还有很多其他潜在的应用。从与 GPU 相关的问题开始是个好主意，因为 GPU 本质上执行的操作集稍宽一些，速度稍慢。TPU 可能具有优势的一些可能问题是：

• 着色器是以一种或另一种风格渲染图形的算法。由于计算机图形学可以理解为主要是线性代数，因此很自然地将其视为对张量的运算。

• 物理模拟，再次涉及向量乘以一系列矩阵。

• 期权定价，这又涉及到向量乘以一系列矩阵，特别是当更复杂的导数是价格并且晶格变得多维时。

在 AI 中，还有许多其他算法经过优化以与 GPU 一起使用，并且可以对其进行修改以与特定于张量的硬件一起使用。例如，我们有：

• GPU 上的遗传编程

• GPU 上的多代理系统

• 在 GPU 上进行 SAT 求解

似乎还没有太多工作可以优化张量处理单元的这些其他问题，但 TPU 也不是很老。在价格低廉的消费级 GPU 出现之后，我们花了几年时间才开始看到 AI 被广泛使用。我怀疑我们很快就会看到更多针对其他问题的 TPU 定制代码。