Відповідно до звіту Tom's Hardware, опублікованого 22 жовтня 2026 року, блоки обробки тензорів Google тепер працюють у центрах обробки даних Meta. Це перший раз, коли Google продала свої власні мікросхеми AI зовнішньому клієнту як розгорнуте обладнання, а не через власну хмару. Цей крок знаменує собою історичну зміну на ринку апаратного забезпечення штучного інтелекту, де графічні процесори Nvidia протягом тривалого часу були вибором за замовчуванням для навчання та обслуговування великих моделей.

Протягом багатьох років у галузі припускали, що екосистема програмного забезпечення Nvidia CUDA зробила її графічні процесори незамінними, навіть коли з’явилися альтернативи. Зараз це припущення перевіряється двома компаніями, які найкраще можуть його порушити. Ця угода, що доповнюється величезними витратами Meta на інфраструктуру штучного інтелекту в цьому кварталі, показує, наскільки серйозно гіпермасштабувальники прагнуть до обчислювальної незалежності — історія, за якою ви можете стежити більш детально з останніми розробками штучного інтелекту, які щодня висвітлюються на нашій домашній сторінці aibuzzwire.news.

Від TorchTPU до сталі та кремнію

Підґрунтя для цього моменту було публічно закладено лише двома днями раніше. 20 жовтня Google і Meta спільно створили TorchTPU з відкритим вихідним кодом, власний сервер PyTorch для TPU Google, про що команда TorchTPU оголосила в офіційному блозі PyTorch. Проект розпочався в Google у середині 2025 року у співпраці з командою PyTorch компанії Meta, і він робить те, що раніше не вдавалося чітко: він дозволяє існуючим робочим навантаженням PyTorch працювати на TPU з тривіальною зміною коду, по суті замінюючи `.to("cuda")` на `.to("tpu")`.

Це важливо, оскільки попередня спроба Google, PyTorch/XLA, запущена в 2020 році, вимагала нав’язливих модифікацій вихідного коду, страждала від тривалого часу компіляції та не підтримувала рідний режим швидкого виконання PyTorch. Багато команд, які експериментували з TPU, у підсумку повернулися до графічних процесорів Nvidia просто тому, що досвід розробника був надто болючим. TorchTPU був спеціально розроблений, щоб виправити це, без залежностей JAX у середовищі виконання та інтеграції torch.compile, заснованої на Torch Dynamo, а не на старішому підході Lazy Tensor.

Що Meta отримує від угоди

Технічні результати, оприлюднені Google і Meta, є помітними. Згідно з деталями, наданими Yahoo Tech, стек TorchTPU перевірено на 5000 моделях Hugging Face, а режим виконання Google DeferAndFuse забезпечує приріст продуктивності на 50 відсотків або більше в порівнянні з суворим нетерплячим виконанням. Дослідження прикладів постачальників показують, що модель Llama 3 405B від Meta досягає 57-відсоткового використання FLOP у кластерах із 128 до 1024 TPU Ironwood — цифри, які, хоча вони повідомляють самі, вказують на те, що чіпи можуть грамотно виконувати робочі навантаження передового масштабу.

Економіка - це більша історія. Довгий час ходили чутки, що TPU коштують значно дешевше, ніж топові графічні процесори Nvidia, і компанія з обчислювальним апетитом Meta — охоплюючи як її амбіції щодо досліджень штучного інтелекту, так і її системи рекомендацій — має всі стимули диверсифікуватися від одного постачальника. Bloomberg повідомляв ще в листопаді 2025 року, що Meta і Google обговорюють розгортання TPU в центрах обробки даних Meta, а про співпрацю над TorchTPU повідомляв Reuters у грудні 2025 року. Що змінилося зараз, так це те, що угода перейшла від обговорення до розгортання, а Tom's Hardware повідомляє, що чіпи фізично встановлені та працюють на об’єктах Meta.

Тріщина в броні Nvidia

Nvidia все ще володіє переважною більшістю ринку прискорювачів штучного інтелекту, а дохід від її центру обробки даних залишається еталоном, за яким женеться кожен конкурент. Але динаміка змінюється. Як зазначив TechCrunch у своєму звіті про запуск TorchTPU, Google приєднався до Amazon у атаці на оплот Nvidia на програмному рівні, який утримує розробників прив’язаними до її апаратного забезпечення. Тим часом Meta отримує перевагу в переговорах: кожна стійка TPU, яку вона встановлює, є стійкою GPU, яку їй не потрібно було купувати за ціною Nvidia.

Тиск надходить з кількох сторін одночасно. Amazon має свої чіпи Trainium, Google має TPU, а хвиля стартапів створюють прискорювачі, які створюють спеціальний висновок. Що відрізняє розгортання Meta, так це масштаб і видимість. Meta є одним із найбільших клієнтів Nvidia, і якщо її інженерні команди дійдуть висновку, що TPU можуть виконувати значну частку як навчання, так і навантаження на логічні висновки, інші великі покупці звернуть пильну увагу.

Застереження

Все це не означає, що позиція Nvidia впаде відразу. У самому блозі PyTorch попереджається, що хоча моделі можуть бути готові до використання на TPU, досягнення максимальної продуктивності все одно потребує оптимізації з урахуванням апаратного забезпечення, оскільки форми моделей, стратегії шардингу та реалізації ядра зазвичай налаштовані для архітектур GPU. Набір інструкцій TPU відрізняється від набору Nvidia, а екосистема інструментів, бібліотек і досвідчених інженерів залишається сильно орієнтованою на GPU.

Також є питання постачання. Раніше Google резервував TPU для своїх внутрішніх робочих навантажень і хмарних клієнтів, і виробничі потужності для спеціальних прискорювачів не є необмеженими. Питання, чи може чи хоче Google постачати TPU в обсязі, який відповідає загальному обчислювальному сліду Meta, який затьмарює більшість компаній, залишається відкритим.

Що подивитись далі

Безпосередні сигнали, які слід відстежувати, це те, чи наслідують інші гіпермасштабувальники приклад Meta, як Nvidia реагує на ціноутворення та чи перетворюється імпульс TorchTPU у сфері відкритого коду на справжню міграцію робочих навантажень PyTorch до інфраструктури TPU. Ринок апаратного забезпечення штучного інтелекту роками чекав на надійну альтернативу Nvidia у найвищому класі. Оскільки TPU тепер працюють у центрах обробки даних іншої компанії, це очікування може нарешті закінчитися.

Будьте попереду ШІ

Гонка апаратного забезпечення штучного інтелекту швидко прискорюється, і зараз визначаються переможці та переможені наступного десятиліття. Будьте попереду ШІ з незалежним висвітленням чіпів, моделей і угод, які змінюють індустрію.

Читати більше новин AI →