训练最先进的机器学习模型是需要投入大量的计算的，而研究人员，工程师和数据科学家往往需要等待几周之后才会得到计算结果。为了解决这个问题，我们从头开始设计了一个全新的ML加速器——第二代TPU，或称Tensor Processing Unit，它比以往任何的TPU运行得都要快，而且可以加速训练和运行ML模型。
每个设备可提供高达180 teraflops的浮点性能，而这些新的TPU被设计成可以连接到更大的系统。一个64-TPU pod可以将多达11.5 petaflops计算应用到一个单一的ML训练任务。
我们对这些新的TPU感到非常兴奋，我们希望能与世界分享这项技术，以便每个人都可以从中获益。这就是为什么我们第一次将我们的第二代TPU引入Google Cloud，作为GCE（Google Compute Engine）上的Cloud TPU。你即将能够将Cloud TPU与Skylake CPU，NVIDIA GPU以及我们所有其他基础设施和服务相结合，以构建和优化一个完美的机器学习系统，从而满足你的需求。最重要的是，Cloud TPU通过TensorFlow（最受欢迎的开源机器学习框架）可以很容易地进行编程。
我们今天目睹的许多机器学习的新突破正在由一个非常开放和协作的国际社会研究人员进行驱动。他们中不仅有学者，还有许多不同背景的人们都在在各种各样的领域做出了重大贡献。
几乎所有这些研究人员都存在的共同之处就是，他们对更多的计算能力的迫切需求，以加速他们今天正在做的工作，并使他们能够探索大胆的新想法，一些如果没有更强大的硬件来支撑就是不切实际的想法。
为了使最有希望的研究人员能够追求自己的梦想并与世界分享进一步的突破，我们正在创建TensorFlow研究云，这是一个由1000个Cloud TPU组成的集群，而我们会将这些免费提供给顶尖研究人员。我们正在建立一个程序，来接受和评估一个以滚动的方式计算时间的应用程序，我们很高兴看到人们将使用Cloud TPU来做些什么。
