Οι μονάδες επεξεργασίας τανυστών της Google τρέχουν τώρα μέσα στα κέντρα δεδομένων της Meta, σύμφωνα με μια αναφορά από το Tom's Hardware που δημοσιεύθηκε στις 22 Οκτωβρίου 2026 - η πρώτη φορά που η Google πούλησε τα προσαρμοσμένα τσιπ AI σε εξωτερικό πελάτη ως αναπτυγμένο υλικό και όχι μέσω του δικού της cloud. Η κίνηση σηματοδοτεί μια ιστορική αλλαγή στην αγορά υλικού τεχνητής νοημοσύνης, όπου οι GPU της Nvidia ήταν εδώ και καιρό η προεπιλεγμένη επιλογή για εκπαίδευση και εξυπηρέτηση μεγάλων μοντέλων.

Για χρόνια, η υπόθεση στη βιομηχανία ήταν ότι το οικοσύστημα λογισμικού CUDA της Nvidia έκανε τις GPU της αναντικατάστατες, ακόμη και όταν εμφανίστηκαν εναλλακτικές λύσεις. Αυτή η υπόθεση δοκιμάζεται τώρα από τις δύο εταιρείες που βρίσκονται στην καλύτερη θέση για να την σπάσουν. Η συμφωνία, που προστίθεται στις τεράστιες δαπάνες της Meta για υποδομές τεχνητής νοημοσύνης αυτό το τρίμηνο, δείχνει πόσο σοβαρά επιδιώκουν οι υπερκλιμακωτές την ανεξαρτησία υπολογιστών – μια ιστορία που μπορείτε να παρακολουθήσετε σε μεγαλύτερο βάθος με τις τελευταίες εξελίξεις τεχνητής νοημοσύνης που καλύπτονται καθημερινά στην αρχική μας σελίδα στη διεύθυνση aibuzzwire.news.

Από το TorchTPU στο χάλυβα και το πυρίτιο

Οι βάσεις για αυτή τη στιγμή τέθηκαν δημόσια μόλις δύο ημέρες νωρίτερα. Στις 20 Οκτωβρίου, η Google και η Meta από κοινού ανοιχτού κώδικα TorchTPU, ένα εγγενές backend PyTorch για τα TPU της Google, ανακοινώθηκε στο επίσημο ιστολόγιο PyTorch από την ομάδα TorchTPU. Το έργο ξεκίνησε στη Google στα μέσα του 2025 σε συνεργασία με την ομάδα PyTorch της Meta, και κάνει κάτι που δεν είχε προηγηθεί καμία προσπάθεια: επιτρέπει στους υπάρχοντες φόρτους εργασίας του PyTorch να εκτελούνται σε TPU με μια ασήμαντη αλλαγή κώδικα, αντικαθιστώντας ουσιαστικά το ".to("cuda")" με το ".to("tpu")".

Αυτό έχει σημασία επειδή η προηγούμενη προσπάθεια της Google, PyTorch/XLA, που κυκλοφόρησε το 2020, απαιτούσε παρεμβατικές τροποποιήσεις του πηγαίου κώδικα, υπέφερε από μεγάλους χρόνους μεταγλώττισης και δεν είχε υποστήριξη για την εγγενή λειτουργία εκτέλεσης με ανυπομονησία του PyTorch. Πολλές ομάδες που πειραματίστηκαν με TPU κατέληξαν να επιστρέψουν στις GPU της Nvidia απλώς και μόνο επειδή η εμπειρία προγραμματιστή ήταν πολύ επώδυνη. Το TorchTPU σχεδιάστηκε ρητά για να το διορθώσει αυτό, χωρίς εξαρτήσεις JAX στο χρόνο εκτέλεσης και την ενσωμάτωση torch.compile που βασίζεται στο Torch Dynamo και όχι στην παλαιότερη προσέγγιση Lazy Tensor.

Τι βγαίνει ο Meta από τη συμφωνία

Τα τεχνικά αποτελέσματα που έχουν δημοσιοποιήσει η Google και η Meta είναι αξιοσημείωτα. Σύμφωνα με λεπτομέρειες που αναφέρθηκαν από το Yahoo Tech, η στοίβα TorchTPU έχει επικυρωθεί έναντι 5.000 μοντέλων Hugging Face και η λειτουργία εκτέλεσης DeferAndFuse της Google προσφέρει κέρδη απόδοσης 50 τοις εκατό ή περισσότερο σε σχέση με την αυστηρή εκτέλεση. Μελέτες περίπτωσης προμηθευτών δείχνουν ότι το μοντέλο Llama 3 405B της Meta φτάνει το 57 τοις εκατό της χρήσης FLOPs μοντέλου σε ομάδες 128 έως 1.024 TPU της Ironwood — στοιχεία που, ενώ αναφέρονται από μόνα τους, δείχνουν ότι τα τσιπ μπορούν να εκτελέσουν φόρτους εργασίας εκπαίδευσης αιχμής.

Τα οικονομικά είναι η μεγαλύτερη ιστορία. Οι TPU φημολογείται ότι κοστίζουν πολύ λιγότερο από τις κορυφαίες GPU της Nvidia και μια εταιρεία με την όρεξη για υπολογιστές της Meta - που καλύπτει τόσο τις ερευνητικές φιλοδοξίες της AI όσο και τα συστήματα συστάσεών της - έχει κάθε κίνητρο να διαφοροποιηθεί μακριά από έναν μόνο προμηθευτή. Το Bloomberg ανέφερε ήδη από τον Νοέμβριο του 2025 ότι η Meta και η Google συζητούσαν για την ανάπτυξη TPU στα κέντρα δεδομένων της Meta και η συνεργασία στο TorchTPU αναφέρθηκε από το Reuters τον Δεκέμβριο του 2025. Αυτό που έχει αλλάξει τώρα είναι ότι η συμφωνία έχει περάσει από συζήτηση σε ανάπτυξη, με το Tom's Hardware να αναφέρει ότι τα τσιπ εκτελούνται σε φυσικά εγκατεστημένες εγκαταστάσεις Meta.

Μια ρωγμή στο Armor της Nvidia

Η Nvidia εξακολουθεί να διοικεί τη συντριπτική πλειοψηφία της αγοράς επιταχυντών τεχνητής νοημοσύνης και τα έσοδά της από τα κέντρα δεδομένων παραμένουν το σημείο αναφοράς που κυνηγά κάθε ανταγωνιστής. Αλλά η δυναμική αλλάζει. Όπως το έθεσε το TechCrunch στην κάλυψη της κυκλοφορίας του TorchTPU, η Google προσχώρησε στην Amazon για να επιτεθεί στο προπύργιο της Nvidia στο επίπεδο λογισμικού που κρατά τους προγραμματιστές δεμένους με το υλικό της. Η Meta, εν τω μεταξύ, κερδίζει μόχλευση διαπραγματεύσεων: κάθε rack TPU που εγκαθιστά είναι ένα ράφι με GPU που δεν χρειάστηκε να αγοράσει στην τιμολόγηση της Nvidia.

Η πίεση έρχεται από πολλές κατευθύνσεις ταυτόχρονα. Η Amazon έχει τα τσιπ Trainium της, η Google έχει TPU και ένα κύμα νεοφυών επιχειρήσεων κατασκευάζει επιταχυντές ειδικούς για συμπεράσματα. Αυτό που κάνει την ανάπτυξη Meta διαφορετική είναι η κλίμακα και η ορατότητα. Η Meta είναι ένας από τους μεγαλύτερους πελάτες της Nvidia και εάν οι ομάδες μηχανικών της καταλήξουν στο συμπέρασμα ότι οι TPU μπορούν να φέρουν σημαντικό μερίδιο του φόρτου εργασίας τόσο της εκπαίδευσης όσο και της εξαγωγής συμπερασμάτων, άλλοι μεγάλοι αγοραστές θα δώσουν μεγάλη προσοχή.

Οι επιφυλάξεις

Τίποτα από αυτά δεν σημαίνει ότι η θέση της Nvidia καταρρέει από τη μια μέρα στην άλλη. Το ίδιο το ιστολόγιο PyTorch προειδοποιεί ότι, ενώ τα μοντέλα μπορεί να εξαντληθούν σε TPU, η επίτευξη κορυφαίας απόδοσης απαιτεί ακόμα βελτιστοποίηση με επίγνωση υλικού, επειδή τα σχήματα μοντέλων, οι στρατηγικές διαμοιρασμού και οι υλοποιήσεις πυρήνα είναι συνήθως συντονισμένες για αρχιτεκτονικές GPU. Το σύνολο εντολών TPU διαφέρει από αυτό της Nvidia και το οικοσύστημα των εργαλείων, των βιβλιοθηκών και των έμπειρων μηχανικών παραμένει σε μεγάλο βαθμό επικεντρωμένο στην GPU.

Υπάρχει και το θέμα της προμήθειας. Η Google έχει κρατήσει ιστορικά TPU για τους εσωτερικούς φόρτους εργασίας της και τους πελάτες της στο cloud, και η ικανότητα κατασκευής για προσαρμοσμένους επιταχυντές δεν είναι απεριόριστη. Το αν η Google μπορεί ή θέλει να προμηθεύσει TPU σε κλίμακα που να έχει νόημα για το συνολικό υπολογιστικό αποτύπωμα της Meta — το οποίο είναι νάνο για τις περισσότερες εταιρείες — παραμένει ένα ανοιχτό ερώτημα.

Τι να παρακολουθήσετε στη συνέχεια

Τα άμεσα σήματα που πρέπει να παρακολουθήσουμε είναι εάν άλλοι υπερκλιμάκωτοι ακολουθούν το παράδειγμα της Meta, πώς ανταποκρίνεται η Nvidia στην τιμολόγηση και εάν η ορμή ανοιχτού κώδικα του TorchTPU μεταφράζεται σε μια πραγματική μετεγκατάσταση φόρτου εργασίας PyTorch στην υποδομή TPU. Η αγορά υλικού τεχνητής νοημοσύνης περιμένει χρόνια για μια αξιόπιστη εναλλακτική λύση αντί της Nvidia στην κορυφή. Με τα TPU να τρέχουν τώρα στα κέντρα δεδομένων μιας δεύτερης εταιρείας, αυτή η αναμονή μπορεί τελικά να τελειώσει.

Μείνετε μπροστά από την τεχνητή νοημοσύνη

Ο αγώνας υλικού AI επιταχύνεται γρήγορα και οι νικητές και οι ηττημένοι της επόμενης δεκαετίας αποφασίζονται τώρα. Μείνετε μπροστά από την τεχνητή νοημοσύνη με ανεξάρτητη κάλυψη των τσιπ, των μοντέλων και των συμφωνιών που αναδιαμορφώνουν τη βιομηχανία.

Διαβάστε περισσότερα νέα AI →