Kolaborasi Google–AMD TPU v10 yang Dikabarkan

SemiAnalysis, yang diangkat oleh Tom's Hardware dan outlet lainnya, melaporkan bahwa Google sedang menjajaki ASIC AI hybrid yang dapat mengintegrasikan inti CPU AMD dalam satu kemasan bersama teknologi akselerator milik Google . Analis percaya Google tertarik pada teknologi pengemasan canggih dan integrasi 3D (SoIC) milik AMD, serta desain inti CPU-nya untuk beban kerja yang sarat CPU .

Konteks penting. Broadcom tetap menjadi mitra desain bersama TPU jangka panjang Google, dengan perjanjian kerja sama lima tahun yang diungkapkan pada Maret 2026 yang mencakup generasi v8 hingga v11 . MediaTek menangani koordinasi I/O dan manufaktur untuk generasi Ironwood saat ini (TPU v7x) . Keterlibatan AMD tampaknya menjadi proyek dalam generasi v10 — belum tentu pengganti penuh Broadcom, meskipun output CoWoS Ironwood Broadcom dilaporkan direvisi turun sekitar 32.000 wafer .

Secara terpisah, Google dilaporkan mempertimbangkan Samsung Foundry untuk produksi komponen v10 (nama kode "Ice Fish") untuk melakukan diversifikasi di luar TSMC , dan telah berada dalam pembicaraan tahap akhir dengan Marvell untuk chip AI khusus lainnya .

Peringatan penting: Tidak ada yang dikonfirmasi oleh Google atau AMD. Laporan SemiAnalysis adalah kabar pasar, bukan pengumuman resmi, dan proyek AMD mungkin merupakan SKU tertentu, jalur eksperimental, atau lindung nilai diversifikasi .

Mengapa Chip Hybrid Masuk Akal untuk AI Agen dan Reinforcement Learning

Pergeseran dari ASIC matriks murni menuju chip hybrid dengan inti CPU terintegrasi adalah respons arsitektural langsung terhadap perubahan sifat beban kerja AI — khususnya reinforcement learning (RL) dan AI agen.

AI Agen Terikat CPU, Bukan GPU

Inferensi batch tradisional hampir seluruhnya terikat GPU: prompt masuk, GPU menjalankan forward pass, token keluar . Beban kerja AI agen pada dasarnya berbeda. Orkestrasi, perencanaan, pemanggilan alat, eksekusi sandbox, dan interaksi lingkungan semuanya berjalan di CPU, bukan GPU .

Sebuah studi akademis menemukan bahwa beban kerja AI agen yang didominasi alat secara signifikan terhambat oleh pemrosesan alat di CPU, menghabiskan hingga 88% dari latensi ujung-ke-ujung . Analisis terpisah oleh Akash Borate bahkan memberikan angka yang lebih tinggi, hingga 90,6% .

Rasio CPU:GPU Berubah Secara Radikal

Di klaster pelatihan AI, rasio CPU terhadap GPU kira-kira 1:7 atau 1:8 . Saat beban kerja bergeser ke inferensi, rasio itu turun menjadi 1:3 atau 1:4 . Untuk penerapan agen, Intel mengungkapkan dalam panggilan pendapatan Q1 2026 bahwa beberapa pelanggan sudah menjalankan empat CPU per GPU — rasio 1:1 di klaster tertentu .

Morgan Stanley memproyeksikan pertumbuhan pasar CPU inkremental sebesar $32,5–$60 miliar pada tahun 2030, sepenuhnya didorong oleh pergeseran ini . AMD sendiri telah berargumen bahwa AI agen bukanlah beban kerja inferensi tunggal yang berpusat pada GPU, melainkan alur kerja ujung-ke-ujung yang heterogen yang membutuhkan CPU dengan kepadatan inti tinggi dan jumlah thread tinggi untuk orkestrasi dan eksekusi sandbox .

Reinforcement Learning Menuntut Lingkaran Sandbox yang Ketat

Pelatihan RL — terutama untuk model agen — membutuhkan siklus berulang dari eksekusi sandbox, simulasi lingkungan, komputasi hadiah, dan pembaruan kebijakan. Lingkaran ini melibatkan orkestrasi sisi CPU yang substansial yang tidak dapat dipetakan secara efisien ke akselerator matriks murni.

Vera milik Nvidia (desain Olympus 88-inti) dan Xeon 6+ milik Intel sama-sama dioptimalkan untuk pola "lingkaran sandbox reinforcement learning yang ketat" ini . Industri perangkat keras sedang berkumpul pada wawasan bersama: akselerator AI masa depan tidak akan menjadi mesin matriks murni.

TPU Hybrid v10 Google sebagai Indikator Utama

Dengan mengintegrasikan inti CPU AMD langsung pada kemasan TPU, Google dapat menghilangkan hambatan PCIe untuk lingkaran agen yang sarat CPU ini, mengurangi latensi, dan menangani siklus "panggilan alat → langkah lingkungan → perbarui kebijakan" pada satu die yang tergabung erat. Ini adalah perwujudan perangkat keras dari wawasan bahwa sistem AI masa depan akan menjadi desain sistem-on-package yang heterogen yang mencampur jenis komputasi berdasarkan fase beban kerja.

Implikasi yang Lebih Luas

Intinya

Google yang dilaporkan menempatkan inti CPU di dalam TPU v10 bukanlah perubahan kecil — ini adalah pengakuan bahwa akselerator AI tahun 2028 akan terlihat sangat berbeda dari yang tahun 2024. AI agen dan reinforcement learning sedang menulis ulang aturan arsitektur komputasi, dan chip yang menangani lingkaran pemanggilan alat seribu kali per detik perlu dibangun secara berbeda dari chip yang melakukan satu perkalian matriks raksasa.

Jika kabar pasar SemiAnalysis benar, Google dan AMD sedang membangun chip itu sekarang.

Kolaborasi Google–AMD TPU v10 yang Dikabarkan

SemiAnalysis, yang diangkat oleh Tom's Hardware dan outlet lainnya, melaporkan bahwa Google sedang menjajaki ASIC AI hybrid yang dapat mengintegrasikan inti CPU AMD dalam satu kemasan bersama teknologi akselerator milik Google . Analis percaya Google tertarik pada teknologi pengemasan canggih dan integrasi 3D (SoIC) milik AMD, serta desain inti CPU-nya untuk beban kerja yang sarat CPU .

Konteks penting. Broadcom tetap menjadi mitra desain bersama TPU jangka panjang Google, dengan perjanjian kerja sama lima tahun yang diungkapkan pada Maret 2026 yang mencakup generasi v8 hingga v11 . MediaTek menangani koordinasi I/O dan manufaktur untuk generasi Ironwood saat ini (TPU v7x) . Keterlibatan AMD tampaknya menjadi proyek dalam generasi v10 — belum tentu pengganti penuh Broadcom, meskipun output CoWoS Ironwood Broadcom dilaporkan direvisi turun sekitar 32.000 wafer .

Secara terpisah, Google dilaporkan mempertimbangkan Samsung Foundry untuk produksi komponen v10 (nama kode "Ice Fish") untuk melakukan diversifikasi di luar TSMC , dan telah berada dalam pembicaraan tahap akhir dengan Marvell untuk chip AI khusus lainnya .

Peringatan penting: Tidak ada yang dikonfirmasi oleh Google atau AMD. Laporan SemiAnalysis adalah kabar pasar, bukan pengumuman resmi, dan proyek AMD mungkin merupakan SKU tertentu, jalur eksperimental, atau lindung nilai diversifikasi .

Mengapa Chip Hybrid Masuk Akal untuk AI Agen dan Reinforcement Learning

Pergeseran dari ASIC matriks murni menuju chip hybrid dengan inti CPU terintegrasi adalah respons arsitektural langsung terhadap perubahan sifat beban kerja AI — khususnya reinforcement learning (RL) dan AI agen.

AI Agen Terikat CPU, Bukan GPU

Inferensi batch tradisional hampir seluruhnya terikat GPU: prompt masuk, GPU menjalankan forward pass, token keluar . Beban kerja AI agen pada dasarnya berbeda. Orkestrasi, perencanaan, pemanggilan alat, eksekusi sandbox, dan interaksi lingkungan semuanya berjalan di CPU, bukan GPU .

Sebuah studi akademis menemukan bahwa beban kerja AI agen yang didominasi alat secara signifikan terhambat oleh pemrosesan alat di CPU, menghabiskan hingga 88% dari latensi ujung-ke-ujung . Analisis terpisah oleh Akash Borate bahkan memberikan angka yang lebih tinggi, hingga 90,6% .

Rasio CPU:GPU Berubah Secara Radikal

Di klaster pelatihan AI, rasio CPU terhadap GPU kira-kira 1:7 atau 1:8 . Saat beban kerja bergeser ke inferensi, rasio itu turun menjadi 1:3 atau 1:4 . Untuk penerapan agen, Intel mengungkapkan dalam panggilan pendapatan Q1 2026 bahwa beberapa pelanggan sudah menjalankan empat CPU per GPU — rasio 1:1 di klaster tertentu .

Morgan Stanley memproyeksikan pertumbuhan pasar CPU inkremental sebesar $32,5–$60 miliar pada tahun 2030, sepenuhnya didorong oleh pergeseran ini . AMD sendiri telah berargumen bahwa AI agen bukanlah beban kerja inferensi tunggal yang berpusat pada GPU, melainkan alur kerja ujung-ke-ujung yang heterogen yang membutuhkan CPU dengan kepadatan inti tinggi dan jumlah thread tinggi untuk orkestrasi dan eksekusi sandbox .

Reinforcement Learning Menuntut Lingkaran Sandbox yang Ketat

Pelatihan RL — terutama untuk model agen — membutuhkan siklus berulang dari eksekusi sandbox, simulasi lingkungan, komputasi hadiah, dan pembaruan kebijakan. Lingkaran ini melibatkan orkestrasi sisi CPU yang substansial yang tidak dapat dipetakan secara efisien ke akselerator matriks murni.

Vera milik Nvidia (desain Olympus 88-inti) dan Xeon 6+ milik Intel sama-sama dioptimalkan untuk pola "lingkaran sandbox reinforcement learning yang ketat" ini . Industri perangkat keras sedang berkumpul pada wawasan bersama: akselerator AI masa depan tidak akan menjadi mesin matriks murni.

TPU Hybrid v10 Google sebagai Indikator Utama

Dengan mengintegrasikan inti CPU AMD langsung pada kemasan TPU, Google dapat menghilangkan hambatan PCIe untuk lingkaran agen yang sarat CPU ini, mengurangi latensi, dan menangani siklus "panggilan alat → langkah lingkungan → perbarui kebijakan" pada satu die yang tergabung erat. Ini adalah perwujudan perangkat keras dari wawasan bahwa sistem AI masa depan akan menjadi desain sistem-on-package yang heterogen yang mencampur jenis komputasi berdasarkan fase beban kerja.

Implikasi yang Lebih Luas

Intinya

Google yang dilaporkan menempatkan inti CPU di dalam TPU v10 bukanlah perubahan kecil — ini adalah pengakuan bahwa akselerator AI tahun 2028 akan terlihat sangat berbeda dari yang tahun 2024. AI agen dan reinforcement learning sedang menulis ulang aturan arsitektur komputasi, dan chip yang menangani lingkaran pemanggilan alat seribu kali per detik perlu dibangun secara berbeda dari chip yang melakukan satu perkalian matriks raksasa.

Jika kabar pasar SemiAnalysis benar, Google dan AMD sedang membangun chip itu sekarang.