回复@仓又加错-刘成岗: 谢谢仓老师找的链接。
我是这个行业的工程师。准确的说，有“隔离层”，但是这个抽象层并没有完全隔离性能和可用性。
TPU不好用可以从没听说过外部大客户成功案例看出来。如果从本质出发，还是因为对最主流的framework pytorch支持的不好。pytorch的支持是通过pytorch xla实现的，但是pytorch xla做得很差。例子可以看：网页链接。 简单说很多operator不支持/支持的不好。这可能和google的工程师文化也有关，拉不下来脸伺候大客户。
另外，xla的全局编译比pytorch的eager mode开发者体验差很多。虽然性能有提升，但是值不值得牺牲开发者体验还是一个问题。//@仓又加错-刘成岗:回复@无晴无风雨:网页链接 Google不直接卖TPU，而是提供Cloud TPU，不过Cloud GPU和Cloud TPU比例数据没有披露。
网页链接 这篇介绍在TPU上运行PyTorch代码，网页链接 这篇介绍在TPU上运行Tensorflow代码， 网页链接 这篇介绍在TPU上运行JAX代码。
部分证实我的猜想，torch们隔离了硬件层。