Primerjava stroškov uporabe Google Cloud TPU -je z nakupom in vzdrževanjem lastne strojne opreme TPU vključuje več dejavnikov:
1. stroški v oblaku TPU: Google Cloud TPU -ji so na voljo kot storitev v oblaku, kar pomeni, da plačujete samo za čas, ki ga uporabljate. Stroški se razlikujejo glede na različico TPU in zavezo uporabe. Na primer, 512-jedrni TPU V2 POD stane 384 dolarjev na uro na zahtevo, z znatnimi popusti za dolgoročne obveznosti 2,1 milijona dolarjev na leto za enoletno zavezo in 4,5 milijona dolarjev za tri leta [1]. Najnovejši TPU V4 lahko stane približno 8 dolarjev na uro na čip, obsežne konfiguracije, kot je TPU V4-POD, pa lahko dosežejo 32.200 dolarjev na uro [2] [3].
2. Nakup in vzdrževanje lastne strojne opreme: TPU se ne prodajajo posamično za osebno uporabo; Na voljo so samo prek storitev v oblaku, kot je Google Cloud. Vendar lahko to primerjate z nakupom visokozmogljivih GPU-jev, ki se običajno uporabljajo za podobne naloge. GPU-ji višjega cenovnega razreda, kot sta NVIDIA V100 ali A100, lahko stanejo med 8.000 in 15.000 dolarjev na enoto [2]. Poleg tega ohranjanje lastne strojne opreme vključuje pomembne stalne stroške za moč, hlajenje, nadzemno in osebje [7].
3. PREDSTAVITEV STROŠKIH: Za pogosto ali neprekinjeno uporabo je nakup in vzdrževanje lastne strojne opreme lahko dolgoročno bolj stroškovno učinkovit, še posebej pri upoštevanju skupnih stroškov lastništva, vključno z operativnimi stroški. Vendar pa so za občasne ali majhne projekte lahko storitve v oblaku, kot je Google Cloud TPUS, bolj ekonomične zaradi pomanjkanja vnaprejšnje kapitalske stroške in zmožnosti obsega po potrebi [7].
Če povzamemo, medtem ko v oblaku TPUS ponuja prilagodljivost in razširljivost brez vnaprejšnjih stroškov strojne opreme, je nakup in vzdrževanje lastne strojne opreme (kot so visokozmogljivi GPU) lahko stroškovno učinkovitejši za dolgoročno, intenzivno uporabo, če upoštevamo začetne in operativne stroške.
Navedbe:[1] https://www.reddit.com/r/machinelearning/comments/epx5vg/d_google_cloud_tpu_pod_pricing_grid_a_512core_tpu/
[2] https://www.datacamp.com/blog/tpu-vs-gpu-ai
[3] https://www.chaotropy.com/why-googles-tpus-are-no-match-for-nvidias-gpus/
[4] https://www.androidpolice.com/what-are-google-coloud-tpus/
[5] https://cloud.google.com/tpu
[6] https://www.syntio.net/sl/labs-musings/machine-learning-on-gcp-cloud-tpu-vs-coloud-functions/
[7] https://www.dataknobs.com/generativeai/tpu/tpu-gpu-cost.html
[8] https://cloud.google.com/tpu/docs/intro-to-tpu
[9] https://cloudplatform.googleblog.com/2018/06/cloud-Tpu-now-offers-preempble-prining-and-global-availbable.html