繼Google推出第一款TPU設計之後，NVIDIA執行長黃仁勳曾批評Google以舊式Tesla加速卡
作為比較並不合理，而在Google於Google I/O 2017期間宣布推出第二代TPU設計，黃仁勳
也同樣透過官方部落格內容予以回應，除了強調NVIDIA與Google之間深度合作關係，更強
調本身也將針對特定人工智慧應用領域優化軟體項目，藉此讓旗下藉由GPU加速學習的應
用方案有更多元發展。

黃仁勳稍早於官方部落格再次發文，雖然說明NVIDIA依然與Google維持深度合作，但在人
工智慧技術深度學習方面，則強調在諸多學習框架應用需求之下，NVIDIA所提出GPU加速
深度學習模式可對應TensorFlow、Caffe、Cognitive Toolkit在內的學習框架，相比TPU
目前依然僅對應TensorFlow學習框架有更多元使用效益，將可對應更多人工智慧系統架構
。

Tensor核心設計，藉此對應TensorFlow學習架構優化，同時更能對應不同人工智慧系統所
需學習框架。至於Google推出的第二代TPU除在運算效能大幅提昇，更加入深度學習應用
功能，而不像第一代TPU僅能強化邏輯判斷學習效率，但依然僅能對應TensorFlow學習架
構使用，而無法對應其他學習框架，甚至目前也僅開放租用，而不像NVIDIA提出解決方案
可用於各類硬體設計，例如自駕車或其他深度學習加速應用。

不過，就Google打造的TPU設計來看，現階段並非為了與NVIDIA直接做市場競爭，而是為
了讓開發者能藉由雲端租賃方式進行深度學習或邏輯判斷訓練，但依照不同學習使用需求
仍可選擇租賃不同雲端硬體架構，在TPU硬體架構以外仍提供NVIDIA在內的硬體選項。