De tensorverwerkingseenheden van Google draaien nu in de datacenters van Meta, volgens een rapport van Tom's Hardware gepubliceerd op 22 oktober 2026 – de eerste keer dat Google zijn aangepaste AI-chips aan een externe klant heeft verkocht als geïmplementeerde hardware in plaats van via zijn eigen cloud. Deze stap markeert een historische verschuiving in de AI-hardwaremarkt, waar Nvidia's GPU's lange tijd de standaardkeuze zijn geweest voor het trainen en bedienen van grote modellen.
Jarenlang is de veronderstelling in de branche geweest dat Nvidia's CUDA-software-ecosysteem zijn GPU's onvervangbaar maakte, zelfs toen er alternatieven opdoken. Die veronderstelling wordt nu getest door de twee bedrijven die het best gepositioneerd zijn om deze te doorbreken. De deal, bovenop de enorme uitgaven aan AI-infrastructuur van Meta dit kwartaal, laat zien hoe serieus hyperscalers computeronafhankelijkheid nastreven – een verhaal dat je dieper kunt volgen met de nieuwste AI-ontwikkelingen die dagelijks worden behandeld op onze homepage op aibuzzwire.news.
Van TorchTPU tot staal en silicium
De basis voor dit moment werd slechts twee dagen eerder publiekelijk gelegd. Op 20 oktober hebben Google en Meta gezamenlijk TorchTPU open source gemaakt, een native PyTorch-backend voor de TPU's van Google, aangekondigd op de officiële PyTorch-blog door het TorchTPU-team. Het project begon medio 2025 bij Google in samenwerking met het PyTorch-team van Meta, en het doet iets wat nog nooit eerder zo goed is gelukt: het laat bestaande PyTorch-workloads op TPU's draaien met een triviale codewijziging, waarbij in wezen `.to("cuda)` wordt vervangen door `.to('tpu')`.
Dat is van belang omdat de eerdere poging van Google, PyTorch/XLA, gelanceerd in 2020, opdringerige wijzigingen in de broncode vereiste, last had van lange compileertijden en geen ondersteuning bood voor de eigen, enthousiaste uitvoeringsmodus van PyTorch. Veel teams die met TPU’s experimenteerden, keerden uiteindelijk terug naar Nvidia GPU’s, simpelweg omdat de ontwikkelaarservaring te pijnlijk was. TorchTPU is expliciet ontworpen om dit op te lossen, zonder JAX-afhankelijkheden in de runtime en torch.compile-integratie gebouwd op Torch Dynamo in plaats van de oudere Lazy Tensor-aanpak.
Wat Meta uit de deal haalt
De technische resultaten die Google en Meta hebben gepubliceerd zijn opmerkelijk. Volgens details gerapporteerd door Yahoo Tech is de TorchTPU-stack gevalideerd tegen 5.000 Hugging Face-modellen, en levert Google's DeferAndFuse-uitvoeringsmodus prestatiewinst op van 50 procent of meer ten opzichte van strikte, enthousiaste uitvoering. Casestudies van leveranciers tonen aan dat Meta's Llama 3 405B-model een model-FLOPs-gebruik van 57 procent bereikt op clusters van 128 tot 1.024 Ironwood TPU's - cijfers die, hoewel zelfgerapporteerd, aangeven dat de chips op competente wijze trainingswerklasten op grensschaal kunnen uitvoeren.
De economie is het grotere verhaal. Het gerucht gaat al lang dat TPU's aanzienlijk minder kosten dan de topklasse Nvidia GPU's, en een bedrijf met de computerlust van Meta - die zowel zijn AI-onderzoeksambities als zijn aanbevelingssystemen dekt - heeft alle prikkels om te diversifiëren, weg van één enkele leverancier. Bloomberg meldde al in november 2025 dat Meta en Google de inzet van TPU's in Meta's datacenters bespraken, en de samenwerking aan TorchTPU werd in december 2025 door Reuters gerapporteerd. Wat nu is veranderd, is dat de deal is overgegaan van discussie naar implementatie, waarbij Tom's Hardware meldt dat de chips fysiek zijn geïnstalleerd en draaien in Meta-faciliteiten.
Een barst in het pantser van Nvidia
Nvidia heeft nog steeds de overgrote meerderheid van de AI-acceleratormarkt in handen, en de omzet uit datacenters blijft de maatstaf waar elke concurrent naar streeft. Maar de dynamiek is aan het veranderen. Zoals TechCrunch het stelde in zijn berichtgeving over de TorchTPU-lancering, heeft Google zich bij Amazon aangesloten bij het aanvallen van Nvidia's bolwerk op de softwarelaag die ontwikkelaars aan de hardware gebonden houdt. Meta krijgt ondertussen onderhandelingspositie: elk TPU-rack dat het installeert is een rack met GPU's dat het niet hoefde te kopen tegen de prijzen van Nvidia.
De druk komt uit meerdere richtingen tegelijk. Amazon heeft zijn Trainium-chips, Google heeft TPU's en een golf van startups bouwt gevolgtrekking-specifieke versnellers. Wat de Meta-implementatie anders maakt, is schaal en zichtbaarheid. Meta is een van Nvidia's grootste klanten, en als de technische teams concluderen dat TPU's een betekenisvol aandeel kunnen hebben in zowel training als gevolgtrekkingen, zullen andere grote kopers er goed op letten.
De voorbehouden
Niets van dit alles betekent dat de positie van Nvidia van de ene op de andere dag instort. De PyTorch-blog waarschuwt zelf dat, hoewel modellen op TPU's mogelijk out-of-the-box zijn, het bereiken van topprestaties nog steeds hardwarebewuste optimalisatie vereist, omdat modelvormen, sharding-strategieën en kernelimplementaties doorgaans zijn afgestemd op GPU-architecturen. De TPU-instructieset verschilt van die van Nvidia, en het ecosysteem van tools, bibliotheken en ervaren ingenieurs blijft sterk GPU-gericht.
Er is ook nog de kwestie van het aanbod. Google heeft historisch gezien TPU’s gereserveerd voor zijn interne workloads en zijn cloudklanten, en de productiecapaciteit voor aangepaste accelerators is niet onbeperkt. Of Google TPU's kan of wil leveren op een schaal die betekenisvol is voor Meta's totale computervoetafdruk – die bij de meeste bedrijven in de schaduw staat – blijft een open vraag.
Wat je nu moet bekijken
De directe signalen om in de gaten te houden zijn of andere hyperscalers het voorbeeld van Meta volgen, hoe Nvidia reageert op de prijzen en of het open-source momentum van TorchTPU zich vertaalt in een echte migratie van PyTorch-workloads naar de TPU-infrastructuur. De AI-hardwaremarkt wacht al jaren op een geloofwaardig alternatief voor Nvidia aan de top. Nu TPU's in de datacenters van een tweede bedrijf draaien, kan dat wachten eindelijk voorbij zijn.
Blijf AI een stap voor
De AI-hardwarerace versnelt snel en de winnaars en verliezers van het volgende decennium worden nu bepaald. Blijf AI voor met onafhankelijke berichtgeving over de chips, modellen en deals die de industrie opnieuw vormgeven.
Lees meer AI-nieuws →
