Google avduker fire spesialiserte TPU-er i 2026 inkludert sikre og høy-kontekstmodeller

Bilde: Google · Kilde

Google utvider sin åttende generasjons TPU-portefølje med TPU 8tx og TPU 8i Max, som komplementerer TPU 8t og 8i, for å håndtere sikre inferens- og enorme kontekstarbeidsbelastninger for AI-agenter.

I november 2026 kunngjorde Google en betydelig utvidelse av sin åttende generasjon Tensor Processing Unit (TPU)-portefølje ved å introdusere to nye systemer, TPU 8tx og TPU 8i Max, sammen med de tidligere lanserte TPU 8t og TPU 8i. Dette markerer første gang Google lanserer fire TPU-varianter innen ett år, noe som reflekterer den økende kompleksiteten i AI-arbeidsoppgaver og behovet for spesialisert maskinvare.

TPU-er ble opprinnelig utviklet for over ti år siden for å støtte Googles interne AI-behov som talegjenkjenning og språkoversettelse, og har utviklet seg til å tjene ulike applikasjoner inkludert trening og utrulling av Gemini AI-modeller, agentaktige arbeidsoppgaver, samt å tilby skytjenester til en voksende kundebase på nærmere 100 organisasjoner globalt.

TPU 8t er designet for storskalatrening av grunnleggende AI-modeller, med fokus på å maksimere treningsytelsen målt som nyttig intelligensutgang per watt. TPU 8i-varianten retter seg mot sanntidsresonnering ved effektivt å adressere minneflaskehalser og redusere kommunikasjonsoverføringsforsinkelser mellom kretser.

Den nylig annonserte TPU 8tx retter seg mot sikre og konfidensielle AI-inferensarbeidsbelastninger, og oppfyller behov innen regulerte sektorer som bedrifter og offentlige myndigheter. Ved å bruke samme silisium som TPU 8t kombinert med AMD EPYC CPU-er, inkluderer TPU 8tx maskinvarebasert kryptering for å beskytte sensitive data og modellparametere under aktiv bruk, samtidig som lav ventetid opprettholdes gjennom et spesialisert Boardfly-nettverk. Dette systemet støtter privat finjustering, destillering og forsterkningslæring på en enkelt plattform uten datamigrering, og oppfyller strenge sikkerhetskrav.

TPU 8i Max adresserer utfordringen med enorme kontekstvinduer nødvendig for agentbasert AI som resonnerer på tvers av omfattende data som kodebaser eller video. Ved å kombinere to TPU 8i-brikker sammen dobler den regnekraft, SRAM og høy båndbredde-minne, som gjør det mulig å kjøre store arbeidsbelastninger uten avbrudd og øker regnetetthet per rack.

Disse fire systemene gir samlet sett formålsbygde akseleratorer optimalisert for ulike AI-livssyklusstadier: TPU 8t for skalert trening, TPU 8i for lav-latens resonnering, TPU 8tx for konfidensiell databehandling, og TPU 8i Max for stor-kontekst og høy-densitets databehandling.

Som et supplement til maskinvaren har Google forbedret TPU-tilgjengelighet ved å støtte populære rammeverk som PyTorch via open-source TorchTPU, som muliggjør sømløs distribusjon og optimalisering uten omskriving av kode. Ytterligere verktøy som TPU agent suite og TPU Sync programvarelag legger til rette for automatisert onboarding, minnehåndtering og skalering av store TPU-klynger.

Google fremhever en samskapende tilnærming med Google DeepMind og AI-drevne utviklingsteknikker for raskt å innovere TPU-maskinvare og systemer. Denne integrerte designprosessen akselererer utviklingssykluser og forbereder infrastrukturen for veksten drevet av agentbasert AI og store språkmodeller.

For ytterligere informasjon tilbyr Google en detaljert sending og nettressurser som beskriver spesifikasjonene og kapasitetene til disse TPU-systemene, med mål om å gjøre det mulig for utviklere og bedrifter å utnytte neste generasjons AI-infrastruktur effektivt og sikkert.