn zu den Edge-Geräten.“ Bevor Rhee im Februar zu Google stieß, war er als CTO bei Samsung tätig.

Einer der ersten Kunden wird jedoch LG sein. Die neuen Geräte sollen zur Überprüfung der Glasqualität von LCD-Panels eingesetzt werden.

Die Performance-Features der Google Edge TPU
Die Performance-Features der Google Edge TPU
(Bild: Google)

Google ist nicht der einzige Anbieter von KI-Akzeleratoren. Anfang des Jahres kündigte etwa Microsoft das „Project Brainwave“ an, das auf FPGAs beim Edge-Computing setzt und ebenfalls in ersten Kundenprojekten im Fertigungsbereich eingesetzt wird. Weitere Konkurrenz kommt von Intel, Nvidia und Xilinx.

Artikelfiles und Artikellinks

(ID:45423148)