Сообщаемое партнёрство Google–AMD по TPU v10

SemiAnalysis, информацию которого подхватили Tom's Hardware и другие издания, сообщает, что Google изучает возможность создания гибридного ИИ-ASIC, который мог бы интегрировать CPU-ядра AMD в одном корпусе с собственной технологией ускорителей Google . Аналитики полагают, что Google заинтересован в передовых технологиях упаковки и 3D-интеграции (SoIC) от AMD, а также в её дизайнах CPU-ядер для интенсивных вычислительных нагрузок .

Контекст имеет значение. Broadcom остаётся давним партнёром Google по совместной разработке TPU — в марте 2026 года было подписано раскрытое пятилетнее соглашение о сотрудничестве, охватывающее поколения с v8 по v11 . MediaTek отвечает за ввод-вывод и координацию производства для текущего поколения Ironwood (TPU v7x) . Участие AMD, по-видимому, является проектом в рамках поколения v10 — не обязательно полной заменой Broadcom, хотя объём выпуска CoWoS для Ironwood от Broadcom, по сообщениям, был скорректирован в сторону уменьшения примерно на 32 000 пластин .

Отдельно сообщается, что Google рассматривает Samsung Foundry для производства компонентов v10 (кодовое название «Ice Fish») с целью диверсификации производства за пределы TSMC , а также ведёт переговоры поздней стадии с Marvell о других заказных ИИ-чипах .

Ключевая оговорка: Ничто из этого не подтверждено Google или AMD. Отчёт SemiAnalysis — это рыночные слухи, а не официальное объявление, и проект с AMD может быть конкретной SKU, экспериментальным направлением или хеджированием рисков диверсификации .

Почему гибридные чипы имеют смысл для агентного ИИ и обучения с подкреплением

Переход от чисто матричного ASIC к гибридному чипу со встроенными CPU-ядрами — это прямой архитектурный ответ на изменение природы ИИ-нагрузок, в особенности обучения с подкреплением (RL) и агентного ИИ.

Агентный ИИ «упирается» в CPU, а не в GPU

Традиционный пакетный инференс почти полностью привязан к GPU: запрос поступает, GPU выполняет прямой проход, возвращаются токены . Агентные ИИ-нагрузки принципиально иные. Оркестрация, планирование, вызов инструментов, выполнение в «песочнице» и взаимодействие со средой — всё это выполняется на CPU, а не на GPU .

Академическое исследование показало, что агентные ИИ-нагрузки, в которых доминируют вызовы инструментов, существенно ограничены обработкой этих вызовов на CPU — она потребляет до 88% сквозной задержки . Отдельный анализ Акаша Борате показал ещё более высокий показатель — до 90,6% .

Соотношение CPU:GPU радикально меняется

В кластерах для обучения ИИ соотношение CPU к GPU составляет примерно 1:7 или 1:8 . По мере смещения нагрузок в сторону инференса оно падает до 1:3 или 1:4 . Для агентных развёртываний, как раскрыла Intel в отчётном звонке за первый квартал 2026 года, некоторые заказчики уже используют четыре CPU на один GPU — в некоторых кластерах достигается соотношение 1:1 .

Morgan Stanley прогнозирует дополнительный рост рынка CPU на $32,5–$60 млрд к 2030 году, полностью обусловленный этим сдвигом . Сама AMD утверждает, что агентный ИИ — это не единая нагрузка, сфокусированная на GPU, а гетерогенный сквозной рабочий процесс, требующий CPU с высокой плотностью ядер и большим количеством потоков для оркестрации и выполнения в «песочнице» .

Обучение с подкреплением требует тесных циклов «песочницы»

Обучение с подкреплением — особенно для агентных моделей — требует повторяющихся циклов выполнения в «песочнице», симуляции среды, вычисления вознаграждения и обновления политики. Эти циклы включают существенную оркестровку на стороне CPU, которая неэффективно отображается на чистые матричные ускорители.

Nvidia Vera (88-ядерный дизайн Olympus) и Intel Xeon 6+ оптимизируются именно под такой «тесный цикл обучения с подкреплением в песочнице» . Индустрия аппаратного обеспечения сходится в одном: будущие ИИ-ускорители не будут чисто матричными механизмами.

Гибридный TPU v10 от Google как опережающий индикатор

Интегрируя CPU-ядра AMD непосредственно в корпус TPU, Google может устранить узкие места шины PCIe для этих интенсивных по CPU агентных циклов, снизить задержку и обрабатывать цикл «вызов инструмента → шаг среды → обновление политики» на одном плотно связанном кристалле. Это аппаратное воплощение идеи о том, что будущие ИИ-системы будут гетерогенными системами-в-корпусе, которые смешивают типы вычислений в зависимости от фазы рабочей нагрузки.

Более широкие последствия

Суть

Сообщаемое размещение Google CPU-ядер внутри своего TPU v10 — это не инкрементальное улучшение. Это признание того, что ИИ-ускоритель 2028 года будет выглядеть совершенно иначе, чем ускоритель 2024 года. Агентный ИИ и обучение с подкреплением переписывают правила архитектуры вычислений, и чип, который обрабатывает цикл вызова инструментов тысячу раз в секунду, должен быть построен иначе, чем чип, который выполняет одно гигантское матричное умножение.

Если слухи SemiAnalysis верны, Google и AMD строят именно такой чип прямо сейчас.

Сообщаемое партнёрство Google–AMD по TPU v10

SemiAnalysis, информацию которого подхватили Tom's Hardware и другие издания, сообщает, что Google изучает возможность создания гибридного ИИ-ASIC, который мог бы интегрировать CPU-ядра AMD в одном корпусе с собственной технологией ускорителей Google . Аналитики полагают, что Google заинтересован в передовых технологиях упаковки и 3D-интеграции (SoIC) от AMD, а также в её дизайнах CPU-ядер для интенсивных вычислительных нагрузок .

Контекст имеет значение. Broadcom остаётся давним партнёром Google по совместной разработке TPU — в марте 2026 года было подписано раскрытое пятилетнее соглашение о сотрудничестве, охватывающее поколения с v8 по v11 . MediaTek отвечает за ввод-вывод и координацию производства для текущего поколения Ironwood (TPU v7x) . Участие AMD, по-видимому, является проектом в рамках поколения v10 — не обязательно полной заменой Broadcom, хотя объём выпуска CoWoS для Ironwood от Broadcom, по сообщениям, был скорректирован в сторону уменьшения примерно на 32 000 пластин .

Отдельно сообщается, что Google рассматривает Samsung Foundry для производства компонентов v10 (кодовое название «Ice Fish») с целью диверсификации производства за пределы TSMC , а также ведёт переговоры поздней стадии с Marvell о других заказных ИИ-чипах .

Ключевая оговорка: Ничто из этого не подтверждено Google или AMD. Отчёт SemiAnalysis — это рыночные слухи, а не официальное объявление, и проект с AMD может быть конкретной SKU, экспериментальным направлением или хеджированием рисков диверсификации .

Почему гибридные чипы имеют смысл для агентного ИИ и обучения с подкреплением

Переход от чисто матричного ASIC к гибридному чипу со встроенными CPU-ядрами — это прямой архитектурный ответ на изменение природы ИИ-нагрузок, в особенности обучения с подкреплением (RL) и агентного ИИ.

Агентный ИИ «упирается» в CPU, а не в GPU

Традиционный пакетный инференс почти полностью привязан к GPU: запрос поступает, GPU выполняет прямой проход, возвращаются токены . Агентные ИИ-нагрузки принципиально иные. Оркестрация, планирование, вызов инструментов, выполнение в «песочнице» и взаимодействие со средой — всё это выполняется на CPU, а не на GPU .

Академическое исследование показало, что агентные ИИ-нагрузки, в которых доминируют вызовы инструментов, существенно ограничены обработкой этих вызовов на CPU — она потребляет до 88% сквозной задержки . Отдельный анализ Акаша Борате показал ещё более высокий показатель — до 90,6% .

Соотношение CPU:GPU радикально меняется

В кластерах для обучения ИИ соотношение CPU к GPU составляет примерно 1:7 или 1:8 . По мере смещения нагрузок в сторону инференса оно падает до 1:3 или 1:4 . Для агентных развёртываний, как раскрыла Intel в отчётном звонке за первый квартал 2026 года, некоторые заказчики уже используют четыре CPU на один GPU — в некоторых кластерах достигается соотношение 1:1 .

Morgan Stanley прогнозирует дополнительный рост рынка CPU на $32,5–$60 млрд к 2030 году, полностью обусловленный этим сдвигом . Сама AMD утверждает, что агентный ИИ — это не единая нагрузка, сфокусированная на GPU, а гетерогенный сквозной рабочий процесс, требующий CPU с высокой плотностью ядер и большим количеством потоков для оркестрации и выполнения в «песочнице» .

Обучение с подкреплением требует тесных циклов «песочницы»

Обучение с подкреплением — особенно для агентных моделей — требует повторяющихся циклов выполнения в «песочнице», симуляции среды, вычисления вознаграждения и обновления политики. Эти циклы включают существенную оркестровку на стороне CPU, которая неэффективно отображается на чистые матричные ускорители.

Nvidia Vera (88-ядерный дизайн Olympus) и Intel Xeon 6+ оптимизируются именно под такой «тесный цикл обучения с подкреплением в песочнице» . Индустрия аппаратного обеспечения сходится в одном: будущие ИИ-ускорители не будут чисто матричными механизмами.

Гибридный TPU v10 от Google как опережающий индикатор

Интегрируя CPU-ядра AMD непосредственно в корпус TPU, Google может устранить узкие места шины PCIe для этих интенсивных по CPU агентных циклов, снизить задержку и обрабатывать цикл «вызов инструмента → шаг среды → обновление политики» на одном плотно связанном кристалле. Это аппаратное воплощение идеи о том, что будущие ИИ-системы будут гетерогенными системами-в-корпусе, которые смешивают типы вычислений в зависимости от фазы рабочей нагрузки.

Более широкие последствия

Суть

Сообщаемое размещение Google CPU-ядер внутри своего TPU v10 — это не инкрементальное улучшение. Это признание того, что ИИ-ускоритель 2028 года будет выглядеть совершенно иначе, чем ускоритель 2024 года. Агентный ИИ и обучение с подкреплением переписывают правила архитектуры вычислений, и чип, который обрабатывает цикл вызова инструментов тысячу раз в секунду, должен быть построен иначе, чем чип, который выполняет одно гигантское матричное умножение.

Если слухи SemiAnalysis верны, Google и AMD строят именно такой чип прямо сейчас.