据报道，谷歌利用 AMD 打造专为强化学习而打造的 CPU 密集型下一代 TPU

SemiAnalysis 的一份报告称，谷歌可能会将 AMD CPU 技术与其 TPU 加速器结合起来，进行旨在强化学习和代理人工智能的新设计。

根据研究公司 SemiAnalysis 的一份新报告，Google 可能会与 AMD 合作开发下一代 TPU。如果这一合作成为现实，将标志着 AMD 首次大规模参与定制 AI ASIC 项目，并指向一种新型的 Google 加速器，它将 AI 芯片与通用 CPU 核心融合在一个封装中。

Tom's Hardware 和 Firstpost 于 8 月 16 日报道了这份报告，该报告正值重新设计推理模型和自主代理的人工智能基础设施的激烈竞争中——我们一直在我们的突发人工智能新闻报道中跟踪这一转变。据 SemiAnalysis 称，谷歌及其客户正在推动带有封装 CPU 核心的 TPU，用于强化学习 (RL) 和可能的其他 CPU 密集型工作负载，而 AMD 是提供缺失部分的有力候选者。

为什么 Google 不需要 AMD 来设计 TPU

分析师们对这个故事最简单的解读泼了一盆冷水。谷歌已经在加速器架构方面拥有丰富的内部专业知识，经过八代 TPU 的磨练，不一定需要 AMD 设计另一个传统的 TPU。 AMD实施谷歌下一代推理芯片（TPU V10i）或训练芯片（TPU V10t）的机会被认为很低。

相反，分析师认为谷歌可能需要 AMD 等 CPU 制造商能够提供的东西：CPU 知识产权、可编程逻辑、互连或先进的封装专业知识。换句话说，这个故事不是关于 AMD 构建谷歌的人工智能加速器，而是更多关于混合芯片——谷歌的张量计算与 AMD 的通用核心的结合——可以解锁什么。

强化学习正在彻底改变人工智能芯片

驱动因素是人工智能系统如何消耗计算的真正转变。传统的大型语言模型训练仍然绝大多数依赖于加速器：整天在 GPU 和 TPU 上进行矩阵数学。但推理和代理模型的强化学习是不同的。强化学习管道将加速器操作与大量标量、分支、通用计算（环境模拟、奖励计算、许多并行部署的编排）交织在一起，在 CPU 上运行得更好。

谷歌自己的系统设计已经反映了这种转变。根据该报告，谷歌专注于推理的 TPU 8i 系统（专为推理、推理和强化学习工作负载而构建）为每两个 TPU 提供一个 Google Axion CPU。相比之下，基于第七代 TPU 的服务器每四个 TPU 就使用一个英特尔至强“Emerald Rapids”处理器。将 CPU 与加速器的比率加倍是 Google 看到工作负载走向的强烈信号，而将 CPU 内核直接与加速器一起打包是合乎逻辑的下一步：更短的数据路径、更少的数据移动以及更好的电源效率，从而满足代理 AI 所需的工作负载。

MI300A 先例

AMD 为此类项目带来了直接相关的经验。其Instinct MI300A（部署在精英级超级计算机中）是数据中心规模的首款真正的 APU，将 x86 Zen CPU 小芯片和 GPU 计算小芯片与共享内存结合在一个封装中。未来的谷歌设计可能会采用类似的形式：谷歌的 TPU 计算芯片与 AMD CPU 技术和高带宽内存搭配，AMD 可能会处理部分封装和集成。

两家公司都有理由交谈。对于谷歌来说，此举将扩展已经涵盖多个合作伙伴的芯片战略——其于 2026 年 4 月宣布的第八代 TPU 系列，分为专用训练 (8t) 和推理 (8i) 芯片，今年早些时候的报道称，谷歌正在组装一条涵盖博通、联发科和 Marvell 的多合作伙伴定制芯片供应链，以在推理领域挑战 Nvidia。对于AMD来说，谷歌设计的胜利将是对其小芯片和封装技术的巨大认可，并在定制人工智能芯片领域站稳脚跟，在这个市场上，英伟达的主导地位在很大程度上仍然没有受到挑战。

重要警告

SemiAnalysis 本身强调仍然存在很大的不确定性。据报道，AMD 参与的确切性质尚不清楚，两家公司均未证实该合作伙伴关系，分析师将他们的推理视为关于为何此类合作有意义的明智猜测，而不是确认的产品路线图。

但更深层次的信号比交易本身更重要。如果报告准确的话，那么最重要的发展并不是 Google 和 AMD 的合作，而是 Google 正在探索专为强化学习、推理和代理 AI 设计的 CPU 密集型 TPU 变体。业界花了十年的时间来优化用于巨型矩阵乘法的芯片。下一代人工智能硬件正在由工作负载塑造，这些工作负载看起来不太像单一思维的思考，而更像是数千个代理同时探索、失败和学习。

看什么

对于更广泛的行业来说，三件事将使这份报告从猜测变成趋势。首先，任何定制芯片交易的迹象都表明加速器和 CPU 供应商是配对的，而不是让它们相互竞争——推动 AMD 推出 MI300A 和 Nvidia 推出 Grace-Hopper 式集成系统的逻辑现在似乎正在塑造超大规模 ASIC 路线图。其次，谷歌的 TPU 8i 部署比例是否继续朝着每个加速器使用更多 CPU 的方向发展，这将独立证实 RL 工作负载理论。第三，AMD自己的盈利评论：谷歌规模的定制设计胜利将足以最终在财务披露中浮出水面。

谷歌和 AMD 都没有对该报告发表评论，SemiAnaanalysis 指出，其分析是基于配对的战略逻辑，而不是基于已确认的合同。但在今年，谷歌已经将其 TPU 系列分为训练和推理产品，签署了多合作伙伴芯片供应协议，并围绕其最新的加速器囤积了 CPU 容量，因此，以 CPU 为主的 TPU 变体并不令人意外，而是下一个合乎逻辑的举措。