据谷歌人工智能技术科学研究责任人Jeff Dean表露，谷歌已经试着根据人工智能技术程序推动专用型芯片的內部开发设计，以加快其手机软件。Dean在美国旧金山举办的International Solid State Circuits Conference本年度技术性讨论会主题风格演说以后，接纳ZDNet访谈时表示：“大家內部已经将人工智能技术技术性用于一系列芯片设计新项目中。”
以往两年中，谷歌开发设计了一个AI硬件配置大家族——Tensor Processing Unit（TPU芯片），用于在网络服务器电子计算机中解决AI。应用AI来设计芯片是一个稳步发展：AI让芯片越来越更强，历经改进的芯片又能提高AI优化算法，以此类推。
在主题风格演说中，Dean向与会者详细介绍了怎么使用机器学习程序决策电子计算机芯片的电源电路合理布局，最后设计与人们芯片设计工作人员对比，其敏锐性非常乃至高些。
当“走线”每日任务中，芯片设计工作人员一般会应用手机软件来明确芯片中的电源电路合理布局，有点儿类似建筑设计平面设计图。为了更好地寻找考虑好几个总体目标的最好合理布局，必须考虑到许多 要素，包含出示芯片特性，另外也要防止多余的多元性，不然很有可能提升芯片制造成本。这类均衡必须很多的人们研讨式逻辑思维，以最好方法开展设计。如今，人工智能技术优化算法也可以以这类研讨式思维模式开展设计。
Dean举例说明说，深度神经网络神经元网络只花了24个钟头就解决了难题，而人们设计是必须6至8周，而且前面一种的解决方法更强。这降低了芯片总走线总数，进而提升 了高效率。
Dean向与会者表明，用于处理这个问题的机器学习实体模型仅用24小时就明确提出了一种芯片设计计划方案，而人们设计师用了8周時间才进行。
这一深度神经网络程序类似Google DeepMind单位为吸引Go游戏软件开发的AlphaZero程序，而且也是一种增强学习。为了更好地达到目标，该程序试着了各种各样流程来查询什么流程能够产生更强的結果，只不过是并不是下象棋，只是在芯片中设计最优化的电源电路合理布局。
与Go不一样的是，这一解决方法的“室内空间”（走线总数）要大很多，并且如上所述务必考虑许多 规定，并不是只是赢得比赛这一个总体目标。
Dean表明，这一內部科学研究还处在掌握深度神经网络技术性的初期环节。“大家已经使我们的设计师开展实验，看一下如何挣钱在工作内容中应用该程序。此外大家已经尝试掌握该程序的用途及其它在哪几个方面能够改善。”
谷歌涉足AI设计行业正处在芯片生产制造振兴之时，致力于让不一样尺寸的专用型芯片都能够迅速地运作机器学习。有机器学习生物学家觉得，专用型AI硬件配置能够催产更大中型、更高效率的机器学习项目管理。
Dean说，即便 谷歌拓展了AI设计新项目，依然会出现许多 AI硬件配置新成立公司（比如Cerebras Systems和Graphcore）给销售市场产生多元性，并快速发展趋势起來。并表明这类多元性会很有趣。
“我不会明确这种新成立公司是不是可以在销售市场中存活下来，但这很有趣，由于在其中许多 新成立公司采用了迥然不同的设计方法。一些加快的实体模型不大，能够用于上面SRAM。”这代表着，机器学习实体模型很有可能十分小，不用外接运行内存。
“假如你的实体模型可用于SRAM，那麼会越来越十分高效率，但假如不宜，那么就不是你应当挑选的芯片。”
谷歌称，这一机器学习程序造就了许多 连人们设计师也没有想起的新奇电源电路设计。
当被问到这种芯片是不是会融进一些规范设计的情况下，Dean暗示着，多元化是很有可能的，最少就现阶段看来。“我的确觉得大伙儿应用的方式会各有不同，由于当今相关机器学习的科学研究展现爆发式提高，机器学习被用于处理各式各样的难题，当有这般多挑选的情况下，你毫无疑问不愿只盯住一个挑选，只是要想五个或是六个——不容易是一千个，但要有五个或六个不一样的设计点。”
Dean填补说：“什么设计方式会出类拔萃，这一点让人希望，无论是可以处理许多 难题的通用性方式，還是加快某一层面的系统化方式。”
提到谷歌除开TPU以外的措施， Dean表明，谷歌已经试着愈来愈多的专用型芯片。当被问到谷歌AI硬件配置是不是很有可能拓宽到其目前商品以外时，Dean回应说：“哦，是的。”
“不容置疑，机器学习已经被愈来愈普遍地用于谷歌商品中，这种商品既包含根据大数据中心的服务项目，也是有许多 手机的商品。”Dean强调，Google Translate便是一个解决了多元性的程序，该程序如今适用七十种不一样的語言，即便 是在手机飞行模式下还可以在手机上应用。
Dean强调，谷歌扩大了朝向AI的芯片大家族。比如Edge TPU就包含了“不一样的设计点”，包含功耗运用，及其大数据中心关键的性能卓越运用。当被问到谷歌是不是会进一步扩张多元性的情况下，Dean回应说：“我觉得会的。”
Dean表明，“即便 在非大数据中心行业，你能也见到不一样大功率自然环境——比如无人驾驶轿车——中间的差别，不一定是1瓦，有可能是50或100瓦。因而，对于这类自然环境和对于手机上自然环境，你需要不一样的方式。”另外，也有农牧业感应器这类的超功耗运用，这种运用程序能够实行一些AI解决，而不用将一切数据信息发送至云间。这类感应器假如适用AI就可以评定是不是搜集了（比如监控摄像头的）一切数据信息，并将这种独立的数据信息点推送回云空间开展剖析。
