टॉम्स हार्डवेअर आणि फर्स्टपोस्ट द्वारे 16 ऑगस्ट रोजी कव्हर केलेला अहवाल, तर्कसंगत मॉडेल्स आणि स्वायत्त एजंट्ससाठी AI पायाभूत सुविधा पुन्हा डिझाइन करण्याच्या तीव्र शर्यतीत उतरला आहे — एक शिफ्ट ज्याचा आम्ही आमच्या ब्रेकिंग एआय न्यूज कव्हरेजमध्ये मागोवा घेत आहोत. SemiAnalysis नुसार, Google आणि त्याचे ग्राहक रिइन्फोर्समेंट लर्निंग (RL) आणि संभाव्यतः इतर CPU-हेवी वर्कलोड्ससाठी ऑन-पॅकेज CPU कोर असलेल्या TPUs साठी जोर देत आहेत आणि AMD गहाळ तुकडे पुरवण्यासाठी एक मजबूत उमेदवार आहे.
TPU डिझाइन करण्यासाठी Google ला AMD ची आवश्यकता का नाही
कथेच्या सोप्या वाचनावर विश्लेषक थंड पाणी ओततात. Google कडे आधीच प्रवेगक आर्किटेक्चरमध्ये भरीव इन-हाउस निपुणता आहे, आठ TPU पिढ्यांमध्ये सन्मानित आहे, आणि दुसर्या पारंपारिक TPU डिझाइन करण्यासाठी AMD आवश्यक नाही. AMD ने Google ची पुढील अनुमान चिप (TPU V10i) किंवा प्रशिक्षण चिप (TPU V10t) लागू करण्याची शक्यता कमी मानली जाते.
त्याऐवजी, विश्लेषकांचा असा विश्वास आहे की Google ला AMD सारख्या CPU निर्मात्याला प्रदान करू शकतील अशा गोष्टींची आवश्यकता असू शकते: CPU बौद्धिक मालमत्ता, प्रोग्रामेबल लॉजिक, इंटरकनेक्ट्स किंवा प्रगत पॅकेजिंग कौशल्य. दुसऱ्या शब्दांत, कथा एएमडीने गुगलचा एआय प्रवेगक बनवण्याबद्दल कमी आणि हायब्रीड चिप — गुगलच्या टेन्सर कंप्यूटने एएमडीच्या सामान्य-उद्देशीय कोरशी विवाह केला — अनलॉक करू शकतो याबद्दल अधिक आहे.
रीइन्फोर्समेंट लर्निंग एआय सिलिकॉन इनसाइड-आउट करत आहे
ड्रायव्हर हा एआय सिस्टीम कम्प्युटचा वापर कसा करतो यात एक वास्तविक बदल आहे. पारंपारिक मोठ्या भाषेचे मॉडेल प्रशिक्षण जबरदस्तपणे प्रवेगक-भारी राहते: मॅट्रिक्स गणित, दिवसभर, GPU आणि TPU वर. परंतु तर्कशक्ती आणि एजंटिक मॉडेलसाठी मजबुतीकरण शिक्षण वेगळे आहे. RL पाइपलाइन मोठ्या प्रमाणात स्केलर, शाखा, सामान्य-उद्देश संगणनासह प्रवेगक ऑपरेशन्स इंटरलीव्ह करतात — पर्यावरण सिम्युलेशन, रिवॉर्ड कंप्युटेशन, अनेक समांतर रोलआउट्सचे ऑर्केस्ट्रेशन — जे CPU वर खूप चांगले चालते.
Google ची स्वतःची सिस्टीम डिझाईन्स आधीच ती शिफ्ट प्रतिबिंबित करते. अहवालानुसार, Google ची अनुमान-केंद्रित TPU 8i प्रणाली — अनुमान, तर्क आणि RL वर्कलोड्ससाठी तयार केलेली — प्रत्येक दोन TPU साठी एक Google Axion CPU ची तरतूद करते. तुलनेने, सातव्या पिढीच्या TPU वर आधारित सर्व्हरने प्रत्येक चार TPU साठी एक Intel Xeon "Emerald Rapids" प्रोसेसर वापरला. CPU-टू-ऍक्सिलरेटर गुणोत्तर दुप्पट करणे हे Google ला वर्कलोड हेडिंग कुठे दिसत आहे याचे एक मजबूत सिग्नल आहे आणि CPU कोर थेट ऍक्सिलेटरच्या बाजूने पॅकेज करणे ही तार्किक पुढची पायरी आहे: लहान डेटा पथ, कमी डेटा हालचाल आणि एजंटिक AI आवश्यक असलेल्या वर्कलोडसाठी चांगली उर्जा कार्यक्षमता.
MI300A प्रेसिडेंट
AMD अशा प्रकल्पासाठी थेट संबंधित अनुभव आणते. त्याचा इन्स्टिंक्ट MI300A — एलिट-क्लास सुपरकॉम्प्युटर्समध्ये तैनात — डेटा-सेंटर स्केलवर पहिले खरे APU होते, x86 Zen CPU चिपलेट्स आणि GPU कॉम्प्युट चिपलेट्स एकाच पॅकेजमध्ये शेअर केलेल्या मेमरीसह एकत्र केले. भविष्यातील Google डिझाइन असाच आकार घेऊ शकते: Google चे TPU कॉम्प्युट चिपलेट्स AMD CPU तंत्रज्ञान आणि उच्च-बँडविड्थ मेमरीसह जोडलेले आहेत, AMD संभाव्यत: पॅकेजिंग आणि एकत्रीकरणाचे भाग हाताळते.
दोन्ही कंपन्यांकडे बोलण्याचे कारण आहे. Google साठी, या हालचालीमुळे सिलिकॉन धोरणाचा विस्तार होईल जो आधीच अनेक भागीदारांना व्यापून टाकेल — तिचा आठव्या-पिढीचा TPU लाइनअप, एप्रिल 2026 मध्ये घोषित केला, समर्पित प्रशिक्षण (8t) आणि अनुमान (8i) चिप्समध्ये विभागला गेला आणि या वर्षाच्या सुरूवातीच्या अहवालात Google ने ब्रॉडकॉम, Marllvi, Marllvi, चॅलेंज मधील मल्टी-पार्टनर कस्टम-सिलिकॉन पुरवठा शृंखला एकत्र करण्याचे वर्णन केले. AMD साठी, Google डिझाईन जिंकणे हे त्याच्या चिपलेट आणि पॅकेजिंग तंत्रज्ञानाचे एक मोठे समर्थन असेल — आणि सानुकूल AI सिलिकॉनमध्ये पाऊल ठेवेल, जेथे Nvidia चे वर्चस्व मोठ्या प्रमाणात आव्हानात्मक आहे.
महत्वाच्या सूचना
अर्धविश्लेषण स्वतःच यावर जोर देते की महत्त्वपूर्ण अनिश्चितता राहते. AMD च्या नोंदवलेल्या सहभागाचे नेमके स्वरूप अस्पष्ट आहे, भागीदारीची कोणत्याही कंपनीकडून पुष्टी झालेली नाही, आणि विश्लेषक त्यांचे तर्क तयार करतात की अशा सहकार्याला पुष्टी केलेल्या उत्पादन रोडमॅपऐवजी अर्थ का असेल याबद्दल माहितीपूर्ण अनुमान म्हणून तयार केले जाते.
परंतु डीलपेक्षा सखोल सिग्नल अधिक महत्त्वाचे आहे. अहवाल अचूक असल्यास, सर्वात महत्त्वाचा विकास म्हणजे Google आणि AMD एकत्र काम करत नाही - हे Google चे CPU-हेवी TPU रूपे एक्सप्लोर करणे आहे जे विशेषतः मजबुतीकरण शिक्षण, तर्क आणि एजंटिक AI साठी डिझाइन केलेले आहे. एका विशाल मॅट्रिक्स गुणाकारासाठी चिप्स ऑप्टिमाइझ करण्यात उद्योगाने एक दशक घालवले. एआय हार्डवेअरची पुढची पिढी वर्कलोड्सद्वारे आकारली जात आहे जी एका मनाने विचार करण्यासारखे खूपच कमी दिसते आणि हजारो एजंट्स एकाच वेळी एक्सप्लोर करतात, अयशस्वी होतात आणि शिकतात.
काय पहावे
व्यापक उद्योगासाठी, तीन गोष्टींमुळे हा अहवाल सट्टेबाजीतून ट्रेंडमध्ये बदलेल. प्रथम, सानुकूल-सिलिकॉन डीलचे कोणतेही चिन्ह जे प्रवेगक आणि CPU विक्रेते यांना एकमेकांच्या विरोधात उभे करण्याऐवजी जोडतात - तेच तर्क ज्याने AMD ला MI300A आणि Nvidia मध्ये ग्रेस-हॉपर-शैलीच्या एकात्मिक प्रणालीकडे ढकलले होते ते आता हायपरस्केलर ASIC रोडमॅप्सला आकार देत असल्याचे दिसते. दुसरे, Google चे TPU 8i उपयोजन गुणोत्तर अधिक CPU प्रति प्रवेगक कडे वळत राहते की नाही, जे स्वतंत्रपणे RL वर्कलोड थीसिसची पुष्टी करेल. तिसरे, AMD ची स्वतःची कमाई समालोचन: Google च्या स्केलवर सानुकूल डिझाइनचा विजय अखेरीस आर्थिक प्रकटीकरणांमध्ये समोर येण्यासाठी पुरेसा सामग्री असेल.
गुगल किंवा एएमडी दोघांनीही अहवालावर भाष्य केलेले नाही आणि सेमीॲनालिसिसने नोंदवले आहे की त्याचे विश्लेषण पुष्टी केलेल्या करारांऐवजी जोडीच्या धोरणात्मक तर्कावर आधारित आहे. परंतु एका वर्षात ज्यामध्ये Google ने आधीच प्रशिक्षण आणि अनुमान उत्पादनांमध्ये TPU लाइन विभाजित केली आहे, बहु-भागीदार सिलिकॉन पुरवठा सौद्यांवर स्वाक्षरी केली आहे आणि त्याच्या नवीनतम प्रवेगकांच्या आसपास CPU क्षमता ठेवली आहे, CPU-हेवी TPU प्रकार पुढील तार्किक हालचालींपेक्षा कमी आश्चर्यकारक आहे.
AI च्या पुढे रहा
AI सिलिकॉन रेसचे चिप-बाय-चिप कव्हरेज, जसे घडते तसे वितरित केले जाते. नवीनतम AI घडामोडी साठी आमचे हब बुकमार्क करा आणि कधीही डिझाइन जिंकू नका.
अधिक एआय बातम्या वाचा →
