יחידות עיבוד הטנזור של גוגל פועלות כעת בתוך מרכזי הנתונים של Meta, על פי דוח של Tom's Hardware שפורסם ב-22 באוקטובר 2026 - הפעם הראשונה שגוגל מכרה את שבבי ה-AI המותאמים אישית שלה ללקוח חיצוני כחומרה פרוסה ולא דרך הענן שלה. המהלך מסמן שינוי היסטורי בשוק חומרת הבינה המלאכותית, שבו ה-GPUs של Nvidia היו כבר מזמן בחירת ברירת המחדל לאימון והגשה של דגמים גדולים.
במשך שנים, ההנחה בתעשייה הייתה שמערכת האקולוגית של תוכנת CUDA של Nvidia הפכה את ה-GPUs שלה לבלתי ניתנים להחלפה, אפילו כשצצו חלופות. ההנחה הזו נבדקת כעת על ידי שתי החברות המוצבות בצורה הטובה ביותר לשבור אותה. העסקה, שמגיעה בנוסף להוצאות האדירות של Meta על תשתית AI ברבעון זה, מראה עד כמה היפר-סקאלרים רודפים אחר עצמאות מחשוב - סיפור שתוכלו לעקוב אחריהם ביתר עומק עם ההתפתחויות האחרונות של AI המכוסות מדי יום בדף הבית שלנו בכתובת aibuzzwire.news.
מ-TorchTPU לפלדה וסיליקון
הבסיס לרגע הזה הונחה בפומבי רק יומיים קודם לכן. ב-20 באוקטובר, Google ו-Meta בקוד פתוח משותף, TorchTPU, backend מקורי של PyTorch ל-TPUs של גוגל, הוכרזה בבלוג הרשמי של PyTorch על ידי צוות TorchTPU. הפרויקט החל בגוגל באמצע 2025 בשיתוף פעולה עם צוות PyTorch של Meta, והוא עושה משהו שאף מאמץ קודם לא הצליח לנהל בצורה נקייה: הוא מאפשר לעומסי עבודה קיימים של PyTorch לרוץ על TPUs עם שינוי קוד טריוויאלי, ובעצם מחליף `.to("cuda")` ב-`.to("tpu")`.
זה חשוב מכיוון שהניסיון הקודם של גוגל, PyTorch/XLA, שהושק ב-2020, דרש שינויים פולשניים בקוד המקור, סבל מזמני קומפילציה ארוכים וחסר תמיכה במצב הביצוע הנלהב של PyTorch. צוותים רבים שהתנסו עם TPUs חזרו בסופו של דבר ל-Nvidia GPUs פשוט בגלל שחוויית המפתחים הייתה כואבת מדי. TorchTPU תוכנן במפורש לתקן את זה, ללא תלות ב-JAX בזמן הריצה ושילוב torch.compile שנבנה על Torch Dynamo ולא על גישת Lazy Tensor הישנה יותר.
מה מטה מוציא מהעסקה
התוצאות הטכניות שגוגל ומטה פרסמו בולטות. לפי פרטים שדווחו על ידי Yahoo Tech, ערימת ה-TorchTPU אומתה מול 5,000 דגמי Hugging Face, ומצב הביצוע של DeferAndFuse של גוגל מספק שיפורי ביצועים של 50 אחוזים או יותר על פני ביצוע להוט קפדני. מקרי מקרים של ספקים מראים כי מודל ה-Llama 3 405B של Meta מגיע ל-57 אחוזים של ניצול FLOPs של מודלים באשכולות של 128 עד 1,024 Ironwood TPUs - נתונים שאמנם מדווחים על עצמם, אך מצביעים על כך שהשבבים יכולים להפעיל עומסי אימון בקנה מידה גבול.
הכלכלה היא הסיפור הגדול יותר. כבר מזמן נשמעו שמועות ש-TPUs עולים פחות משמעותית מ-Nvidia GPUs מובילים, ולחברה עם תיאבון המחשוב של Meta - המכסה הן את שאיפות המחקר שלה ב-AI והן את מערכות ההמלצה שלה - יש כל תמריץ לגוון הרחק מספק יחיד. בלומברג דיווח כבר בנובמבר 2025 כי Meta וגוגל דנו בפריסת TPUs במרכזי הנתונים של Meta, ושיתוף הפעולה ב-TorchTPU דווח על ידי רויטרס בדצמבר 2025. מה שהשתנה כעת הוא שהעסקה עברה מדיון לפריסה, כאשר Tom's Hardware דיווחה שהשבבים מותקנים פיזית ופועלים במתקני Meta.
סדק בשריון של Nvidia
Nvidia עדיין שולטת ברוב המכריע של שוק מאיצי הבינה המלאכותית, וההכנסות שלה ממרכזי הנתונים נותרו המדד שכל מתחרה רודף אחריו. אבל הדינמיקה משתנה. כפי שהגדיר זאת TechCrunch בסיקור השקת TorchTPU, גוגל הצטרפה לאמזון בתקיפת המעוז של Nvidia בשכבת התוכנה ששומרת על מפתחים קשורים לחומרה שלה. מטה, בינתיים, זוכה למינוף משא ומתן: כל מתלה TPU שהיא מתקין הוא מתלה של GPUs שלא היה צריך לקנות בתמחור של Nvidia.
הלחץ מגיע מכמה כיוונים בבת אחת. לאמזון יש את שבבי ה-Trainium שלה, לגוגל יש TPUs, וגל של סטארטאפים בונים מאיצים ספציפיים להסקת מסקנות. מה שמייחד את פריסת Meta הוא קנה המידה והנראות. Meta הוא אחד הלקוחות הגדולים ביותר של Nvidia, ואם צוותי ההנדסה שלה יגיעו למסקנה ש-TPUs יכולים לשאת נתח משמעותי הן בעומסי ההדרכה והן בעומסי העבודה, קונים גדולים אחרים ישימו לב היטב.
האזהרות
כל זה לא אומר שהעמדה של Nvidia קורסת בן לילה. הבלוג PyTorch עצמו מזהיר שלמרות שדגמים עלולים להיגמר מהקופסה על TPUs, השגת ביצועים שיא עדיין דורשת אופטימיזציה מודעת לחומרה, מכיוון שצורות מודל, אסטרטגיות ריסוק והטמעות ליבה מכוונים בדרך כלל לארכיטקטורות GPU. ערכת הוראות ה-TPU שונה מזו של Nvidia, והמערכת האקולוגית של כלים, ספריות ומהנדסים מנוסים נותרה ממוקדת בהרבה על GPU.
יש גם שאלת ההיצע. Google שמרה היסטורית TPUs עבור עומסי העבודה הפנימיים שלה ולקוחות הענן שלה, ויכולת הייצור של מאיצים מותאמים אישית אינה בלתי מוגבלת. האם גוגל יכולה או רוצה לספק TPUs בקנה מידה משמעותי לטביעת הרגל המחשוב הכוללת של Meta - שמגמדת את רוב החברות - נותרה שאלה פתוחה.
במה לצפות בהמשך
האותות המיידיים שיש לנטר הם האם היפר-scalers אחרים עוקבים אחר ההובלה של Meta, כיצד Nvidia מגיבה לתמחור, והאם מומנטום הקוד הפתוח של TorchTPU מתורגם להעברה אמיתית של עומסי PyTorch אל תשתית TPU. שוק החומרה של AI חיכה שנים לחלופה אמינה ל-Nvidia בקצה העליון. כאשר TPUs פועלים כעת במרכזי הנתונים של חברה שנייה, ההמתנה הזו עשויה סוף סוף להסתיים.
הישאר לפני AI
מרוץ חומרת הבינה המלאכותית מואץ במהירות, ועכשיו נקבעים המנצחים והמפסידים של העשור הבא. הישאר לפני AI עם סיקור עצמאי של השבבים, הדגמים והעסקאות שמעצבות מחדש את התעשייה.
קרא עוד חדשות AI →
