Ryktet: Google stoppar in CPU-kärnor i nästa TPU – och det förändrar allt för agentisk AI

Det här är viktigt att ha med sig. Broadcom är fortfarande Googles långvariga TPU-samarbetspartner, med ett offentliggjort femårsavtal från mars 2026 som täcker generationerna v8 till och med v11 . MediaTek sköter I/O och tillverkningssamordning för dagens Ironwood-generation (TPU v7x) . AMD:s engagemang verkar vara ett projekt inom v10-generationen – inte nödvändigtvis en ersättning av Broadcom, även om uppgifter gör gällande att Broadcom:s CoWoS-produktion för Ironwood justerats ned med cirka 32 000 wafers .

Parallellt överväger Google, enligt uppgift, att använda Samsung Foundry för komponenttillverkning av v10 (med kodnamnet ”Ice Fish”) för att minska beroendet av TSMC , och har även fört långtgående samtal med Marvell om andra anpassade AI-kretsar .

Viktig brasklapp: Inget är bekräftat av Google eller AMD. Rapporten från SemiAnalysis är marknadssnack, inte ett officiellt besked. AMD-projektet kan handla om en specifik SKU, en experimentell gren eller en ren riskspridning .

Därför passar hybridkretsar för agentisk AI och reinforcement learning

Steget från en ren matris-ASIC till en hybridkrets med inbyggda CPU-kärnor är ett direkt svar på hur AI-arbetsbelastningarna förändras – särskilt när det gäller reinforcement learning (RL) och agentisk AI.

Agentisk AI är CPU-bunden, inte GPU-bunden

Traditionell batchinferens är nästan helt GPU-bunden: du skickar in en prompt, GPU:n gör en framåtpassning, du får ut token . Agentiska AI-arbetsflöden fungerar helt annorlunda. Orkestrering, planering, anrop av verktyg, exekvering i sandlåda och interaktion med omvärlden – allt detta körs på CPU:er, inte på GPU:er .

En akademisk studie har visat att verktygsdominerade agentiska AI-arbetsflöden kraftigt flaskhalsas av verktygsbearbetning på CPU:n, som kan stå för hela 88 % av den totala svarstiden . En separat analys av Akash Borate satte siffran ännu högre, till hela 90,6 % .

CPU:GPU-kvoten förändras radikalt

I AI-träningskluster är CPU-till-GPU-kvoten ungefär 1:7 eller 1:8 . När arbetsbelastningarna skiftar mot inferens sjunker den till 1:3 eller 1:4 . För agentiska applikationer avslöjade Intel i sin vinstrapport för första kvartalet 2026 att vissa kunder redan kör fyra CPU:er per GPU – i vissa kluster alltså en kvot på 1:1 .

Morgan Stanley räknar med en inkrementell tillväxt för CPU-marknaden på 32,5–60 miljarder dollar till 2030, helt driven av detta skifte . AMD självt har argumenterat för att agentisk AI inte är en GPU-centrerad inferens-arbetsbelastning, utan ett heterogent helhetsflöde som kräver CPU:er med hög kärndensitet och många trådar för orkestrering och sandlådeexekvering .

Reinforcement learning kräver snäva sandlåde-loopar

RL-träning – särskilt för agentiska modeller – kräver upprepade cykler av exekvering i sandlåda, miljösimulering, beräkning av belöning och policyuppdatering. Dessa loopar innebär omfattande CPU-baserad orkestrering som inte kan utföras effektivt på rena matrisacceleratorer.

Nvidias Vera (med sin 88-kärniga Olympus-design) och Intels Xeon 6+ optimeras båda för just detta ”snäva reinforcement learning-sandlåde-loop”-mönster . Hårdvarubranschen är på väg mot en gemensam insikt: framtidens AI-acceleratorer kommer inte att vara rena matrismotorer.

Googles hybrida TPU v10 som tidig indikator

Genom att integrera AMD:s CPU-kärnor direkt på TPU-kapseln skulle Google kunna eliminera PCIe-flaskhalsar för dessa CPU-tunga agentiska loopar, minska fördröjningen och hantera hela cykeln ”verktygsanrop → miljösteg → policyuppdatering” på en enda tätt kopplad krets. Detta är hårdvarulegitimeringen av insikten att framtida AI-system kommer att vara heterogena system-på-kapsel-design som blandar beräkningstyper baserat på arbetsbelastningens fas.

De bredare konsekvenserna

Slutsats

Att Google enligt uppgift stoppar in CPU-kärnor i sin TPU v10 är ingen liten justering – det är ett erkännande av att AI-acceleratorn 2028 kommer att se helt annorlunda ut än den 2024. Agentisk AI och reinforcement learning skriver om reglerna för beräkningsarkitektur, och kretsen som hanterar en verktygsanrops-loop tusen gånger i sekunden måste byggas annorlunda än kretsen som gör en enda gigantisk matrismultiplikation.

Om ryktena från SemiAnalysis stämmer håller Google och AMD på att bygga just den kretsen just nu.