TPU-urile Google alimentează acum centrele de date ale Meta în provocare directă pentru Nvidia

Unitățile de procesare tensoare ale Google rulează acum în centrele de date ale Meta, potrivit unui raport de la Tom's Hardware publicat pe 22 octombrie 2026 - pentru prima dată când Google și-a vândut cipurile personalizate AI unui client extern ca hardware implementat și nu prin propriul cloud. Mișcarea marchează o schimbare istorică pe piața hardware AI, unde GPU-urile Nvidia au fost mult timp alegerea implicită pentru antrenarea și servirea modelelor mari.

De ani de zile, ipoteza din industrie a fost că ecosistemul software CUDA al Nvidia a făcut GPU-urile sale de neînlocuit, chiar dacă au apărut alternative. Această ipoteză este acum testată de cele două companii cel mai bine poziționate să o încalce. Acordul, care vine în plus față de enorma infrastructură AI pe care Meta a cheltuit în acest trimestru, arată cât de serios urmăresc hiperscalerii independența în calcul – o poveste pe care o puteți urmări mai în profunzime cu cele mai recente evoluții AI acoperite zilnic pe pagina noastră de pornire la aibuzzwire.news.

De la TorchTPU la oțel și silicon

Bazele acestui moment au fost puse public cu doar două zile mai devreme. Pe 20 octombrie, Google și Meta, împreună cu sursă deschisă, TorchTPU, un backend nativ PyTorch pentru TPU-urile Google, anunțat pe blogul oficial PyTorch de echipa TorchTPU. Proiectul a început la Google la jumătatea anului 2025, în colaborare cu echipa PyTorch a Meta, și face ceva ce nu a fost gestionat în mod curat de niciun efort anterior: permite încărcărilor de lucru PyTorch existente să ruleze pe TPU-uri cu o schimbare trivială a codului, schimbând în esență `.to("cuda")` cu `.to("tpu")`.

Acest lucru contează deoarece încercarea anterioară a Google, PyTorch/XLA, lansată în 2020, a necesitat modificări intruzive ale codului sursă, a suferit timpi lungi de compilare și nu a suportat modul de execuție nativ dornic al lui PyTorch. Multe echipe care au experimentat cu TPU-uri au ajuns să se întoarcă la GPU-urile Nvidia pur și simplu pentru că experiența dezvoltatorului a fost prea dureroasă. TorchTPU a fost conceput în mod explicit pentru a remedia acest lucru, fără dependențe JAX în timpul de execuție și integrarea torch.compile construită pe Torch Dynamo, mai degrabă decât pe vechea abordare Lazy Tensor.

Ce meta iese din afacere

Rezultatele tehnice pe care Google și Meta le-au făcut publice sunt notabile. Conform detaliilor raportate de Yahoo Tech, stiva TorchTPU a fost validată împotriva a 5.000 de modele Hugging Face, iar modul de execuție DeferAndFuse de la Google oferă câștiguri de performanță de 50% sau mai mult față de o execuție strictă. Studiile de caz ale furnizorului arată că modelul Meta Llama 3 405B atinge 57% utilizarea FLOP-urilor modelului pe clustere de 128 până la 1.024 TPU-uri Ironwood - cifre care, deși sunt auto-raportate, indică că cipurile pot rula în mod competent sarcini de antrenament la scară de frontieră.

Economia este cea mai mare poveste. S-a zvonit de multă vreme că TPU-urile costă mult mai puțin decât GPU-urile Nvidia de vârf, iar o companie cu apetitul de calcul al Meta - care acoperă atât ambițiile sale de cercetare AI, cât și sistemele de recomandare - are toate stimulentele să se diversifice departe de un singur furnizor. Bloomberg a raportat încă din noiembrie 2025 că Meta și Google discutau despre implementarea TPU-urilor în centrele de date ale Meta, iar colaborarea pe TorchTPU a fost raportată de Reuters în decembrie 2025. Ceea ce s-a schimbat acum este că înțelegerea a trecut de la discuție la implementare, Tom's Hardware raportând că cipurile sunt instalate fizic și rulează în facilitățile Meta.

O fisură în armura Nvidia

Nvidia deține în continuare majoritatea covârșitoare a pieței acceleratoarelor AI, iar veniturile sale din centrele de date rămân punctul de referință pe care îl urmărește fiecare concurent. Dar dinamica se schimbă. După cum a spus TechCrunch în acoperirea lansării TorchTPU, Google s-a alăturat Amazonului pentru a ataca fortăreața Nvidia pe stratul de software care ține dezvoltatorii legați de hardware-ul său. Între timp, Meta câștigă puterea de negociere: fiecare rack TPU pe care îl instalează este un rack de GPU-uri pe care nu trebuia să le cumpere la prețul Nvidia.

Presiunea vine din mai multe direcții simultan. Amazon are cipurile Trainium, Google are TPU și un val de startup-uri construiesc acceleratoare specifice inferenței. Ceea ce face ca implementarea Meta să fie diferită este dimensiunea și vizibilitatea. Meta este unul dintre cei mai mari clienți ai Nvidia și, dacă echipele sale de inginerie concluzionează că TPU-urile pot suporta o parte semnificativă atât din volumul de lucru de instruire, cât și din deducție, alți cumpărători mari vor acorda o atenție deosebită.

Avertismentele

Nimic din toate acestea înseamnă că poziția Nvidia se prăbușește peste noapte. Blogul PyTorch însuși avertizează că, în timp ce modelele se pot epuiza pe TPU-uri, atingerea performanței de vârf necesită totuși o optimizare conștientă de hardware, deoarece formele modelelor, strategiile de fragmentare și implementările nucleului sunt de obicei reglate pentru arhitecturile GPU. Setul de instrucțiuni TPU diferă de cel al Nvidia, iar ecosistemul de instrumente, biblioteci și ingineri experimentați rămâne puternic centrat pe GPU.

Mai este și problema aprovizionării. În trecut, Google a rezervat TPU-uri pentru sarcinile sale de lucru interne și pentru clienții săi din cloud, iar capacitatea de producție pentru acceleratoare personalizate nu este nelimitată. Dacă Google poate sau dorește să furnizeze TPU-uri la o scară semnificativă pentru amprenta totală de calcul a Meta – care o depășește pe cea mai mare parte a companiilor – rămâne o întrebare deschisă.

Ce să urmărești în continuare

Semnalele imediate de monitorizat sunt dacă alți hiperscaleri urmează exemplul lui Meta, modul în care Nvidia răspunde la prețuri și dacă impulsul open-source al TorchTPU se traduce într-o migrare reală a sarcinilor de lucru PyTorch către infrastructura TPU. Piața hardware AI a așteptat ani de zile o alternativă credibilă la Nvidia la vârf. Cu TPU-urile care funcționează acum în centrele de date ale unei a doua companii, acea așteptare s-ar putea în sfârșit să se încheie.

Rămâi înaintea AI

Cursa hardware-ului AI se accelerează rapid, iar câștigătorii și învinșii următorului deceniu sunt hotărâți acum. Rămâneți înaintea AI cu acoperire independentă a cipurilor, modelelor și ofertelor care remodelează industria.

Citiți mai multe știri AI →