行的数据中心，这些公司每年花费数百亿美元购买芯片和服务器，还花费大量资金为这些数据中心提供电力。在竞争“云”市场份额时，提高芯片的效率是必要的。与通用的英特尔CPU相比，针对人工智能进行优化的芯片可以更快地工作，可以占用更少的数据中心空间，同时使用更少的电力。
在21世纪第二个十年早期，图形芯片设计者英伟达听说斯坦福大学的博士生使用它们的GPU做图形以外的事情。GPU与标准的英特尔或AMDCPU的工作方式不同，CPU具有无限的灵活性，但是以串行的方式运行所有计算。相比之下，GPU被设计为针对相同计算同时运行多次迭代。这种“并行处理”很快就变得清晰起来，它的用途不仅仅是控制电脑游戏中的图像像素，还可以有效地训练人工智能系统。在CPU逐条处理数据时，GPU可以同时处理多条数据。为了学会识别猫的图像，CPU需要一个像素一个像素地处理，而GPU可以一次“查看”许多像素。因此，GPU训练电脑识别猫所需的时间大大减少。
瓦纳斯·维寇斯基（WallaceWitkowski），《按市值计算，英伟达超越英特尔成为美国最大的芯片制造商》（NvidiaSurpassesIntelasLargestU.S.ChipMakerbyMarketCap），市场观察网（MarketWatch），2020年7月8日。此后，英伟达将未来押在了人工智能上。自成立以来，英伟达将芯片生产外包给了台积电，坚持不懈地致力于设计新一代GPU，并对名为CUDA的特殊编程语言进行定期升级，这使得设计使用英伟达芯片的程序变得简单易行。随着投资者打赌数据中心将需要更多的GPU，英伟达成为美国最有价值的半导体公司。
《云TPU定价》（CloudTPUPricing），谷歌云，
