TPU（Tensor Processing Unit：張量處理器）是Google於2016年自行開發並發表的AI訓練與推論專用ASIC（特定應用積體電路）。其設計針對TensorFlow框架的張量運算（多維陣列的矩陣乘法）最佳化，能以比GPU更高的電力效率處理深度學習工作負載。在Google Cloud Platform（GCP）上從TPU v2到v5持續世代更新，截至2024年提供TPU v5e與TPU v5p。
TPU的架構結合了大規模矩陣乘法單元（MXU：Matrix Multiply Unit）與晶片上記憶體（HBM）。TPU v4每1顆晶片具備275TOPS的運算效能，將4096顆晶片互連的「TPU Pod系統」可實現超過1 exaFLOPS的效能。透過採用BFloat16（Brain浮點格式），在維持精度的同時提高運算效率。由台積電負責製造。
TPU是Google自有垂直整合策略的核心，用於Gemini、PaLM等大型語言模型（LLM）的訓練與推論。專門以雲端形式提供，不對外銷售（與AWS Trainium、Microsoft Azure Maia同為自研ASIC）。與NPU（智慧型手機用邊緣推論）及GPU（通用AI）的差異，請參閱AI 加速器的用語。ASIC與FPGA的設計架構比較，則在ASIC與FPGA的差異（效能、成本與用途比較）的文章中說明。