Zpráva, kterou 16. srpna pokryly Tom's Hardware and Firstpost, přistává uprostřed sílícího závodu o přepracování infrastruktury umělé inteligence pro modely uvažování a autonomní agenty – posun, který sledujeme v našem nejnovějším zpravodajství o AI. Podle SemiAnalysis Google a jeho zákazníci tlačí na TPU s jádry CPU v balení pro posílení učení (RL) a potenciálně další zátěže náročné na CPU a AMD je silným kandidátem na dodání chybějících kusů.
Proč by Google nepotřeboval AMD k návrhu TPU
Analytici nalijí studenou vodu na nejjednodušší čtení příběhu. Google již má značné vlastní odborné znalosti v architektuře akcelerátorů, vypilované během osmi generací TPU, a nepotřeboval by nutně AMD, aby navrhlo další konvenční TPU. Šance, že AMD implementuje další inferenční čip Google (TPU V10i) nebo tréninkový čip (TPU V10t), jsou považovány za nízké.
Místo toho se analytici domnívají, že Google může potřebovat věci, které může poskytnout výrobce CPU, jako je AMD: duševní vlastnictví CPU, programovatelná logika, propojení nebo pokročilé odborné znalosti v oblasti balení. Jinými slovy, příběh je méně o tom, že AMD vybuduje akcelerátor AI od Googlu, ale spíše o tom, co by mohl odemknout hybridní čip – výpočet tenzoru Googlu spojený s jádry AMD pro všeobecné použití.
Posílené učení obrací AI křemík naruby
Ovladačem je skutečný posun v tom, jak systémy AI spotřebovávají výpočty. Konvenční výuka velkých jazykových modelů zůstává v drtivé většině náročný na akcelerátor: maticová matematika, celodenní, na GPU a TPU. Ale posílení učení pro uvažování a agentní modely je jiné. RL pipelines prokládají operace akcelerátoru velkým množstvím skalárních, rozvětvených, obecných výpočtů – simulace prostředí, výpočet odměn, orchestrace mnoha paralelních zavádění – které běží mnohem lépe na CPU.
Vlastní návrhy systémů Google již tento posun odrážejí. Podle zprávy poskytují systémy TPU 8i společnosti Google zaměřené na odvození – vytvořené pro vyvozování, uvažování a pracovní zátěže RL – jeden procesor Google Axion na každé dva TPU. Pro srovnání, servery založené na TPU sedmé generace využívaly jeden procesor Intel Xeon „Emerald Rapids“ na každé čtyři TPU. Zdvojnásobení poměru procesoru k akcelerátoru je silným signálem toho, kam Google vidí směřování zátěže, a balení jader CPU přímo vedle akcelerátoru je logickým dalším krokem: kratší datové cesty, menší přesun dat a lepší energetická účinnost přesně pro zátěže, které vyžaduje agentní AI.
Precedent MI300A
AMD do takového projektu přináší přímo relevantní zkušenosti. Jeho Instinct MI300A – nasazený v superpočítačích elitní třídy – byl prvním skutečným APU v měřítku datových center, kombinující čiplety x86 Zen CPU a výpočetní čiplety GPU se sdílenou pamětí v jediném balíčku. Budoucí design Google by mohl mít podobný tvar: výpočetní čiplety TPU společnosti Google spárované s procesorovou technologií AMD a vysokorychlostní pamětí, přičemž AMD potenciálně manipuluje s částmi balení a integrací.
Obě společnosti mají důvod mluvit. Pro Google by tento krok rozšířil křemíkovou strategii, která již zahrnuje více partnerů – její osmá generace řady TPU, oznámená v dubnu 2026, rozdělená na vyhrazené školicí (8t) a inferenční (8i) čipy a zprávy z počátku tohoto roku popisují, že Google sestavuje vlastní dodavatelský řetězec křemíku pro více partnerů zahrnující Broadcom, MediaTek a Marvell v rámci výzvy. Pro AMD by výhra v designu Google znamenala markantní podporu jejího čipletu a technologie balení – a oporu na zakázkovém AI křemíku, trhu, kde dominance Nvidie zůstává do značné míry nezpochybnitelná.
Důležitá upozornění
SemiAnalysis sama o sobě zdůrazňuje, že přetrvává značná nejistota. Přesná povaha hlášeného zapojení AMD je nejasná, partnerství nebylo potvrzeno ani jednou ze společností a analytici své úvahy formulují jako informované spekulace o tom, proč by taková spolupráce měla smysl, spíše než jako potvrzený plán produktu.
Ale hlubší signál je důležitější než samotná dohoda. Pokud jsou zprávy přesné, nejvýznamnější vývoj nespočívá ve spolupráci Googlu a AMD – je to Google, který zkoumá varianty TPU náročné na CPU navržené speciálně pro posílení učení, uvažování a agentní AI. Průmysl strávil deset let optimalizací čipů pro jedno obří násobení matice. Další generace hardwaru umělé inteligence je utvářena pracovními zátěžemi, které vypadají mnohem méně jako myšlení jedné mysli a mnohem více jako tisíce agentů, kteří zkoumají, selhávají a učí se najednou.
Na co se dívat
Pro širší průmysl by tři věci změnily tuto zprávu ze spekulace na trend. Za prvé, jakýkoli náznak zakázkových křemíkových obchodů, které spojují dodavatele akcelerátoru a CPU, místo aby je stavěli proti sobě – stejná logika, která posunula AMD do MI300A a Nvidia směrem k integrovaným systémům ve stylu Grace-Hopper, se nyní zdá být utvářena plány hyperscaler ASIC. Za druhé, zda se poměry nasazení TPU 8i od Googlu nadále posouvají směrem k většímu počtu CPU na akcelerátor, což by nezávisle potvrdilo tezi o pracovní zátěži RL. Za třetí, vlastní komentář k výdělkům AMD: vítězství na zakázku v měřítku Google by bylo dost podstatné na to, aby se nakonec objevilo ve finančních informacích.
Ani Google, ani AMD zprávu nekomentovaly a SemiAnalysis poznamenává, že její analýza je založena spíše na strategické logice párování než na potvrzených smlouvách. Ale v roce, ve kterém Google již rozdělil svou řadu TPU na školicí a inferenční produkty, podepsal smlouvy na dodávky silikonu s více partnery a nashromáždil kapacitu CPU kolem svých nejnovějších akcelerátorů, není varianta TPU s vysokým CPU menším překvapením než další logický krok.
Udržujte si náskok před AI
Pokrytí AI křemíkových závodů po jednotlivých čipech, dodávané tak, jak se to děje. Uložte si naše centrum do záložek pro nejnovější vývoj AI a nikdy nezmeškejte žádnou výhru v oblasti designu.
Přečtěte si další zprávy o AI →
