مع تطور تقنيات الذكاء الاصطناعي، ظهرت عدة أنواع من المعالجات المتخصصة. بعد CPU وGPU، أضافت جوجل إلى السوق معالج جديد يُعرف بـ TPU أو Tensor Processing Unit، وهو معالج مملوك للشركة مصمم خصيصاً للعمليات الحسابية المعقدة التي يتطلبها تدريب نماذج الذكاء الاصطناعي. بدأت جوجل باستخدام هذه المعالجات داخلياً عام 2015، وركزت استخدامها في مراكز البيانات السحابية.

ثمة التباس شائع حول تسمية TPU، فالشركة استخدمت المصطلح مرتين بمعنيين مختلفين. في هواتف Pixel 11، يُقصد بـ TPU ما يعادل وحدة معالجة عصبية محلية تتعامل مع معالجة الكاميرا والمهام الذكية على الجهاز ذاته. أما TPU في مراكز البيانات فهو نظام متطور جداً يخدم تطبيقات سحابية ضخمة.

الفرق الجوهري بين هذه المعالجات يكمن في مجالات الاستخدام والحجم. وحدات معالجة عصبية (NPU) موجودة في الهواتف الذكية والحواسب الشخصية، وتتولى مهام الذكاء الاصطناعي المحلية مثل إزالة الخلفيات أو ترجمة النصوص الفورية. معالجات GPU، المعروفة بين اللاعبين والمصممين، تتمتع بمرونة عالية وتتعامل مع مهام متنوعة من الألعاب إلى تدريب نماذج الذكاء الاصطناعي.

معالجات TPU في مراكز البيانات تعتمد على بنية معمارية متخصصة تسمى systolic array، تسمح بتدفق البيانات في شبكة ثنائية الأبعاد بكفاءة عالية دون الحاجة المتكررة للكتابة إلى الذاكرة. هذا التصميم يجعلها الخيار الأمثل لتدريب نماذج اللغات الكبيرة والعمليات الحسابية الضخمة، خاصة عند خدمة شركات مثل Anthropic وMidjourney التي تتعامل مع مليارات طلبات ذكاء اصطناعي يومياً.

زعمت جوجل أن نسخة TPU في Pixel 11 توفر سرعة معالجة للذكاء الاصطناعي تصل إلى 3.5 مرات أسرع مع استهلاك طاقة أقل بنسبة 3.5 مرات. كل معالج يتفوق في سياق معين: NPU والمعالجات المحلية تناسب المهام البسيطة موفرة للطاقة، بينما GPU تتعامل مع أحمال العمل المتنوعة، و TPU متخصصة حصراً لتشغيل الذكاء الاصطناعي على نطاق عالمي في مراكز البيانات الضخمة.