Google podobno wybiera AMD w celu uzyskania obciążającego procesor TPU nowej generacji, stworzonego do uczenia się ze wzmocnieniem

Jak wynika z nowej notatki firmy badawczej SemiAnalytic, Google może współpracować z AMD przy jednym ze swoich procesorów TPU nowej generacji. Takie połączenie, jeśli dojrzeje do skutku, będzie oznaczać pierwsze znaczące zaangażowanie AMD w niestandardowy projekt AI ASIC i wskazywać na nowy rodzaj akceleratora Google, który łączy krzem AI z rdzeniami procesora ogólnego przeznaczenia w jednym pakiecie.

Raport, opublikowany 16 sierpnia przez Tom's Hardware i Firstpost, pojawia się w okresie nasilającego się wyścigu o przeprojektowanie infrastruktury sztucznej inteligencji na potrzeby modeli rozumowania i agentów autonomicznych — tę zmianę śledzimy w naszych [najnowszych wiadomościach o sztucznej inteligencji] (https://aibuzzwire.news). Według SemiAnalytic Google i jego klienci naciskają na TPU z rdzeniami procesora w pakiecie do uczenia się przez wzmacnianie (RL) i potencjalnie innych obciążeń obciążających procesor, a AMD jest mocnym kandydatem do dostarczenia brakujących elementów.

Dlaczego Google nie potrzebowałby AMD do projektowania TPU

Analitycy poleją zimną wodą najprostszą lekturę tej historii. Google ma już znaczną wiedzę specjalistyczną w zakresie architektury akceleratorów, doskonaloną przez osiem generacji TPU, i niekoniecznie potrzebuje AMD do zaprojektowania kolejnego konwencjonalnego TPU. Szanse na wdrożenie przez AMD kolejnego chipa wnioskowającego Google (TPU V10i) lub chipa szkoleniowego (TPU V10t) są uważane za niskie.

Analitycy uważają, że Google może zamiast tego potrzebować rzeczy, które może zapewnić producent procesorów takich jak AMD: własności intelektualnej procesora, programowalnej logiki, połączeń wzajemnych lub zaawansowanej wiedzy specjalistycznej w zakresie opakowań. Innymi słowy, historia mniej skupia się na tym, jak AMD buduje akcelerator sztucznej inteligencji Google, a bardziej na tym, co może odblokować chip hybrydowy – obliczenia tensorowe Google połączone z rdzeniami ogólnego przeznaczenia AMD.

Uczenie się przez wzmacnianie wywraca sztuczną inteligencję na lewą stronę

Czynnikiem napędzającym jest faktyczna zmiana w sposobie, w jaki systemy AI korzystają z mocy obliczeniowej. Konwencjonalne szkolenie z modeli dużych języków w dalszym ciągu w przeważającej mierze wymaga użycia akceleratorów: matematyka macierzowa, przez cały dzień, na procesorach graficznych i TPU. Jednak uczenie się przez wzmacnianie w przypadku modeli rozumowania i agentury jest inne. Potoki RL przeplatają operacje akceleratora dużą ilością skalarnych, rozgałęzionych obliczeń ogólnego przeznaczenia — symulacji środowiska, obliczania nagród, orkiestracji wielu równoległych wdrożeń — które działają znacznie lepiej na procesorach.

Projekty systemów Google już odzwierciedlają tę zmianę. Według raportu systemy TPU 8i firmy Google skupiające się na wnioskowaniu — stworzone z myślą o wnioskowaniu, wnioskowaniu i obciążeniach RL — udostępniają jeden procesor Google Axion na każde dwa TPU. Dla porównania, serwery oparte na TPU siódmej generacji wykorzystywały jeden procesor Intel Xeon „Emerald Rapids” na każde cztery TPU. Podwojenie stosunku procesora do akceleratora to wyraźny sygnał wskazujący, dokąd Google widzi kierunek obciążenia, a umieszczenie rdzeni procesora bezpośrednio obok akceleratora to logiczny kolejny krok: krótsze ścieżki danych, mniejszy ruch danych i lepsza wydajność energetyczna dokładnie w przypadku obciążeń, których wymaga agentowa sztuczna inteligencja.

Precedens MI300A

AMD wnosi bezpośrednio odpowiednie doświadczenie do takiego projektu. Jego Instinct MI300A — wdrożony w elitarnych superkomputerach — był pierwszym prawdziwym układem APU na skalę centrum danych, łączącym w jednym pakiecie chiplety procesorów x86 Zen i chiplety obliczeniowe GPU z pamięcią współdzieloną. Przyszły projekt Google mógłby przybrać podobny kształt: chiplety obliczeniowe TPU firmy Google w połączeniu z technologią procesorów AMD i pamięcią o dużej przepustowości, przy czym AMD potencjalnie zajmie się częściami opakowania i integracją.

Obie firmy mają powody do rozmów. W przypadku Google posunięcie to rozszerzyłoby strategię dotyczącą krzemu, która obejmuje już wielu partnerów – ogłoszona w kwietniu 2026 r. oferta TPU ósmej generacji podzielona na dedykowane chipy szkoleniowe (8t) i wnioskowania (8i), a raporty z początku tego roku opisywały Google tworzącego wielopartnerski łańcuch dostaw niestandardowego krzemu obejmujący Broadcom, MediaTek i Marvell, aby rzucić wyzwanie Nvidii w zakresie wnioskowania. Dla AMD zwycięstwo Google w projektowaniu byłoby wyrazistym poparciem dla jej technologii chipletów i opakowań oraz przyczółkiem na rynku niestandardowych krzemów AI, na rynku, na którym dominacja Nvidii pozostaje w dużej mierze niekwestionowana.

Ważne zastrzeżenia

Sama SemiAnalytics podkreśla, że pozostaje znaczna niepewność. Dokładny charakter zgłaszanego zaangażowania AMD jest niejasny, partnerstwo nie zostało potwierdzone przez żadną z firm, a analitycy przedstawiają swoje rozumowanie jako świadome spekulacje na temat powodów, dla których taka współpraca miałaby sens, a nie potwierdzony plan rozwoju produktu.

Ale głębszy sygnał ma większe znaczenie niż sama umowa. Jeśli raporty są dokładne, najważniejszym osiągnięciem nie jest współpraca Google i AMD – to Google bada warianty TPU obciążające procesor, zaprojektowane specjalnie z myślą o uczeniu się przez wzmacnianie, wnioskowaniu i agentycznej sztucznej inteligencji. Branża spędziła dekadę na optymalizacji chipów pod kątem jednego gigantycznego mnożenia macierzy. Następna generacja sprzętu AI jest kształtowana przez obciążenia, które w znacznie mniejszym stopniu przypominają myślenie pojedynczego umysłu, a znacznie bardziej przypominają tysiące agentów badających, ponoszących porażki i uczących się jednocześnie.

Co obejrzeć

Dla szerszej branży trzy rzeczy sprawią, że raport ten ze spekulacji stanie się trendem. Po pierwsze, wszelkie oznaki umów na niestandardowy krzem, które łączą dostawców akceleratorów i procesorów, zamiast stawiać ich przeciwko sobie – ta sama logika, która popchnęła AMD do MI300A, a Nvidię w kierunku zintegrowanych systemów w stylu Grace-Hopper, wydaje się teraz kształtować plany działania dotyczące hiperskalerów ASIC. Po drugie, czy wskaźniki wdrożenia TPU 8i w Google będą nadal zmierzać w stronę większej liczby procesorów na akcelerator, co niezależnie potwierdziłoby tezę dotyczącą obciążenia RL. Po trzecie, komentarz AMD do zysków: wygrana w zakresie niestandardowego projektu na skalę Google byłaby na tyle istotna, że ​​ostatecznie pojawiłaby się w ujawnieniach finansowych.

Ani Google, ani AMD nie skomentowały raportu, a SemiAnalytic zauważa, że ​​jego analiza opiera się na strategicznej logice parowania, a nie na potwierdzonych kontraktach. Jednak w roku, w którym Google podzielił już swoją linię TPU na produkty do szkolenia i wnioskowania, podpisał umowy na dostawy krzemu z wieloma partnerami i zgromadził moc obliczeniową procesorów wokół swoich najnowszych akceleratorów, wariant TPU obciążający procesor jest mniej niespodzianką niż kolejny logiczny ruch.

Wyprzedź sztuczną inteligencję

Relacja chip po chipie z wyścigu krzemowego AI, dostarczana na bieżąco. Dodaj do zakładek nasze centrum z najnowszymi osiągnięciami AI i nigdy nie przegapisz wygranej w projektowaniu.

Przeczytaj więcej aktualności o sztucznej inteligencji →