Согласно отчету Tom's Hardware, опубликованному 22 октября 2026 года, тензорные процессоры Google теперь работают внутри центров обработки данных Meta. Это первый раз, когда Google продала свои собственные чипы искусственного интеллекта внешнему клиенту в виде развернутого оборудования, а не через собственное облако. Этот шаг знаменует собой исторический сдвиг на рынке оборудования для искусственного интеллекта, где графические процессоры Nvidia уже давно являются выбором по умолчанию для обучения и обслуживания больших моделей.

В течение многих лет в отрасли считалось, что программная экосистема CUDA от Nvidia сделала ее графические процессоры незаменимыми, даже когда появились альтернативы. Это предположение сейчас проверяется двумя компаниями, которые лучше всех могут его разрушить. Сделка, заключенная в дополнение к огромным расходам Meta на инфраструктуру искусственного интеллекта в этом квартале, показывает, насколько серьезно гиперскейлеры стремятся к независимости вычислений — за этой историей вы можете следить более подробно с помощью последних разработок в области искусственного интеллекта, которые ежедневно освещаются на нашей домашней странице aibuzzwire.news.

От TorchTPU к стали и кремнию

Основа для этого момента была публично заложена всего двумя днями ранее. 20 октября Google и Meta совместно открыли исходный код TorchTPU, собственного бэкэнда PyTorch для TPU Google, о чем команда TorchTPU объявила в официальном блоге PyTorch. Проект начался в Google в середине 2025 года в сотрудничестве с командой Meta PyTorch, и он делает то, что ни одна из предыдущих попыток не удалось четко: он позволяет существующим рабочим нагрузкам PyTorch запускаться на TPU с тривиальным изменением кода, по сути заменяя `.to("cuda")` на `.to("tpu")`.

Это важно, поскольку более ранняя попытка Google, PyTorch/XLA, запущенная в 2020 году, требовала навязчивых модификаций исходного кода, страдала от длительного времени компиляции и не поддерживала собственный режим быстрого выполнения PyTorch. Многие команды, экспериментировавшие с TPU, в конечном итоге вернулись к графическим процессорам Nvidia просто потому, что опыт разработчиков был слишком болезненным. TorchTPU был специально разработан для исправления этой ситуации, без каких-либо зависимостей JAX во время выполнения и интеграции torch.compile, построенной на Torch Dynamo, а не на более старом подходе Lazy Tensor.

Что мета получает от сделки

Технические результаты, опубликованные Google и Meta, примечательны. Согласно данным Yahoo Tech, стек TorchTPU был проверен на 5000 моделях Hugging Face, а режим выполнения Google DeferAndFuse обеспечивает прирост производительности на 50 и более процентов по сравнению со строгим нетерпеливым выполнением. Тематические исследования поставщиков показывают, что модель Meta Llama 3 405B достигает 57 процентов использования FLOP модели в кластерах от 128 до 1024 Ironwood TPU — цифры, которые, хотя и сообщаются самими пользователями, указывают на то, что чипы могут компетентно выполнять обучающие нагрузки высочайшего масштаба.

Экономика – это более важная история. Уже давно ходят слухи, что TPU стоят значительно дешевле, чем топовые графические процессоры Nvidia, и у компании с вычислительными аппетитами Meta, охватывающей как исследовательские амбиции в области искусственного интеллекта, так и системы рекомендаций, есть все стимулы для диверсификации от одного поставщика. Еще в ноябре 2025 года агентство Bloomberg сообщило, что Meta и Google обсуждали развертывание TPU в центрах обработки данных Meta, а о сотрудничестве по TorchTPU сообщило агентство Reuters в декабре 2025 года. Что изменилось сейчас, так это то, что сделка перешла от обсуждения к развертыванию, а Tom's Hardware сообщает, что чипы физически установлены и работают на объектах Meta.

Трещина в броне Nvidia

Nvidia по-прежнему контролирует подавляющее большинство рынка ускорителей искусственного интеллекта, а доходы ее центров обработки данных остаются ориентиром, за которым гонятся все конкуренты. Но динамика меняется. Как заявил TechCrunch в своем репортаже о запуске TorchTPU, Google присоединился к Amazon в атаке на оплот Nvidia на уровне программного обеспечения, который удерживает разработчиков привязанными к ее оборудованию. Тем временем Meta получает рычаги влияния на переговорах: каждая установленная ею стойка TPU представляет собой стойку с графическими процессорами, которые ей не нужно было покупать по ценам Nvidia.

Давление идет с нескольких направлений одновременно. У Amazon есть чипы Trainium, у Google есть TPU, а волна стартапов создает ускорители, ориентированные на логические выводы. Что отличает развертывание Meta, так это масштаб и наглядность. Meta — один из крупнейших клиентов Nvidia, и если ее инженерные команды придут к выводу, что TPU могут выполнять значительную часть рабочих нагрузок как по обучению, так и по выводам, другие крупные покупатели обратят пристальное внимание.

Предостережения

Ничто из этого не означает, что положение Nvidia рухнет в одночасье. Сам блог PyTorch предупреждает, что, хотя модели могут работать на TPU «из коробки», достижение максимальной производительности по-прежнему требует аппаратной оптимизации, поскольку формы моделей, стратегии сегментирования и реализации ядра обычно настраиваются для архитектур графических процессоров. Набор инструкций TPU отличается от набора команд Nvidia, а экосистема инструментов, библиотек и опытных инженеров по-прежнему в значительной степени ориентирована на графический процессор.

Есть еще вопрос снабжения. Google исторически резервировал TPU для своих внутренних рабочих нагрузок и своих облачных клиентов, а производственные мощности для пользовательских ускорителей не безграничны. Может или хочет ли Google поставлять TPU в масштабах, значимых для общей вычислительной мощности Meta, которая затмевает большинство компаний, остается открытым вопросом.

Что посмотреть дальше

Непосредственными сигналами для мониторинга являются то, последуют ли другие гиперскейлеры примеру Meta, как Nvidia отреагирует на ценообразование и приведет ли импульс TorchTPU к открытому исходному коду к подлинной миграции рабочих нагрузок PyTorch на инфраструктуру TPU. Рынок оборудования для искусственного интеллекта годами ждал надежной альтернативы Nvidia на верхнем уровне. Теперь, когда TPU работают в центрах обработки данных второй компании, это ожидание, возможно, наконец-то подошло к концу.

Будьте впереди ИИ

Гонка аппаратного обеспечения искусственного интеллекта быстро ускоряется, и сейчас определяются победители и проигравшие в следующем десятилетии. Будьте впереди искусственного интеллекта благодаря независимому освещению чипов, моделей и сделок, меняющих отрасль.

Читать больше новостей об искусственном интеллекте →