http://www.ithome.com.tw/news/106042
Google分散式硬體工程師Norm Jouppi指出，機器學習是許多Google應用的基礎，從街景服務、Google Inbox智慧回覆到語音搜尋，目前已有超過100個Google團隊使用機器學習技術，然而，好的軟體必須搭配好的硬體，因此Google在多年前便著手展開秘密專案，自行打造適用於機器學習的客製化加速器。
值得注意的是文中提到有超過100個Google團隊正在使用Tensorflow相關的技術，Google內部往往是新時代技術的早期採用者（從Cloud Computing, Big Table等例子可以看出），相信未來這100個團隊會轉化成100甚至更多的機器學習需求，分佈在各大公司內部或是無數個新創公司中，相信這是個不可逆的趨勢，未來需求會如此龐大，另外Google內部已經開始使用TPU作為Tensorflow服務的背後運算單元，代表有這些軟體需求的公司會更需要用TPU或是未來出現的技術來進行巨量的機器學習運算。
補充：http://www.ithome.com.tw/news/105099
Google從2012年初開始在內部專案中使用機器學習技術，2014年擁抱機器學習的專案量更快速成長，至今超過1,500個內部專案採用，除了AlphaGo以外，還有地圖服務、相片服務、Gmail、語音辨識、Android、YouTube、翻譯、機器人研究、自然語言研究、醫藥研發等專案。
https://read01.com/xOzPEz.html
谷歌需要利用深度學習技術的產品/領域：
安卓，Apps，藥物發現，谷歌郵箱，圖像理解，地圖，自然語言，圖片，機器人，語音翻譯，等等。
深度學習能應用於如此完全不同的項目的原因是他們涉及相同的基石，這些基石可用於不同的領域：語音、文本、搜索查詢、圖像、視頻、標籤、實體(一種特定的軟體模塊)、文字、音頻特性。