在Google Cloud Next中，该公司凭借基于TPU设计的机器学习加速器芯片，加快了ASIC的发展。

谷歌视乎暗示将把Edge TPU直接卖给那些想要制造智能Edge设备的公司。谷歌可能会利用公司内部的产品设计来打入新市场，或者也可能是通过将开发成本分散到公司内部使用所需的更大芯片数量来降低内部ASIC成本。

销售这些机器学习芯片可以为开发者建立一个更加庞大的生态系统，谷歌最初计划是通过几块DIY的板子来提供Edge TPU。

谷歌为DIY的创造者们创造了一系列的工具包，他们想利用人工智能来来添加一个称谓AIY的机器学习。最初，这些项目是利用Raspberry Pi板，最后一个工具包是一个摄像头模块，用来展示如何构建视觉机器学习项目。在那个项目中，谷歌使用了来自英特尔的Movidius芯片作为专用的视觉推断加速器。

这两个最新的开发工具包使用Edge TPU芯片进行推理加速。目前，谷歌还没有发布相关工具包套件或为Edge TPU的定价。因为这些技术细节还很粗略。只知道TPU是支持8- 16位整数的数学运算，但没有显示出功率或相关性能参数。

TPU和TPU 2是为内部云数据中心需求而设计的。现在有了TPU的优势，谷歌将会把TPU架构推向更广阔的市场。该公司现还宣称了一个显著的优势，就是可以基于谷歌框架为机器学习构建一个完整的云生态系统。谷歌的网站也有来自中国汽车供应商Xee的报价，Xee是支持Edge TPU的汽车联网平台的。

如果谷歌将销售权转移给第三方芯片公司会更有意义，比如NXP或Microchip，后者也有销售和物流支持嵌入式设计的产品。许多嵌入式公司也有将产品销售给嵌入式设计师的相关经验。

谷歌的另一个替代方案是将Edge TPU设计发布为开源RTL。该公司可以把它放在GitHub上，或者捐给RISC-V基金会。这将增加TPU设计直接集成到微控制器和SoCs中的可能性。