去年在Google I/O 2016揭曉旗下首款針對機器學習打造的TPU客製化處理器，Google稍早進一步揭曉此款對應TensorFlow學習框架的客製化處理器具體效能表現。
相比傳統處理器或GPU元件設計，Google所提出的TPU客製化處理器除針對TensorFlow學習框架量身打造，更去除非必要的運算架構、保留對應特定演演算法運作設計，藉此讓TPU可在深度學習等應用發揮高於處理器、GPU演算效能功耗，甚至比起兩者搭配形成的平行運算架構有更低功耗表現，卻能發揮更大演算效能。
根據Google公布數據，TPU約可發揮處理器、GPU約30倍或15倍運算效能，每瓦效能表現則比處理器、GPU提升約80倍或30倍，同時僅須100至1500行編碼即可運作處理TensorFlow學習框架指令集，相比傳統處理器、GPU或兩者形成平行運算架構仍須複雜指令集才能順利運作，Google強調將TPU用於深度學習將有更容易佈署的彈性便利。
目前Google計畫將TPU廣泛應用在旗下應用深度學習的服務項目，其中包含Google Photos、影像搜尋，以及今年宣布開放使用的Google Cloud Vision API內容。
但相比現有學習框架所使用硬體架構，Google所提出的TPU依然鎖定特定領域應用居多，意味在形式較為固定的學習模型之下，將使深度學習效率有更好表現，但以現階段人工智慧技術依然處於初期發展階段，學習模式仍可能有高度改變情況之下，傳統處理器、GPU用於學習模式建構仍有較高佈署彈性，因此預期TPU導入應用還是會聚焦在特定使用模式，暫時還不會取代現行多數透過處理器、GPU進行深度學習的訓練模式。
