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。
而針對TPU所提供學習應用，NVIDIA在近期宣布推出採Volta顯示架構的Tesla V100加入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。
