谷歌芯的几大“亮点”
这不是谷歌的第一颗芯片，但这一次的Whitechapel依然延续了谷歌设计芯片的精神。
首先，将自身强大的算法处理能力集成到硅层面，Whitechapel不是谷歌的第一次尝试。
此前在推出Pixel 2和Pixel 2 XL时，谷歌在主处理器旁边增加的Pixel Visual Core就是它这一设计思路的典型实践。
当时，谷歌是这样解释的。为了提升图像处理能力，它认为通过二级芯片设计，不仅可以获得比应用处理器快上5倍的HDR＋图像的编译速度，还能收获比原有设计更低的功耗（约1／10）。
不难发现，谷歌选择这样的设计，其中最关键的原因就是，要将自家关键的图像处理算法能力（如基于场景的自动图像调整能力等）与芯片设计结合在一起，并给出一个最优的软硬件方案。
其实将AI算法与专用芯片有效结合，以更高效执行任务的设计，并不是智能手机领域的新概念。高通就是这一理念的最高推崇者，尤其是专用图像信号处理器（ISP）和数字信号处理器（DSP）组件，它已经在这个方向上研究和推动了好几代，并已经利用AI实现了更高效的芯片级图像和数字处理。尤其是在未来5G手机SoC设计上，高通提出的1亿像素点设计，大致就是源于此。
但是不得不指出，因高通不直接做C端应用算法，其与谷歌在践行这一理念上还是有差别的。简单来说，谷歌希望做的，相对高通，会更为彻底。
仍以Pixel Visual Core的设计来看，它由8个IPU核心组成，其中每一个核心包括512个算术逻辑单元（ALU），这样的设计就明显适用于执行大规模数学运算的应用，而若非谷歌有与之匹配的编译器、Halide乃至TensorFlow等强大的软件开发和应用算法，这一设计其实是没有太大用处的。
由此可以看出，谷歌的芯片设计与软件应用的联系更为紧密，也比高通的设计更为彻底。
其次，谷歌设计芯片还讲究创新。
作为一家软件算法公司，谷歌的硬件能力第一次被大众熟知，是其TPU的发布。
在整个行业内，可以说无人不认可TPU芯片设计对于神经网络芯片，尤其是推理芯片设计领域的划时代意义。谷歌在硬件设计上的创新能力也在那一刻显露。
这一次，由透露出的消息——Whitechapel可以应用在手机和电脑端，我们也不难感受出谷歌的创新想法。
简单来说，一直以来在消费电子领域，PC和手机因市场定位不同，采用的核心处理器芯片是不同的。另外，功耗和性能不可调和的矛盾，使统一两者核心处理器成为一项不可能完成的任务。
这一次，谷歌想要通过一款芯片来贯穿其旗下的两款硬件产品，其在架构或者其他层面的创新是难免的，也确实还是蛮让人期待的。
