O Google pode estar se unindo à AMD em uma de suas TPUs de próxima geração, de acordo com uma nova nota da empresa de pesquisa SemiAnalysis — uma parceria que, se se materializar, marcaria o primeiro envolvimento significativo da AMD em um projeto AI ASIC personalizado e apontaria para um novo tipo de acelerador do Google que funde silício de IA com núcleos de CPU de uso geral em um único pacote.

O relatório, coberto em 16 de agosto pelo Tom's Hardware e Firstpost, chega em meio a uma corrida cada vez mais intensa para redesenhar a infraestrutura de IA para modelos de raciocínio e agentes autônomos — uma mudança que temos acompanhado em nossa cobertura de notícias de última hora sobre IA. De acordo com a SemiAnalysis, o Google e seus clientes estão pressionando por TPUs com núcleos de CPU integrados para aprendizado por reforço (RL) e potencialmente outras cargas de trabalho com CPU pesada, e a AMD é uma forte candidata para fornecer as peças que faltam.

Por que o Google não precisaria da AMD para projetar uma TPU

Os analistas jogam água fria na leitura mais simples da história. O Google já possui experiência interna substancial em arquitetura de aceleradores, aprimorada ao longo de oito gerações de TPU, e não precisaria necessariamente da AMD para projetar outra TPU convencional. As chances de a AMD implementar o próximo chip de inferência (TPU V10i) ou chip de treinamento (TPU V10t) do Google são consideradas baixas.

Em vez disso, os analistas acreditam que o Google pode precisar de coisas que um fabricante de CPU como a AMD pode fornecer: propriedade intelectual de CPU, lógica programável, interconexões ou experiência em empacotamento avançado. Em outras palavras, a história é menos sobre a AMD construindo o acelerador de IA do Google e mais sobre o que um chip híbrido – a computação tensora do Google casada com os núcleos de uso geral da AMD – poderia desbloquear.

O aprendizado por reforço está transformando o silício da IA de dentro para fora

O motivador é uma mudança genuína na forma como os sistemas de IA consomem computação. O treinamento convencional de modelos de linguagem grande permanece esmagadoramente pesado em aceleradores: matemática matricial, o dia todo, em GPUs e TPUs. Mas a aprendizagem por reforço para modelos de raciocínio e de agência é diferente. Os pipelines RL intercalam operações de acelerador com grandes quantidades de computação escalar, ramificada e de uso geral – simulação de ambiente, computação de recompensa, orquestração de muitas implementações paralelas – que funciona muito melhor em CPUs.

Os próprios projetos de sistemas do Google já refletem essa mudança. De acordo com o relatório, os sistemas TPU 8i com foco em inferência do Google – desenvolvidos para inferência, raciocínio e cargas de trabalho de RL – provisionam uma CPU Google Axion para cada duas TPUs. Em comparação, os servidores baseados na TPU de sétima geração usavam um processador Intel Xeon “Emerald Rapids” para cada quatro TPUs. Dobrar a proporção de CPU para acelerador é um forte sinal de onde o Google vê as cargas de trabalho, e empacotar núcleos de CPU diretamente ao lado do acelerador é o próximo passo lógico: caminhos de dados mais curtos, menos movimentação de dados e melhor eficiência de energia exatamente para as cargas de trabalho que a IA de agente exige.

O precedente MI300A

A AMD traz experiência diretamente relevante para esse projeto. Seu Instinct MI300A — implantado em supercomputadores de classe elite — foi o primeiro verdadeiro APU em escala de data center, combinando chips de CPU Zen x86 e chips de computação de GPU com memória compartilhada em um único pacote. Um futuro design do Google poderia assumir uma forma semelhante: os chips de computação TPU do Google emparelhados com a tecnologia de CPU AMD e memória de alta largura de banda, com a AMD potencialmente lidando com partes do pacote e da integração.

Ambas as empresas têm motivos para conversar. Para o Google, a mudança estenderia uma estratégia de silício que já abrange vários parceiros – sua linha de TPU de oitava geração, anunciada em abril de 2026, dividida em chips de treinamento dedicado (8t) e inferência (8i), e relatórios no início deste ano descreveram o Google montando uma cadeia de suprimentos de silício personalizado com vários parceiros, abrangendo Broadcom, MediaTek e Marvell para desafiar a Nvidia na inferência. Para a AMD, uma vitória no design do Google seria um grande endosso à sua tecnologia de chips e embalagens – e uma posição segura no silício de IA personalizado, um mercado onde o domínio da Nvidia permanece praticamente incontestado.

Advertências importantes

A própria SemiAnalysis sublinha que permanece uma incerteza significativa. A natureza exacta do envolvimento relatado da AMD não é clara, a parceria não foi confirmada por nenhuma das empresas e os analistas enquadram o seu raciocínio como especulação informada sobre por que tal colaboração faria sentido, em vez de um roteiro de produto confirmado.

Mas o sinal mais profundo é mais importante do que o acordo em si. Se os relatórios forem precisos, o desenvolvimento mais significativo não é o trabalho conjunto do Google e da AMD – é o Google explorando variantes de TPU com CPU pesada projetadas especificamente para aprendizado de reforço, raciocínio e IA de agente. A indústria passou uma década otimizando chips para uma multiplicação gigante de matrizes. A próxima geração de hardware de IA está sendo moldada por cargas de trabalho que se parecem muito menos com o pensamento de uma única mente e muito mais com milhares de agentes explorando, falhando e aprendendo ao mesmo tempo.

O que assistir

Para a indústria em geral, três coisas transformariam este relatório de especulação numa tendência. Primeiro, qualquer sinal de acordos de silício personalizado que combinem fornecedores de aceleradores e CPU em vez de colocá-los uns contra os outros – a mesma lógica que empurrou a AMD para o MI300A e a Nvidia para sistemas integrados no estilo Grace-Hopper agora parece estar moldando roteiros ASIC hiperescaladores. Em segundo lugar, se as taxas de implantação da TPU 8i do Google continuam migrando para mais CPU por acelerador, o que confirmaria de forma independente a tese da carga de trabalho de RL. Terceiro, o comentário sobre os lucros da própria AMD: uma vitória no design personalizado na escala do Google seria material o suficiente para eventualmente aparecer nas divulgações financeiras.

Nem o Google nem a AMD comentaram o relatório, e a SemiAnalysis observa que sua análise é baseada na lógica estratégica do emparelhamento, e não em contratos confirmados. Mas em um ano em que o Google já dividiu sua linha de TPU em produtos de treinamento e inferência, assinou acordos de fornecimento de silício com vários parceiros e acumulou capacidade de CPU em torno de seus mais novos aceleradores, uma variante de TPU com CPU pesada é menos uma surpresa do que o próximo movimento lógico.

Fique à frente da IA

Cobertura chip por chip da corrida do silício de IA, entregue no momento. Marque nosso hub para os últimos desenvolvimentos de IA e nunca perca uma vitória em design.

Leia mais notícias sobre IA →