正文
Pichai 在
本届大会上
再次强调了谷歌 AI First 战略的重要性，他表示，机器学习已经在谷歌的诸多产品中得到了广泛应用，其中包括搜索排序、街景、图片搜索、智能回复、YouTube 推荐等。
在具体技术方面，Pichai 说：「声音和视觉是一种新的计算形式。我们正在见证计算机视觉和语音领域的诸多伟大进步。」
谷歌的语音识别技术的词错率逐年下降，仅从去年 7 月到现在就实现了 8.5% 到 4.9% 的极大改进；而且即使在有噪音存在的情况下也能表现良好。在 Google Home 刚发布时，原本需要 8 个麦克风才能准确定位周围的说话人，「而借助深度学习，我们最后能够推出仅有 2 个麦克风的产品，而且达到了同样质量。」现在 Google Home 已经能识别 6 个不同的说话人并为他们定制个性化体验。
在处理某些任务时，图像识别的准确度也超过了人类水平，并且应用到了 Pixel 系列手机的相机应用中，来自动清除图像中的噪点，实现高质量的夜间成像效果；不久之后甚至还可以自动移除照片上的遮挡物，比如挡在相机前的棒球场围网。
在这些计算机视觉技术的基础上，谷歌又发布了 Google Lens 。这个功能将首先出现在 Google Assistant 和 Photos 中，用户可以使用 Google Lens 来识别花的品种、扫描设置好的条形码来连接 WiFi 、在大街上扫描店面来了解网上评价。
TPU 云服务
AI First 的战略需要 AI First 的数据中心，为此谷歌打造了为机器学习定制的硬件 TPU 。去年发布时，TPU 的速度比当时 CPU 和 GPU 的速度快 15 到 30 倍，
功耗效率高 30 到 80 倍
。如今的 TPU 已经在为谷歌的各种机器学习应用提供支持，包括之前战胜李世石的 AlphaGo 。
Pichai 介绍道，深度学习分为两个阶段：训练（training）和推理（inference）。其中训练阶段是非常计算密集型的，比如，谷歌的一个机器翻译模型每周就要处理至少 30 亿词的训练数据，需要数百个 GPU，去年的 TPU 就是专门为推理阶段优化的；而在今年的 I/O 大会上，Pichai 宣布了下一代 TPU——Cloud TPU——其既为推理阶段进行了优化，也为训练阶段进行了优化。在现场展示的一块 Cloud TPU 板图片上有 4 块芯片，其处理速度可达 180 teraflops（每秒万亿次浮点运算）。
此外，Cloud TPU 还可以轻松实现集成组合，你可以将 64 块 TPU 组合成一个「超级计算机」，即一个 pod ，每个 pod 的速度可达 11.5 petaflops（每秒千万亿次浮点运算）；另外，Pichai 还宣布将 Cloud TPU 应用到了 Google Compute Engine 中。
一个 Cloud TPU Pod 示意图，包含 64 块 Cloud TPU
正如 Pichai 所言，「我们希望谷歌云是最好的机器学习云，并为用户提供 CPU 、GPU 和 TPU 等更广泛的硬件支持。」
在下午的开发者 Keynote 中，谷歌云机器学习与人工智能首席科学家李飞飞也表示，每个人都可通过谷歌的云平台使用云 TPU，不久之后将会开放租借。
