22 अक्टूबर, 2026 को प्रकाशित टॉम हार्डवेयर की एक रिपोर्ट के अनुसार, Google की टेंसर प्रोसेसिंग इकाइयाँ अब मेटा के डेटा केंद्रों के अंदर चल रही हैं - पहली बार Google ने अपने कस्टम AI चिप्स को अपने क्लाउड के बजाय तैनात हार्डवेयर के रूप में किसी बाहरी ग्राहक को बेचा है। यह कदम एआई हार्डवेयर बाजार में एक ऐतिहासिक बदलाव का प्रतीक है, जहां एनवीडिया के जीपीयू लंबे समय से बड़े मॉडलों के प्रशिक्षण और सेवा के लिए डिफ़ॉल्ट विकल्प रहे हैं।
वर्षों से, उद्योग में यह धारणा रही है कि एनवीडिया के CUDA सॉफ़्टवेयर पारिस्थितिकी तंत्र ने इसके GPU को अपूरणीय बना दिया है, भले ही विकल्प सामने आए हों। उस धारणा का अब उन दो कंपनियों द्वारा परीक्षण किया जा रहा है जो इसे तोड़ने के लिए सबसे अच्छी स्थिति में हैं। यह सौदा, इस तिमाही में मेटा के भारी एआई बुनियादी ढांचे पर खर्च के अलावा, दिखाता है कि हाइपरस्केलर्स कितनी गंभीरता से गणना की स्वतंत्रता का पीछा कर रहे हैं - एक कहानी जिसे आप aibuzzwire.news पर हमारे होमपेज पर दैनिक रूप से कवर किए जाने वाले नवीनतम एआई विकास के साथ अधिक गहराई से पढ़ सकते हैं।
टॉर्चटीपीयू से स्टील और सिलिकॉन तक
इस क्षण की आधारशिला सार्वजनिक रूप से दो दिन पहले ही रखी गई थी। 20 अक्टूबर को, Google और मेटा ने संयुक्त रूप से ओपन-सोर्स TorchTPU, Google के TPU के लिए एक देशी PyTorch बैकएंड की घोषणा TorchTPU टीम द्वारा आधिकारिक PyTorch ब्लॉग पर की। यह परियोजना मेटा की PyTorch टीम के सहयोग से 2025 के मध्य में Google पर शुरू हुई, और यह कुछ ऐसा करती है जिसे बिना किसी पूर्व प्रयास के साफ-सुथरा तरीके से प्रबंधित किया गया है: यह मौजूदा PyTorch वर्कलोड को एक मामूली कोड परिवर्तन के साथ TPU पर चलने देता है, अनिवार्य रूप से `.to("cuda")` को `.to("tpu")` के लिए स्वैप करता है।
यह मायने रखता है क्योंकि Google के पहले प्रयास, PyTorch/XLA, को 2020 में लॉन्च किया गया था, जिसमें घुसपैठ वाले स्रोत-कोड संशोधनों की आवश्यकता थी, लंबे समय तक संकलन समय का सामना करना पड़ा, और PyTorch के मूल उत्सुक निष्पादन मोड के लिए समर्थन का अभाव था। टीपीयू के साथ प्रयोग करने वाली कई टीमें एनवीडिया जीपीयू पर लौट आईं क्योंकि डेवलपर अनुभव बहुत दर्दनाक था। टॉर्चटीपीयू को स्पष्ट रूप से इसे ठीक करने के लिए डिज़ाइन किया गया था, जिसमें रनटाइम में कोई जेएक्स निर्भरता नहीं थी और पुराने लेज़ी टेन्सर दृष्टिकोण के बजाय टॉर्च डायनमो पर निर्मित टॉर्च.कंपाइल एकीकरण था।
डील से मेटा को क्या मिलता है
Google और मेटा ने जिन तकनीकी परिणामों को प्रचारित किया है वे उल्लेखनीय हैं। याहू टेक द्वारा रिपोर्ट किए गए विवरण के अनुसार, टॉर्चटीपीयू स्टैक को 5,000 हगिंग फेस मॉडल के खिलाफ मान्य किया गया है, और Google का डिफरएंडफ्यूज निष्पादन मोड सख्त उत्सुक निष्पादन पर 50 प्रतिशत या उससे अधिक का प्रदर्शन लाभ प्रदान करता है। विक्रेता मामले के अध्ययन से पता चलता है कि मेटा का लामा 3 405बी मॉडल 128 से 1,024 आयरनवुड टीपीयू के समूहों पर 57 प्रतिशत मॉडल एफएलओपी उपयोग तक पहुंच रहा है - आंकड़े, जबकि स्वयं-रिपोर्ट किए गए हैं, संकेत देते हैं कि चिप्स फ्रंटियर-स्केल प्रशिक्षण वर्कलोड को सक्षम रूप से चला सकते हैं।
अर्थशास्त्र बड़ी कहानी है. लंबे समय से अफवाह है कि टीपीयू की लागत टॉप-एंड एनवीडिया जीपीयू से काफी कम है, और मेटा की गणना क्षमता वाली एक कंपनी - जो अपनी एआई अनुसंधान महत्वाकांक्षाओं और इसकी सिफारिश प्रणाली दोनों को कवर करती है - के पास एक ही आपूर्तिकर्ता से दूर विविधता लाने के लिए हर प्रोत्साहन है। ब्लूमबर्ग ने नवंबर 2025 में रिपोर्ट दी थी कि मेटा और गूगल मेटा के डेटा केंद्रों में टीपीयू तैनात करने पर चर्चा कर रहे थे, और टॉर्चटीपीयू पर सहयोग दिसंबर 2025 में रॉयटर्स द्वारा रिपोर्ट किया गया था। अब जो बदलाव आया है वह यह है कि सौदा चर्चा से तैनाती की ओर बढ़ गया है, टॉम के हार्डवेयर ने बताया है कि चिप्स भौतिक रूप से स्थापित हैं और मेटा सुविधाओं में चल रहे हैं।
एनवीडिया के कवच में दरार
एनवीडिया अभी भी एआई एक्सेलेरेटर बाजार के भारी बहुमत पर कब्जा करता है, और इसका डेटा सेंटर राजस्व हर प्रतिस्पर्धी के लिए बेंचमार्क बना हुआ है। लेकिन गतिशीलता बदल रही है। जैसा कि टेकक्रंच ने टॉर्चटीपीयू लॉन्च के अपने कवरेज में रखा है, Google सॉफ्टवेयर परत पर एनवीडिया के गढ़ पर हमला करने में अमेज़ॅन में शामिल हो गया है जो डेवलपर्स को अपने हार्डवेयर से बांधे रखता है। इस बीच, मेटा ने बातचीत का लाभ उठाया: प्रत्येक टीपीयू रैक जो इसे स्थापित करता है वह जीपीयू का एक रैक है जिसे इसे एनवीडिया के मूल्य पर खरीदने की ज़रूरत नहीं थी।
दबाव एक साथ कई दिशाओं से आ रहा है। अमेज़ॅन के पास ट्रेनियम चिप्स हैं, Google के पास TPU हैं, और स्टार्टअप की एक लहर अनुमान-विशिष्ट त्वरक का निर्माण कर रही है। जो चीज़ मेटा परिनियोजन को अलग बनाती है वह है स्केल और दृश्यता। मेटा एनवीडिया के सबसे बड़े ग्राहकों में से एक है, और अगर इसकी इंजीनियरिंग टीमें यह निष्कर्ष निकालती हैं कि टीपीयू प्रशिक्षण और अनुमान कार्यभार दोनों का एक सार्थक हिस्सा ले सकते हैं, तो अन्य बड़े खरीदार बारीकी से ध्यान देंगे।
चेतावनियाँ
इसका कोई मतलब नहीं है कि एनवीडिया की स्थिति रातोंरात ढह गई। PyTorch ब्लॉग स्वयं चेतावनी देता है कि जबकि मॉडल TPU पर बॉक्स से बाहर हो सकते हैं, चरम प्रदर्शन प्राप्त करने के लिए अभी भी हार्डवेयर-जागरूक अनुकूलन की आवश्यकता होती है, क्योंकि मॉडल आकार, शार्डिंग रणनीतियाँ और कर्नेल कार्यान्वयन आमतौर पर GPU आर्किटेक्चर के लिए ट्यून किए जाते हैं। टीपीयू इंस्ट्रक्शन सेट एनवीडिया से अलग है, और टूल, लाइब्रेरी और अनुभवी इंजीनियरों का पारिस्थितिकी तंत्र काफी हद तक जीपीयू-केंद्रित रहता है।
सप्लाई का भी सवाल है. Google ने ऐतिहासिक रूप से अपने आंतरिक कार्यभार और क्लाउड ग्राहकों के लिए TPU को आरक्षित किया है, और कस्टम एक्सेलेरेटर के लिए विनिर्माण क्षमता असीमित नहीं है। क्या Google मेटा के कुल कंप्यूट फ़ुटप्रिंट के लिए सार्थक पैमाने पर टीपीयू की आपूर्ति कर सकता है या करना चाहता है - जो कि अधिकांश कंपनियों को बौना बनाता है - एक खुला प्रश्न बना हुआ है।
आगे क्या देखना है
निगरानी के लिए तत्काल संकेत यह हैं कि क्या अन्य हाइपरस्केलर्स मेटा के नेतृत्व का पालन करते हैं, एनवीडिया मूल्य निर्धारण पर कैसे प्रतिक्रिया देता है, और क्या टॉर्चटीपीयू की ओपन-सोर्स गति टीपीयू बुनियादी ढांचे पर पायटोरच वर्कलोड के वास्तविक प्रवासन में तब्दील होती है। एआई हार्डवेयर बाजार शीर्ष स्तर पर एनवीडिया के विश्वसनीय विकल्प के लिए वर्षों से इंतजार कर रहा है। टीपीयू अब दूसरी कंपनी के डेटा केंद्रों में चल रहा है, वह इंतजार आखिरकार खत्म हो सकता है।
एआई से आगे रहें
एआई हार्डवेयर की दौड़ तेजी से तेज हो रही है, और अगले दशक के विजेताओं और हारने वालों का फैसला अब किया जा रहा है। AI से आगे रहें उद्योग को नया आकार देने वाले चिप्स, मॉडल और सौदों की स्वतंत्र कवरेज के साथ।
अधिक AI समाचार पढ़ें →
