克利夫·杨是谷歌的一名计算机科学家和研究员，最为人熟知的是作为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）--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性和编译器优化。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专用神经网络硬件方面的贡献奠定了坚实基础。
张量处理单元（TPU）
2017年，杨与谷歌的同事共同发表了那篇具有影响力的论文，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的设计初衷是加速深度神经网络的推理过程，尤其适用于搜索排名和广告点击率预测等应用场景。杨在其中的角色涉及性能分析和基准测试，他证明了TPU相比同期GPU和CPU能提供15-30倍的性能提升，同时能效高出30-80倍。这项工作有力地证明了针对特定领域设计加速器的可行性与价值。
对机器学习硬件的贡献
在TPU之外，杨还参与了谷歌定制硅芯片的后续几代产品开发，包括增加了训练支持的TPU v2和v3。他的研究还涉及低精度算术、内存系统以及算法与硬件的协同设计。他的多篇论文涵盖了神经网络量化、脉动阵列架构以及大规模AI基础设施扩展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深远影响，既推动了工业界的实践，也影响了学术研究的方向。那篇TPU论文被广泛引用，并启发了其他公司开发类似的自研芯片，例如AWS的Trainium和Azure的自定义加速器。他经常在ISCA和NeurIPS等顶级会议上发表演讲，其研究成果帮助塑造了现代AI硬件的格局--专用加速器如今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计算机体系结构与机器学习的交叉领域。他的贡献是更广泛的专用计算趋势的一部分，这一趋势得到了约翰·亨尼斯和大卫·帕特森等先驱的倡导。杨的工作充分体现了软硬件协同设计在推动人工智能和机器学习系统快速发展中的关键作用。