ההקשר חשוב. Broadcom נותרה שותפת העיצוב ארוכת השנים של גוגל ל-TPU, עם הסכם שיתוף פעולה גלוי לחמש שנים שנחתם במרץ 2026 ומכסה דורות v8 עד v11 . MediaTek מטפלת בתפעול קלט/פלט ובתיאום הייצור עבור הדור הנוכחי Ironwood (TPU v7x)
. נראה שהמעורבות של AMD היא פרויקט במסגרת דור v10 - לאו דווקא החלפה מלאה של Broadcom, אם כי תפוקת ה-CoWoS של Broadcom עבור Ironwood דווחה כירודה בכ-32,000 פרוסות סיליקון
.
בנפרד, גוגל שוקלת להשתמש במפעל היציקה של סמסונג (Samsung Foundry) לייצור רכיבים עבור ה-v10 (שם קוד: 'Ice Fish') כדי לגוון את מקורות הייצור מעבר ל-TSMC , ונמצאת במגעים מתקדמים עם Marvell לשבבי AI מותאמים אישית נוספים
.
הסתייגות מרכזית: שום דבר לא אושר על ידי גוגל או AMD. הדיווח של SemiAnalysis הוא הערכות שוק בלבד, לא הודעה רשמית. ייתכן שפרויקט AMD הוא SKU ספציפי, נתיב ניסיוני, או גידור גיוון .
המעבר מ-ASIC מבוסס מטריצה טהור לעבר שבב היברידי עם ליבות CPU משולבות הוא תגובה ארכיטקטונית ישירה לאופי המשתנה של עומסי העבודה של AI - במיוחד למידת חיזוק (Reinforcement Learning, RL) ו-AI אוטונומי (Agentic AI).
הסקת מסקנות אצווה מסורתית (batch inference) היא כמעט כולה GPU-bound: קלט נכנס, ה-GPU מריץ מעבר קדמי, ומחזיר תגובה . עומסי העבודה של AI אוטונומי שונים מהותית. תזמור (orchestration), תכנון, קריאה לכלים, ביצוע בסביבות ארגז חול (sandbox) ואינטראקציה עם הסביבה - כולם רצים על CPU, לא GPU
.
מחקר אקדמי מצא שעומסי עבודה של AI אוטונומי הנשלטים על ידי כלים (tool-dominated) מוגבלים משמעותית על ידי עיבוד הכלים ב-CPU, שצורך עד 88% מזמן האחזור הכולל מקצה לקצה . ניתוח נפרד של Akash Borate העלה את הנתון אפילו גבוה יותר, עד 90.6%
.
באשכולות אימון AI, יחס ה-CPU ל-GPU הוא בערך 1:7 או 1:8 . ככל שעומסי העבודה עוברים להסקה, היחס יורד ל-1:3 או 1:4
. עבור פריסות AI אוטונומי, אינטל חשפה בשיחת הרווחים שלה לרבעון הראשון של 2026 שלקוחות מסוימים כבר מריצים ארבעה מעבדי CPU לכל GPU - יחס של 1:1 באשכולות מסוימים
.
מורגן סטנלי צופה צמיחה מצטברת של 32.5 עד 60 מיליארד דולר בשוק ה-CPU עד 2030, המונעת כולה משינוי זה . AMD עצמה טוענת ש-AI אוטונומי אינו עומס עבודה יחיד וממוקד GPU, אלא זרימת עבודה הטרוגנית מקצה לקצה הדורשת מעבדים עם צפיפות ליבות גבוהה ומספר רב של חוטי ביצוע (threads) לתזמור וביצוע בסביבות ארגז חול
.
אימון RL - במיוחד עבור מודלים אוטונומיים - דורש מחזורים חוזרים ונשנים של ביצוע בארגז חול, סימולציית סביבה, חישוב תגמול ועדכוני מדיניות. לולאות אלו כוללות תזמור משמעותי בצד ה-CPU שאינו ממופה ביעילות למאיצי מטריצה טהורים.
גם NVIDIA (עם עיצוב Olympus בעל 88 הליבות של Vera) וגם אינטל (עם Xeon 6+) מותאמות לדפוס ה'לולאת ארגז חול הדוקה ללמידת חיזוק' זה . תעשיית החומרה כולה מתכנסת לתובנה משותפת: מאיצי AI עתידיים לא יהיו מנועי מטריצה טהורים.
על ידי שילוב ליבות CPU של AMD ישירות באריזת ה-TPU, גוגל תוכל לבטל צווארי בקבוק של PCIe עבור לולאות AI אוטונומי כבדות ב-CPU, להפחית שהיות, ולטפל במחזור 'קריאה לכלי → שלב בסביבה → עדכן מדיניות' על שבב אחד צמוד ומלוכד. זוהי ההתגלמות החומרתית של התובנה שמערכות AI עתידיות יהיו עיצובים הטרוגניים של מערכת על גבי אריזה (system-on-package) המשלבים סוגי חישוב על פי שלב עומס העבודה.
| תחום | משמעות |
|---|---|
| ארכיטקטורה | AI ASICs מתפתחים ממאיצי מטריצה טהורים לעיצובי chiplet היברידיים של CPU+מאיץ. |
| אות עומס עבודה | ל-RL ו-AI אוטונומי יש פרופילי חישוב שונים מהותית (הסתעפות, קריאות לכלים, תזמור) מאימון צפוף - הם צריכים ליבות CPU, לא רק עוד FLOPs של GPU. |
| שרשרת אספקה | גוגל מפצלת את שותפויות ה-TPU שלה בין Broadcom, MediaTek, Marvell וכעת AMD, מה שמפחית תלות בספק יחיד ומעניק גישה ל-IP מיוחד. |
| השפעת שוק | AMD מקבלת דריסת רגל ראשונה ב-AI ASICs מותאמים אישית. NVIDIA מתמודדת עם לחץ ארכיטקטוני הן ממתחרות GPU והן ממגמת ה-ASIC ההיברידי. |
הדיווח על גוגל המשלבת ליבות CPU ב-TPU v10 שלה אינו שדרוג מצטבר - זוהי הכרה בכך שמאיץ ה-AI של 2028 ייראה שונה מאוד מזה של 2024. AI אוטונומי ולמידת חיזוק משכתבות את כללי הארכיטקטורה החישובית, והשבב שמטפל בלולאת קריאות לכלים אלף פעמים בשנייה צריך להיות בנוי אחרת מהשבב שעושה כפל מטריצה ענק אחד.
אם הערכות השוק של SemiAnalysis נכונות, גוגל ו-AMD בונות את השבב הזה ממש עכשיו.