Δύο νέα συστήματα τεχνητής νοημοσύνης, σχεδιασμένα για ασφαλέστερη επεξεργασία δεδομένων και σημαντικά μεγαλύτερες υπολογιστικές απαιτήσεις, παρουσίασε η Google στις 9 Νοεμβρίου 2026, ενισχύοντας την προσπάθειά της να ανταγωνιστεί τη NVIDIA στην αγορά των AI υποδομών. Τα TPU 8tx και TPU 8i Max επεκτείνουν την όγδοη γενιά των Tensor Processing Units της εταιρείας, με το πρώτο να αξιοποιεί επεξεργαστές AMD EPYC και τεχνολογία confidential computing και το δεύτερο να προσφέρει διπλάσια υπολογιστική ισχύ και εύρος ζώνης μνήμης ανά package σε σύγκριση με το TPU 8i.
Η ανακοίνωση αποτελεί συνέχεια της παρουσίασης των TPU 8t και TPU 8i τον περασμένο Απρίλιο, αλλά αφορά δύο νέα ολοκληρωμένα συστήματα και όχι δύο εντελώς νέες αρχιτεκτονικές επεξεργαστών. Η Google αξιοποιεί υπάρχοντα chips, συνδυάζοντάς τα με διαφορετικές τεχνολογίες μνήμης, διασύνδεσης και ασφάλειας για να καλύψει εξειδικευμένες ανάγκες. Με τέσσερα συστήματα TPU μέσα στο ίδιο έτος, η εταιρεία επιχειρεί να προσελκύσει περισσότερους επιχειρηματικούς πελάτες που αναζητούν εναλλακτικές λύσεις απέναντι στις κυρίαρχες πλατφόρμες της NVIDIA.
TPU 8tx με προστασία δεδομένων κατά την επεξεργασία
Το TPU 8tx απευθύνεται κυρίως σε επιχειρήσεις και δημόσιους οργανισμούς που χρειάζονται υψηλή υπολογιστική ισχύ για AI, αλλά διαχειρίζονται ιδιαίτερα ευαίσθητες πληροφορίες.
Χρησιμοποιεί την ίδια βασική αρχιτεκτονική silicon με το TPU 8t, σε συνδυασμό με επεξεργαστές AMD EPYC πέμπτης γενιάς.
Η σημαντικότερη διαφοροποίησή του βρίσκεται στην υποστήριξη hardware-enforced confidential computing, μιας τεχνολογίας που έχει σχεδιαστεί για την προστασία δεδομένων ακόμη και κατά τη διάρκεια της ενεργής επεξεργασίας τους.
Στα συμβατικά υπολογιστικά περιβάλλοντα, οι πληροφορίες κρυπτογραφούνται συνήθως όταν αποθηκεύονται ή μεταφέρονται μέσω δικτύου. Κατά την επεξεργασία τους, όμως, χρειάζεται να αποκρυπτογραφηθούν στη μνήμη, δημιουργώντας πρόσθετες απαιτήσεις προστασίας.
Με το TPU 8tx, η Google ενσωματώνει μηχανισμούς ασφάλειας σε επίπεδο hardware, ώστε ευαίσθητα δεδομένα και παράμετροι AI μοντέλων να παραμένουν προστατευμένα και απομονωμένα κατά την εκτέλεση των εργασιών.
Η δυνατότητα έχει ιδιαίτερο ενδιαφέρον για τράπεζες, παρόχους υπηρεσιών υγείας, κυβερνητικούς οργανισμούς και επιχειρήσεις που χρησιμοποιούν ιδιόκτητα μοντέλα AI.
Έως δύο φορές χαμηλότερη καθυστέρηση με το Boardfly
Η Google χρησιμοποιεί στο TPU 8tx το δίκτυο χαμηλής καθυστέρησης Boardfly, το οποίο είχε αναπτύξει για απαιτητικές εφαρμογές AI reasoning.
Σύμφωνα με την εταιρεία, η νέα διαμόρφωση μπορεί να μειώσει την καθυστέρηση έως και κατά δύο φορές σε σύγκριση με το TPU 8t, με σχεδόν μηδενική επιβάρυνση των επιδόσεων από τους μηχανισμούς προστασίας.
Το πλεονέκτημα αφορά ιδιαίτερα εφαρμογές agentic AI, στις οποίες πολλαπλές ενέργειες και κλήσεις μοντέλων πραγματοποιούνται διαδοχικά.
Παράλληλα, το σύστημα υποστηρίζει inference, fine-tuning και reinforcement learning στην ίδια υποδομή.
Έτσι, μια επιχείρηση μπορεί να προσαρμόζει ένα μεγάλο AI μοντέλο χρησιμοποιώντας ιδιωτικά δεδομένα, να δημιουργεί μικρότερες εξειδικευμένες εκδόσεις του και να εκπαιδεύει AI agents χωρίς να μεταφέρει συνεχώς τις πληροφορίες μεταξύ διαφορετικών υπολογιστικών clusters.
Οι ανακοινωμένες βελτιώσεις καθυστέρησης αποτελούν μετρήσεις της Google και όχι αποτελέσματα ανεξάρτητης σύγκρισης με αντίστοιχα συστήματα της NVIDIA.
TPU 8i Max με διπλάσια ισχύ και bandwidth μνήμης
Το δεύτερο νέο σύστημα, TPU 8i Max, έχει σχεδιαστεί για μια διαφορετική πρόκληση: τη διαχείριση πολύ μεγάλων ποσοτήτων πληροφοριών από τα σύγχρονα AI μοντέλα.
Καθώς οι AI agents αποκτούν τη δυνατότητα να αναλύουν ολόκληρες βάσεις κώδικα, μεγάλα έγγραφα ή πολύωρα βίντεο, η διαθέσιμη μνήμη και η ταχύτητα μεταφοράς δεδομένων γίνονται εξίσου σημαντικές με την ακατέργαστη επεξεργαστική ισχύ.
Για να αντιμετωπίσει αυτόν τον περιορισμό, η Google συνδύασε δύο chips TPU 8i σε ένα ενιαίο package.
Η νέα διαμόρφωση προσφέρει διπλάσια υπολογιστική ισχύ, διπλάσια SRAM και διπλάσιο HBM memory bandwidth ανά package σε σχέση με το TPU 8i.
Παράλληλα, διατηρεί το ίδιο βασικό αποτύπωμα εγκατάστασης σε επίπεδο rack, επιτρέποντας υψηλότερη υπολογιστική πυκνότητα στα data centers.
Αυτό μπορεί να διευκολύνει την εκτέλεση μεγάλων AI workloads, όπως συστήματα ανάλυσης κώδικα, σύνθετης μαθηματικής συλλογιστικής και επιστημονικής έρευνας.
Ο διπλασιασμός των υπολογιστικών πόρων δεν σημαίνει απαραίτητα ότι κάθε εφαρμογή θα λειτουργεί δύο φορές ταχύτερα, καθώς η τελική απόδοση εξαρτάται από το λογισμικό και τον τρόπο αξιοποίησης του hardware.
Η AMD αποκτά σημαντικό ρόλο στις AI υποδομές της Google
Η συμμετοχή της AMD στο TPU 8tx αποτελεί ξεχωριστή εξέλιξη, καθώς επιβεβαιώνει τη διεύρυνση της συνεργασίας των δύο εταιρειών στα data centers.
Σύμφωνα με την επίσημη ανακοίνωση της AMD, οι επεξεργαστές EPYC πέμπτης γενιάς αναλαμβάνουν τις λειτουργίες host CPU, συνεργαζόμενοι με τους επιταχυντές AI της Google.
Ο ρόλος τους περιλαμβάνει την προετοιμασία δεδομένων, τον συντονισμό εργασιών, τη διαχείριση επικοινωνίας με τους accelerators και την υποστήριξη μηχανισμών ασφάλειας μέσω AMD Infinity Guard.
Επομένως, η AMD δεν προμηθεύει τον κύριο AI accelerator του TPU 8tx. Προσφέρει τους επεξεργαστές γενικής χρήσης που υποστηρίζουν τη λειτουργία της υποδομής.
Η συνεργασία είναι σημαντική επειδή δείχνει ότι οι μεγάλοι πάροχοι cloud μπορούν να συνδυάζουν δικούς τους εξειδικευμένους επιταχυντές με CPUs τρίτων κατασκευαστών, αντί να εξαρτώνται αποκλειστικά από μία ενιαία πλατφόρμα.
Για την AMD, πρόκειται για πρόσθετη παρουσία σε μια αγορά όπου ο ανταγωνισμός δεν περιορίζεται πλέον μόνο στις GPUs, αλλά επεκτείνεται σε ολόκληρη την αρχιτεκτονική των AI data centers.
Τέσσερα διαφορετικά TPU συστήματα και μεγαλύτερη υποστήριξη PyTorch
Με τις νέες ανακοινώσεις, η Google διαθέτει πλέον τέσσερις διαφορετικές διαμορφώσεις στην όγδοη γενιά TPU.
Το TPU 8t προορίζεται για την εκπαίδευση μεγάλων AI μοντέλων, το TPU 8i για inference και reasoning χαμηλής καθυστέρησης, το TPU 8tx για εμπιστευτική επεξεργασία και το TPU 8i Max για workloads με ιδιαίτερα μεγάλες απαιτήσεις μνήμης.
Παράλληλα, η εταιρεία επιχειρεί να περιορίσει ένα από τα βασικότερα εμπόδια υιοθέτησης των TPUs: τη συμβατότητα με το υπάρχον λογισμικό ανάπτυξης AI.
Με το ανοιχτού κώδικα TorchTPU, ο κώδικας PyTorch και τα μοντέλα Hugging Face μπορούν πλέον να εκτελούνται σε TPUs χωρίς να απαιτείται πλήρης επανεγγραφή.
Η Google παρουσίασε επίσης εργαλεία αυτοματοποιημένης βελτιστοποίησης, καθώς και νέες δυνατότητες διαχείρισης μεγάλων TPU clusters μέσω Google Kubernetes Engine.
Η εταιρεία αναφέρει ότι οι υποδομές TPU χρησιμοποιούνται πλέον από σχεδόν 100 πελάτες, στους οποίους περιλαμβάνονται ερευνητικά εργαστήρια AI, πανεπιστήμια και επιχειρήσεις.
Ο ανταγωνισμός με τη NVIDIA μπαίνει σε νέα φάση
Η επέκταση των TPUs δείχνει ότι η Google δεν περιορίζεται πλέον στη δημιουργία εξειδικευμένων επεξεργαστών για τα δικά της μοντέλα Gemini.
Η εταιρεία επιδιώκει να προσφέρει ολοκληρωμένες AI υποδομές σε τρίτους, διεκδικώντας μεγαλύτερο μέρος των επενδύσεων που πραγματοποιούνται για την εκπαίδευση και τη λειτουργία μεγάλων μοντέλων.
Η NVIDIA εξακολουθεί να κυριαρχεί στην αγορά των AI accelerators, αξιοποιώντας το hardware της και το ευρύ οικοσύστημα λογισμικού CUDA.
Η στρατηγική της Google βασίζεται στη διαφοροποίηση: αντί να προσφέρει μία γενική λύση για όλες τις εφαρμογές, αναπτύσσει εξειδικευμένα συστήματα για διαφορετικούς τύπους AI workloads.
Τα TPU 8tx και TPU 8i Max απευθύνονται σε επιχειρηματικές και ερευνητικές υποδομές και όχι στην αγορά προσωπικών υπολογιστών. Η σημασία τους βρίσκεται στην προσπάθεια της Google να προσφέρει περισσότερες επιλογές σε οργανισμούς που σήμερα βασίζονται σε μεγάλο βαθμό στην τεχνολογία της NVIDIA.
