Techspert explique: CPU vs GPU vs TPU Différences

Lors de l'événement I/O en mai, nous avons dévoilé Trillium, la sixième génération de notre puce conçue sur mesure, appelée Tensor Processing Unit, ou TPU. Aujourd'hui, nous sommes ravis d'annoncer qu'elle est désormais disponible en avant-première pour les clients de Google Cloud. Les TPU sont la magie derrière l'IA qui rend vos appareils et applications Google extrêmement utiles, et Trillium est la TPU la plus puissante et la plus écologique que nous ayons jamais créée.

Alors, qu'est-ce qu'une TPU, et qu'est-ce qui rend Trillium unique ? Pour avoir une vue d'ensemble, il est utile de connaître les autres types de processeurs de calcul comme les CPU et les GPU, et ce qui les distingue. Chelsie Czop, une cheffe de produit travaillant sur l'infrastructure IA chez Google Cloud, peut tout expliquer. « Je collabore avec diverses équipes pour m'assurer que nos plateformes sont aussi efficaces que possible pour nos clients qui développent des produits IA », dit-elle. Et selon Chelsie, les TPU de Google sont une des principales raisons pour lesquelles nos produits IA sont si performants.

Plongeons dans les bases ! Que sont les CPU, GPU et TPU ?

Ce sont tous des puces qui agissent comme des processeurs pour les tâches de calcul. Imaginez votre cerveau comme un ordinateur réalisant des activités telles que lire ou résoudre des problèmes mathématiques. Chacune de ces activités est comme une tâche de calcul. Ainsi, lorsque vous utilisez votre téléphone pour prendre une photo, envoyer un message ou ouvrir une application, le cerveau de votre téléphone, ou processeur, gère ces tâches.

Que signifient ces acronymes ?

Bien que les CPU, GPU et TPU soient tous des processeurs, ils deviennent de plus en plus spécialisés. CPU signifie Central Processing Unit (Unité Centrale de Traitement). Ce sont des puces polyvalentes capables de gérer une grande variété de tâches. Tout comme votre cerveau, certaines tâches peuvent prendre plus de temps si le CPU n'est pas spécialisé pour elles.

Ensuite, il y a le GPU, ou Graphics Processing Unit (Unité de Traitement Graphique). Les GPU sont la force motrice pour les tâches de calcul accéléré, du rendu graphique à l'exécution de charges de travail IA. Ils sont un type d'ASIC, ou circuit intégré spécifique à une application. Les circuits intégrés sont généralement faits de silicium, c'est pourquoi vous pourriez entendre les puces être appelées « silicium » — c'est la même chose (et oui, c'est de là que vient le nom « Silicon Valley » !). En résumé, les ASIC sont conçus pour un objectif spécifique.

Le TPU, ou Tensor Processing Unit (Unité de Traitement Tensoriel), est l'ASIC propre à Google. Nous avons conçu les TPU de toutes pièces pour gérer les tâches de calcul basées sur l'IA, ce qui les rend encore plus spécialisés que les CPU et GPU. Les TPU sont au cœur de certains des services IA les plus populaires de Google, y compris Search, YouTube, et les modèles de langage de grande échelle de DeepMind.

Compris, donc ces puces sont ce qui fait fonctionner nos appareils. Où trouve-t-on des CPU, GPU et TPU ?

Les CPU et GPU se trouvent dans des objets du quotidien : les CPU sont présents dans presque tous les smartphones et ordinateurs portables, tandis que les GPU sont courants dans les systèmes de jeu haut de gamme et certains ordinateurs de bureau. Les TPU, en revanche, ne se trouvent que dans les centres de données de Google — d'immenses bâtiments remplis de racks de TPU, travaillant 24 heures sur 24 pour maintenir les services IA de Google et de nos clients Cloud à l'échelle mondiale.

Qu'est-ce qui a poussé Google à commencer à développer des TPU ?

Les CPU ont été inventés à la fin des années 1950, et les GPU sont apparus à la fin des années 90. Chez Google, nous avons commencé à réfléchir aux TPU il y a environ une décennie. Nos services de reconnaissance vocale s'amélioraient rapidement, et nous avons réalisé que si chaque utilisateur commençait à parler à Google seulement trois minutes par jour, nous devrions doubler nos ordinateurs dans les centres de données. Nous savions qu'il nous fallait quelque chose de bien plus efficace que le matériel standard disponible à l'époque — et nous avions besoin de beaucoup plus de puissance de traitement de chaque puce. Alors, nous avons décidé de construire les nôtres !

Et ce « T » signifie Tensor, n'est-ce pas ? Pourquoi ?

Oui — un « tensor » est le terme général pour les structures de données utilisées dans l'apprentissage automatique. Il y a beaucoup de mathématiques en coulisses pour faire fonctionner les tâches IA. Avec notre dernière TPU, Trillium, nous avons augmenté le nombre de calculs qu'elle peut effectuer : Trillium offre 4,7 fois la performance de calcul maximale par puce par rapport à la génération précédente, TPU v5e.

Qu'est-ce que cela signifie, exactement ?

Cela signifie que Trillium peut gérer tous les calculs nécessaires pour des mathématiques complexes 4,7 fois plus rapidement que la version précédente. Non seulement Trillium est plus rapide, mais elle peut également gérer des charges de travail plus grandes et plus complexes.

Y a-t-il autre chose qui la rend meilleure que notre TPU de dernière génération ?

Une autre grande amélioration avec Trillium est qu'elle est notre TPU la plus durable à ce jour — elle est 67 % plus économe en énergie que notre TPU précédente. Alors que la demande en IA continue de croître, l'industrie doit développer ses infrastructures de manière durable. Trillium utilise moins d'énergie pour effectuer le même travail.

Maintenant que les clients commencent à l'utiliser, quel type d'impact pensez-vous que Trillium aura ?

Nous voyons déjà des choses incroyables alimentées par Trillium ! Les clients l'utilisent pour des technologies qui analysent l'ARN pour diverses maladies, convertissent du texte en vidéo à des vitesses fulgurantes, et bien plus encore. Et cela, ce n'est que de la part de nos premiers utilisateurs — maintenant que Trillium est en avant-première, nous sommes impatients de voir ce que les gens en feront.