Rapporten, som täcktes den 16 augusti av Tom's Hardware och Firstpost, landar mitt i en intensifierad kapplöpning för att göra om AI-infrastrukturen för resonemangsmodeller och autonoma agenter – en förändring som vi har spårat i vår brytande AI-nyheter bevakning. Enligt SemiAnalysis trycker Google och dess kunder på för TPU:er med paketerade CPU-kärnor för förstärkningsinlärning (RL) och potentiellt andra CPU-tunga arbetsbelastningar, och AMD är en stark kandidat för att leverera de saknade bitarna.
Varför Google inte skulle behöva AMD för att designa en TPU
Analytikerna häller kallt vatten på den enklaste läsningen av berättelsen. Google har redan betydande intern expertis inom acceleratorarkitektur, finslipad över åtta TPU-generationer, och skulle inte nödvändigtvis behöva AMD för att designa en annan konventionell TPU. Chanserna att AMD implementerar Googles nästa inferenschip (TPU V10i) eller träningschip (TPU V10t) anses vara låga.
Istället tror analytikerna att Google kan behöva saker som en CPU-tillverkare som AMD kan tillhandahålla: CPU-immateriella rättigheter, programmerbar logik, sammankopplingar eller avancerad paketeringsexpertis. Med andra ord handlar historien mindre om att AMD bygger Googles AI-accelerator och mer om vad ett hybridchip – Googles tensor-dator som är gift med AMD:s generella kärnor – kan låsa upp.
Förstärkningsinlärning vänder AI-kisel ut och in
Drivkraften är en genuin förändring i hur AI-system använder datorer. Konventionell utbildning för stora språkmodeller är fortfarande överväldigande acceleratortung: matrismatte, hela dagen, på GPU:er och TPU:er. Men förstärkningsinlärning för resonemang och agentmodeller är annorlunda. RL-pipelines interfolierar acceleratoroperationer med stora mängder skalär, förgrenad, allmän beräkning – miljösimulering, belöningsberäkning, orkestrering av många parallella utrullningar – som fungerar mycket bättre på CPU:er.
Googles egna systemdesigner återspeglar redan den förändringen. Enligt rapporten tillhandahåller Googles slutledningsfokuserade TPU 8i-system – byggda för slutledning, resonemang och RL-arbetsbelastningar – en Google Axion CPU för varannan TPU. Som jämförelse använde servrar baserade på den sjunde generationens TPU en Intel Xeon "Emerald Rapids"-processor för var fjärde TPU. Att dubbla CPU-till-accelerator-förhållandet är en stark signal om vart Google ser arbetsbelastningen på väg, och att packa CPU-kärnor direkt vid sidan av acceleratorn är det logiska nästa steget: kortare datavägar, mindre datarörelse och bättre energieffektivitet för exakt de arbetsbelastningar som agent AI kräver.
MI300A Prejudikat
AMD tar med sig direkt relevant erfarenhet till ett sådant projekt. Dess Instinct MI300A – utplacerad i superdatorer i elitklass – var de första riktiga APU:erna i datacenterskala, som kombinerade x86 Zen CPU-chiplets och GPU-beräkningschiplets med delat minne i ett enda paket. En framtida Google-design skulle kunna ta en liknande form: Googles TPU-beräkningschiplets parade med AMD CPU-teknik och högbandbreddsminne, där AMD potentiellt hanterar delar av förpackningen och integrationen.
Båda företagen har anledning att prata. För Google skulle flytten utöka en kiselstrategi som redan sträcker sig över flera partners – dess åttonde generationens TPU-sortiment, som tillkännagavs i april 2026, uppdelat i dedikerade tränings- (8t) och slutledningskretsar (8i), och rapportering tidigare i år beskrev att Google sammanställer en kundanpassad kiselförsörjningskedja med flera partner som sträcker sig över Broadcom, MediaTek och Marvell för att utmana Nvidia. För AMD skulle en designvinst från Google vara ett marquee-godkännande av dess chiplet- och förpackningsteknologi – och ett fotfäste inom anpassad AI-kisel, en marknad där Nvidias dominans i stort sett förblir obestridd.
Viktiga varningar
SemiAnalysis själv betonar att betydande osäkerhet kvarstår. Den exakta karaktären av AMD:s rapporterade engagemang är oklart, partnerskapet har inte bekräftats av något företag, och analytikerna formulerar sina resonemang som välgrundade spekulationer om varför ett sådant samarbete skulle vara vettigt snarare än en bekräftad produktfärdplan.
Men den djupare signalen är viktigare än själva affären. Om rapporterna är korrekta är den viktigaste utvecklingen inte Google och AMD som arbetar tillsammans – det är Google som utforskar CPU-tunga TPU-varianter som är designade speciellt för förstärkningsinlärning, resonemang och agent AI. Branschen ägnade ett decennium åt att optimera chips för en gigantisk matrismultiplikation. Nästa generation av AI-hårdvara formas av arbetsbelastningar som ser mycket mindre ut som ett sinnestänkande och mycket mer som tusentals agenter som utforskar, misslyckas och lär sig samtidigt.
Vad du ska titta på
För den bredare branschen skulle tre saker förvandla denna rapport från spekulation till en trend. För det första, alla tecken på specialtillverkade kiselavtal som parar accelerator- och CPU-leverantörer snarare än att ställa dem mot varandra – samma logik som tryckte in AMD i MI300A och Nvidia mot Grace-Hopper-liknande integrerade system verkar nu forma hyperskalare ASIC-färdplaner. För det andra, huruvida Googles TPU 8i-distributionsförhållanden fortsätter att driva mot mer CPU per accelerator, vilket självständigt skulle bekräfta RL-arbetsbelastningstesen. För det tredje, AMD:s egna resultatkommentarer: en vinst för anpassad design i Googles skala skulle vara tillräckligt material för att så småningom komma upp i finansiella avslöjanden.
Varken Google eller AMD har kommenterat rapporten, och SemiAnalysis noterar att dess analys är baserad på den strategiska logiken i parningen snarare än bekräftade kontrakt. Men under ett år då Google redan har delat upp sin TPU-linje i utbildnings- och slutledningsprodukter, tecknat avtal om kiselförsörjning med flera partner och samlat CPU-kapacitet runt sina nyaste acceleratorer, är en CPU-tung TPU-variant mindre överraskande än nästa logiska drag.
Ligg före AI
Chip-by-chip-täckning av AI-kiselloppet, levererat när det händer. Bokmärk vårt nav för senaste AI-utvecklingen och missa aldrig en designvinst.
Läs mer AI-nyheter →
