Der Bericht, über den Tom's Hardware und Firstpost am 16. August berichteten, findet inmitten eines sich verschärfenden Wettlaufs um die Neugestaltung der KI-Infrastruktur für Argumentationsmodelle und autonome Agenten statt – eine Verschiebung, die wir in unserer Berichterstattung über [aktuelle KI-Nachrichten] (https://aibuzzwire.news) verfolgt haben. Laut SemiAnalysis drängen Google und seine Kunden auf TPUs mit On-Package-CPU-Kernen für Reinforcement Learning (RL) und möglicherweise andere CPU-lastige Workloads, und AMD ist ein starker Kandidat, um die fehlenden Teile zu liefern.
Warum Google AMD nicht für die Entwicklung einer TPU benötigen würde
Die Analysten übergießen die einfachste Lesart der Geschichte mit kaltem Wasser. Google verfügt bereits über umfangreiche interne Fachkenntnisse in der Beschleunigerarchitektur, die über acht TPU-Generationen hinweg verfeinert wurden, und würde AMD nicht unbedingt für die Entwicklung einer weiteren herkömmlichen TPU benötigen. Die Chancen, dass AMD den nächsten Inferenzchip (TPU V10i) oder Trainingschip (TPU V10t) von Google implementiert, gelten als gering.
Stattdessen glauben die Analysten, dass Google möglicherweise Dinge benötigt, die ein CPU-Hersteller wie AMD bieten kann: geistiges Eigentum der CPU, programmierbare Logik, Verbindungen oder fortschrittliche Verpackungskompetenz. Mit anderen Worten geht es in der Geschichte weniger darum, wie AMD den KI-Beschleuniger von Google baut, sondern vielmehr darum, was ein Hybridchip – Googles Tensor-Rechner in Verbindung mit AMDs Allzweckkernen – freisetzen könnte.
Reinforcement Learning stellt KI-Silizium auf den Kopf
Der Treiber ist eine echte Veränderung in der Art und Weise, wie KI-Systeme Rechenleistung verbrauchen. Das herkömmliche Training großer Sprachmodelle ist nach wie vor überwiegend beschleunigerlastig: Matrix-Mathematik, den ganzen Tag, auf GPUs und TPUs. Aber verstärkendes Lernen für Argumentations- und Agentenmodelle ist anders. RL-Pipelines verschachteln Beschleunigeroperationen mit großen Mengen skalarer, verzweigter, allgemeiner Berechnungen – Umgebungssimulation, Belohnungsberechnung, Orchestrierung vieler paralleler Rollouts – die auf CPUs weitaus besser laufen.
Googles eigene Systemdesigns spiegeln diesen Wandel bereits wider. Dem Bericht zufolge stellen die inferenzfokussierten TPU 8i-Systeme von Google – die für Inferenz-, Argumentations- und RL-Workloads entwickelt wurden – eine Google Axion-CPU für jeweils zwei TPUs bereit. Im Vergleich dazu verwendeten Server, die auf der TPU der siebten Generation basierten, einen Intel Xeon „Emerald Rapids“-Prozessor pro vier TPUs. Die Verdoppelung des CPU-zu-Beschleuniger-Verhältnisses ist ein starkes Signal dafür, wohin sich Google bei den Arbeitslasten entwickeln wird, und die Anordnung von CPU-Kernen direkt neben dem Beschleuniger ist der logische nächste Schritt: kürzere Datenpfade, weniger Datenbewegungen und eine bessere Energieeffizienz für genau die Arbeitslasten, die die Agenten-KI erfordert.
Der MI300A-Präzedenzfall
AMD bringt direkt relevante Erfahrungen in ein solches Projekt ein. Sein Instinct MI300A – eingesetzt in Supercomputern der Eliteklasse – war die erste echte APU im Rechenzentrumsmaßstab und kombinierte x86-Zen-CPU-Chiplets und GPU-Rechenchiplets mit gemeinsam genutztem Speicher in einem einzigen Paket. Ein zukünftiges Google-Design könnte eine ähnliche Form annehmen: Googles TPU-Rechenchiplets gepaart mit AMD-CPU-Technologie und Speicher mit hoher Bandbreite, wobei AMD möglicherweise Teile der Verpackung und Integration übernimmt.
Beide Unternehmen haben Grund zum Reden. Für Google würde dieser Schritt eine Siliziumstrategie erweitern, die bereits mehrere Partner umfasst – die im April 2026 angekündigte TPU-Reihe der achten Generation ist in dedizierte Trainings- (8t) und Inferenzchips (8i) aufgeteilt, und in Berichten Anfang des Jahres wurde beschrieben, dass Google eine kundenspezifische Silizium-Lieferkette mit mehreren Partnern aufbaut, die Broadcom, MediaTek und Marvell umfasst, um Nvidia in der Inferenz herauszufordern. Für AMD wäre ein Google-Designgewinn eine deutliche Bestätigung seiner Chiplet- und Verpackungstechnologie – und ein Standbein im kundenspezifischen KI-Silizium, einem Markt, in dem Nvidias Dominanz weitgehend unangefochten bleibt.
Wichtige Vorbehalte
SemiAnalysis selbst betont, dass weiterhin erhebliche Unsicherheit besteht. Die genaue Art der gemeldeten Beteiligung von AMD ist unklar, die Partnerschaft wurde von keinem der beiden Unternehmen bestätigt und die Analysten fassen ihre Argumentation als fundierte Spekulation darüber auf, warum eine solche Zusammenarbeit sinnvoll wäre, und nicht als bestätigte Produkt-Roadmap.
Aber das tiefere Signal ist wichtiger als der Deal selbst. Wenn die Berichte korrekt sind, liegt die wichtigste Entwicklung nicht in der Zusammenarbeit von Google und AMD, sondern darin, dass Google CPU-lastige TPU-Varianten erforscht, die speziell für verstärktes Lernen, logisches Denken und Agenten-KI entwickelt wurden. Die Industrie verbrachte ein Jahrzehnt damit, Chips für eine riesige Matrixmultiplikation zu optimieren. Die nächste Generation der KI-Hardware wird durch Arbeitslasten geprägt, die viel weniger wie das Denken eines einzelnen Geistes aussehen, sondern vielmehr wie Tausende von Agenten, die gleichzeitig forschen, scheitern und lernen.
Was Sie sehen sollten
Für die breitere Branche würden drei Dinge diesen Bericht von einer Spekulation in einen Trend verwandeln. Erstens gibt es Anzeichen für kundenspezifische Silizium-Deals, bei denen Beschleuniger- und CPU-Anbieter zusammengebracht werden, anstatt sie gegeneinander auszuspielen – die gleiche Logik, die AMD zum MI300A und Nvidia zu integrierten Systemen im Grace-Hopper-Stil drängte, scheint nun die Hyperscaler-ASIC-Roadmaps zu prägen. Zweitens, ob die TPU 8i-Bereitstellungsquoten von Google weiterhin in Richtung mehr CPU pro Beschleuniger tendieren, was die RL-Workload-These unabhängig bestätigen würde. Drittens AMDs eigener Gewinnkommentar: Ein Custom-Design-Sieg in der Größenordnung von Google wäre wesentlich genug, um irgendwann in den Finanzoffenlegungen zum Ausdruck zu kommen.
Weder Google noch AMD haben den Bericht kommentiert, und SemiAnalysis stellt fest, dass seine Analyse auf der strategischen Logik der Paarung und nicht auf bestätigten Verträgen basiert. Aber in einem Jahr, in dem Google sein TPU-Sortiment bereits in Trainings- und Inferenzprodukte aufgeteilt, Silizium-Lieferverträge mit mehreren Partnern unterzeichnet und CPU-Kapazität für seine neuesten Beschleuniger gehortet hat, ist eine CPU-lastige TPU-Variante weniger eine Überraschung als vielmehr der nächste logische Schritt.
Bleiben Sie der KI immer einen Schritt voraus
Chip-für-Chip-Berichterstattung über das KI-Silizium-Wettbewerb, direkt vor Ort. Setzen Sie ein Lesezeichen auf unseren Hub für die neuesten KI-Entwicklungen und verpassen Sie keinen Designgewinn.
Weitere KI-Neuigkeiten lesen →
