緒論：人工智能計算範式的演進與專用加速器的崛起
在現代計算科學的發展進程中，人工智能（AI）與機器學習（ML）的爆發性成長對底層硬體提出了前所未有的挑戰。傳統的中央處理器（CPU）雖然具備極高的指令集通用性，但在處理大規模矩陣運算時受限於馮·諾伊曼架構（Von Neumann architecture）的記憶體牆瓶頸；而圖形處理器（GPU）雖具備強大的並行計算能力，但其原始設計並非專門針對深度學習。在這種背景下，張量處理單元（Tensor Processing Unit, TPU）作為一種特定領域架構（Domain-Specific Architecture, DSA）應運而生，標誌著計算架構從通用化向極致專業化的跨越 。
