克里夫·杨是谷歌的一名计算机科学家和研究员，最为人所知的是作为2017年论文《数据中心内张量处理单元的性能分析》的合著者，该论文介绍了张量处理单元（TPU），这是一种专为加速机器学习工作负载而设计的定制专用集成电路（ASIC）。他的工作聚焦于计算机体系结构与机器学习的交叉领域，致力于设计和分析支撑大规模AI系统的硬件。
早期生涯与教育
杨在卡内基梅隆大学获得计算机科学博士学位，研究期间专注于指令级并行和编译器优化。在加入谷歌之前，他曾在贝尔实验室和罗格斯大学任职，从事处理器微体系结构和性能建模方面的工作。他的学术背景为他后来在神经网络专用硬件方面的贡献奠定了基础。
张量处理单元（TPU）
2017年，杨与谷歌的同事发表了具有影响力的论文，详细介绍了TPU，该芯片自2015年起已在谷歌的数据中心内部署。TPU的设计目标是加速深度神经网络的推理，特别是用于搜索排序和广告定向等应用。杨的职责涉及性能分析和基准测试，证明了TPU相比同时期的GPU和CPU，性能提升了15至30倍，能效提升了30至80倍。这项工作验证了面向AI的领域专用加速器的可行性。
对机器学习硬件的贡献
在TPU之外，杨还参与了谷歌后续定制芯片的开发，包括TPU v2和v3，这些芯片增加了对训练的支持。他还涉足低精度算术、内存系统以及算法与硬件协同设计的研究。他的出版物涵盖神经网络量化、脉动阵列架构以及扩展AI基础设施所面临的挑战等主题。
影响与认可
杨的工作对机器学习系统领域产生了重大影响，同时影响了工业界和学术界。TPU论文被广泛引用，并启发了其他公司的类似努力，例如AWS Trainium和Azure的定制芯片。他是ISCA和NeurIPS等会议上的常客演讲者，他的研究帮助塑造了现代AI硬件的格局，如今专用加速器已成为大规模部署中的标准组件。
当前工作与遗产
截至2024年，杨仍在谷歌工作，专注于下一代加速器以及机器学习与计算机体系结构的交叉领域。他的贡献是向领域专用计算发展这一更广泛趋势的一部分，这一趋势得到了约翰·亨尼西和大卫·帕特森等人物的倡导。杨的工作体现了硬件与软件协同设计在推动人工智能和机器学习系统快速进步中的重要性。