Google Cloud prezentuje ósmą generację chipów TPU, dzieląc je na modele do trenowania i inferencji. Obiecują 3x szybszy trening AI, ale nie zagrażają Nvidii.
W skrócie:
- Google wprowadza dwa nowe chipy: TPU 8t do trenowania modeli AI oraz TPU 8i do ich bieżącego użytkowania, czyli inferencji.
- Nowa generacja oferuje nawet 3‑krotnie szybszy trening modeli AI i o 80% lepszą wydajność w przeliczeniu na dolara w porównaniu do poprzedników.
- Pomimo tego ruchu, Google nie rezygnuje ze współpracy z Nvidią i wkrótce zaoferuje w swojej chmurze najnowsze układy tej firmy, Vera Rubin.
Google Cloud właśnie odsłonił karty, prezentując ósmą generację swoich autorskich układów do sztucznej inteligencji – Tensor Processing Units (TPU). Tym razem gigant z Mountain View poszedł drogą specjalizacji. Zamiast jednego uniwersalnego chipu dostajemy dwa: TPU 8t, zaprojektowany z myślą o morderczym wysiłku, jakim jest trenowanie modeli AI, oraz TPU 8i, zoptymalizowany pod inferencję, czyli bieżące wykorzystywanie już wytrenowanych algorytmów. To ten drugi odpowiada za magię, która dzieje się, gdy wpisujemy prompt do Chata GPT czy Gemini.
Liczby, jak to u Google’a, muszą robić wrażenie. Firma chwali się, że nowe układy zapewniają nawet trzykrotnie szybszy trening modeli w porównaniu z poprzednią generacją. Co więcej, wydajność w przeliczeniu na dolara ma być lepsza o 80%. Wisienką na torcie jest zdolność do połączenia ponad miliona chipów TPU w jeden, gargantuiczny klaster obliczeniowy. Przekładając to na ludzki język: więcej mocy obliczeniowej przy niższym zużyciu energii i, co kluczowe dla klientów, niższych kosztach. Czysta ekonomia.
Dwa miecze Google’a: Jak działają nowe chipy TPU?
Decyzja o rozdzieleniu chipów na wersję treningową (training) i inferencyjną (inference) to ruch, który pokazuje dojrzałość rynku AI. Trenowanie modeli to proces pochłaniający niewyobrażalne zasoby – trwa tygodniami lub miesiącami i wymaga maksymalnej mocy. Z kolei inferencja to miliony małych, szybkich operacji wykonywanych non stop. To dwie zupełnie różne charakterystyki obciążenia, dlatego stworzenie wyspecjalizowanych układów jest logicznym krokiem w stronę optymalizacji. To trochę jak posiadanie w garażu bolidu Formuły 1 do bicia rekordów na torze i zwinnego miejskiego auta do codziennych dojazdów do pracy. Oba są świetne, ale w swojej dziedzinie.
Warto też przypomnieć, dlaczego Google uparcie nazywa swoje układy TPU, a nie GPU. Nazwa pochodzi od Tensor – autorskich, niskonapięciowych chipów, które firma rozwija od lat. To one stały się fundamentem architektury, która dziś napędza usługi chmurowe giganta. Google od początku grało we własną grę, budując infrastrukturę pod swoje potrzeby, a teraz oferuje jej owoce klientom na całym świecie. Pytanie tylko, czy ta gra zagraża dotychczasowemu królowi.
Czy to koniec dominacji Nvidii? Analitycy studzą emocje
Każda premiera autorskich chipów od gigantów technologicznych – czy to Amazon, Microsoft, czy Google – natychmiast rodzi pytanie o przyszłość Nvidii. Czy firma, która zbudowała imperium na układach graficznych, ma się czego obawiać? Na razie odpowiedź brzmi: niekoniecznie. Google, podobnie jak jego konkurenci, nie próbuje zastąpić Nvidii. Chce ją uzupełnić. Chodzi o dywersyfikację i zaoferowanie klientom wyboru – albo skorzystają z infrastruktury opartej na układach Nvidii, albo wybiorą zoptymalizowane pod konkretne zadania i potencjalnie tańsze TPU.
Zabawny kontekst historyczny przywołał analityk rynku chipów, Patrick Moorhead, który na platformie X przypomniał swój wpis z 2016 roku. Przewidywał wówczas, że pierwsze TPU mogą być złą wiadomością dla Nvidii i Intela. Jak sam ironicznie przyznał, tamta prognoza nie przetrwała próby czasu – Nvidia jest dziś firmą o kapitalizacji rynkowej sięgającej niemal 5 bilionów dolarów. Stawianie przeciwko nim jest, delikatnie mówiąc, ryzykowne. Jeśli plan Nvidii się powiedzie, wzrost Google’a jako dostawcy chmury AI przełoży się na jeszcze więcej zamówień na ich chipy, a nie mniej. Nawet jeśli część zadań przejmą układy TPU.
Współpraca zamiast wojny: Dlaczego Google i Nvidia wciąż się potrzebują?
Zamiast otwartej konfrontacji, obserwujemy coś na kształt technologicznej symbiozy. Google nie tylko nie rezygnuje z chipów konkurenta, ale wręcz zapowiada, że jeszcze w tym roku udostępni w swojej chmurze najnowszą bestię od Nvidii – układ Vera Rubin. To nie wszystko. Obie firmy ogłosiły zacieśnienie współpracy w obszarze inżynierii sieciowej. Celem jest usprawnienie działania systemów opartych na Nvidii w chmurze Google’a.
Pracują razem nad rozwojem oprogramowania sieciowego o nazwie Falcon, które Google stworzyło i udostępniło jako open source w 2023 roku w ramach Open Compute Project. To dowód na to, że na tym poziomie nie ma miejsca na proste antagonizmy. Liczy się wydajność, skalowalność i zysk. Być może pewnego dnia “hyperscalerzy” staną się na tyle samowystarczalni, że rola Nvidii zmaleje. Ale ten dzień jeszcze nie nadszedł. Na razie wszyscy grają w jednej, choć bardzo dużej, piaskownicy.