2015年秋季，谷歌发布TensorFlow的开放源代码，这意味着任何公司都可以使用，甚至修改这个软件引擎。现今谷歌决定针对TensorFlow推出其芯片，称为TPU（Tensor Processing Unit），以达到软硬件深度整合的目的，就如同苹果的iOS与Ax处理器一样，企图颠覆产业运作模式。
为了成为领导者，谷歌除了持续深根其软件平台之外，也模仿苹果软硬件整合商业模式，针对人工智能TensorFlow设计一款ASIC（Application Specific Integrated Circuits），专门针对深层神经网络的芯片。基本上，谷歌不会共用其设计的TPU，也就是说，采用TensorFlow的厂商将采用TPU，以强化深度学习与人工智能。TPU是专门面向深度学习开发的ASIC（专用积体电路），与GPU（图形处理单元）和FPGA（现场可程式闸阵列）等深度学习处理使用的其他技术相比，单位耗电量的性能提升10倍。
通常，厂商推动其神经网络与绘图处理芯片来满足其人工智能运作。例如：IC设计厂商NVIDIA就是如此。但微软与其他公司，期望现场可编程门阵列（Field Programmable Gate Arrays：简称FPGA），针对其软件编程为特定任务的芯片。
谷歌的TPU则是专门针对机器学习应用而设立，期望让芯片更加相容且减少计算精度，可以让每个操作需要的晶体管更少。这意味着，谷歌使用芯片的方式不像NVIDIA，也不像其他公司使用更少的芯片。这种营运模式对于芯片制造商来说绝对不是什么好消息，尤其是世界上最大的芯片制造商英特尔。
其实，谷歌已经秘密的使用TPU一年多了，这个客制化芯片似乎能够提升其机器学习系统的运行速度。毕竟，半导体产业的摩尔定律已经开始面临瓶颈，新型处理器的速度当然也陷入成长限制，这使得针对特殊需求任务的芯片将于未来将变得更有发展空间。
随着机器学习变得愈来愈广泛的应用，从语音识别、语言翻译和数据分析，未来哪一家公司能够开发出具备负荷庞大高运算强度软件的芯片，这对于其技术研发进度有很大的关键。谷歌未来一段时间不太可能贩售这种芯片，以免落入竞争对手之中，让竞争对手能够缩减研发时间进而赶上谷歌的这项创举。
英特尔的处理器驱动着谷歌内部庞大的运算服务器以及数据分析，一旦英特尔在未来的某一天不能够在谷歌的公司内成为被采用的芯片，那么英特尔就必须要担心，其在苹果与智能手机失败的情况很可能在谷歌进入人工智能时，又再一次发生相同的事情。