Google在去年推出第二代客製化TPU (Tensor Processing Unit)處理器，並且應用在TensorFlow Research Cloud服務且開放申請使用之餘，事實上並未直接提供租用TPU運算資源。而在稍早聲明裡，Google表示將以少量形式向Google Cloud雲端服務用戶提供TPU運算資源租用服務，並且以每小時6.50美元價格提供使用。
相比多數深度學習加速器是以多組繪圖卡或多組處理器建構而成，Google從2016年推出第一款客製化TPU處理器，到去年推出的第二代規格，幾乎去除深度學習等應用非必要的I/O埠等設計，強調加入更高邏輯推理效率與深度學習應用，同時件構成的每組Cloud TPU約可發揮180TFLOPS運算效能表現。
Google表示，相比採用32張現行最好的商用GPU構成加速學習模式仍須花費一天左右訓練時間，透過第二代TPU設計僅需體積僅為八分之一大小的單一機架叢集 (Pod)以一個下午時間即可完成訓練。
而在去年宣布推出第二代TPU設計時，Google也同步宣布推出以1000組Cloud TPU運算叢集構成的TensorFlow Research Cloud服務，並且將以免費形式開放各類深度學習研究申請使用。而在稍早對外聲明終，才確定將以少量形式向Google Cloud雲端服務用戶提供TPU運算資源租用服務，並且以每小時6.50美元價格提供使用，讓用戶端能依照自身需求藉由TPU運算能力進行快速推演、學習。
對外開放租用TPU運算資源，意味Google將使雲端服務用戶能有更多選擇，不一定僅能仰賴NVIDIA、AMD或Intel等廠商提供顯示卡與處理器，同時整體建置成本也能相對降低許多，同時獲得更快的運算效能。
不過，從先前不少對於深度學習應用模式，導入TPU的運算效率雖然可以很快，但不見得能帶來最大優勢，最主要還是看學習模型與實際應用，並不見得透過繪圖卡、處理器進行運算的學習模式就不好，畢竟以TPU的設計來看，僅能以TensorFlow學習模型進行訓練。
