谷歌發佈八代TPU雙芯

Google 今日正式發表第八代 TPU 晶片，並首次針對不同工作負載推出兩款專用系統：TPU 8t 與 TPU 8i。這兩款晶片是 Google Cloud AI 超級電腦（AI Hypercomputer）的核心元件，分別針對大規模預訓練與即時推理服務進行最佳化，以因應從密集式大型語言模型（LLM）到混合專家模型（MoE）、乃至於具備長序列推理能力的 agentic AI 與世界模型的運算需求。Google 在設計 TPU 時始終圍繞三大支柱：可擴展性、可靠性與效率。

隨著 AI 模型從單純預測下一個 token 的架構，演進為能模擬未來情境、推論後果並透過「想像」學習的世界模型，硬體不能只增加浮點運算次數，必須針對不同階段的運算密集型任務提供專屬路徑。第八代 TPU 正是為此而生，確保從訓練的第一個 token 到多輪推理鏈的最後一步，都能在最高效率的路徑上執行。Google DeepMind 的 Genie 3 世界模型即仰賴此架構，讓數百萬個 agent 能在多樣化的模擬環境中練習並精進推理能力。為因應預訓練、後訓練與即時推理在基礎設施需求上的明顯分歧，Google 將第八代 TPU 拆分為兩個獨立系統。

兩者共享 Google AI 堆疊的核心基因，並均整合 Arm 架構的 Axion CPU 作為主機端，以消除資料準備延遲造成的瓶頸，確保 TPU 不會因等待資料而停滯。**TPU 8t：預訓練效能怪獸**

TPU 8t 專為大規模預訓練與大量嵌入（embedding）工作負載所設計，沿用 Google 成熟的 3D Torus 網路拓樸，並將單一 Superpod 內的晶片數量擴展至 9,600 顆。其關鍵革新包括：內建 SparseCore 專用加速器，專門處理嵌入查詢中不規則的記憶體存取模式，避免一般通用晶片常見的零運算瓶頸；同時透過更平衡的向量處理單元（VPU）與矩陣乘法單元（MXU）重疊執行，讓量化、softmax 與層歸一化等作業能與矩陣乘法並行，最大化晶片使用率。

TPU 8t 更導入原生 4 位元浮點格式（FP4），在維持大型模型準確度的前提下，將 MXU 吞吐量提升一倍，同時降低記憶體頻寬壓力與資料搬運的能耗，使更大規模的模型層能完整放入晶片內建緩衝區。在網路方面，Google 為 TPU 8t 全新打造 Virgo 網路架構，採用高埠數交換器與扁平化雙層非阻塞拓樸，將資料中心網路（DCN）頻寬提升至前一代的 4 倍，並將晶片間互連（ICI）頻寬提升 2 倍。Virgo 網路可連結超過 13.4 萬顆 TPU 8t 晶片，在單一 Fabric 中提供高達 47 Pb/s 的非阻塞雙向頻寬，並實現超過 1.

7K ExaFlops 的效能，且為近線性擴展。此外，TPU 8t 引入 TPUDirect RDMA 與 TPUDirect Storage 技術。前者允許 TPU 的高頻寬記憶體（HBM）直接與網路介面卡（NIC）交換資料，繞過主機 CPU 與 DRAM；後者則讓 TPU 直接存取高速託管儲存（如 10T Lustre），使訓練資料能以線速直接送入晶片，避免資料攝取瓶頸。與第七代 Ironwood TPU 相比，儲存存取速度提升達 10 倍。**TPU 8i：推理與服務專家**

TPU 8i 則針對後訓練與高並發推理最佳化，配備 Google 歷來最大量的晶片內 SRAM（384 MB，為前一代 3 倍），可將更大的 KV 快取完全放在晶片上，顯著降低長序列解碼時的核心閒置時間。其核心創新是全新的 Collectives Acceleration Engine（CAE），專門加速自回歸解碼與思維鏈（chain-of-thought）處理中的歸約與同步步驟，將晶片內集體通訊的延遲再降低 5 倍。TPU 8i 採用全新的 Boardfly 網路拓樸，取代傳統的 3D Torus。

Boardfly 基於高埠數設計，將晶片以全連接板卡形式組成群組，再透過光學電路交換器（OCS）聚合為 Pod，最多可連結 1,152 顆晶片，並將最大網路直徑從 3D Torus 的 16 跳（以 1,024 晶片規模計算）大幅縮減至僅 7 跳，降幅達 56%。這對於混合專家模型與推理模型中頻繁發生的全對全通訊（all-to-all）而言，能直接降低尾延遲，讓 CAE 無需等待資料橫跨整個 Pod 送達。**軟體與擴展性**

硬體效能離不開軟體驅動。第八代 TPU 延續從第七代 Ironwood 開始的效能優先軟體堆疊，提供 Pallas 自訂內核語言與 Mosaic 框架，讓開發者能撰寫硬體感知的內核，同時保有高階框架的抽象便利性。Google 並透過 JAX 與 Pathways 分散式訓練框架，可將單一訓練叢集擴展至超過 100 萬顆 TPU 晶片，實現近乎線性的效能擴展。 **規格一覽**

- **TPU 8t**：主要工作負載為大規模預訓練；網路拓樸為 3D Torus；專用晶片功能為 SparseCore（嵌入）與 LLM 解碼引擎；HBM 容量 216 GB；晶片內 SRAM 128 MB；峰值 FP4 效能 12.6 PFLOPs；HBM 頻寬 6,528 GB/s；主機端採用 Arm Axion CPU。- **TPU 8i**：主要工作負載為取樣、服務與推理；網路拓樸為 Boardfly；專用晶片功能為 CAE（Collectives Acceleration Engine）；HBM 容量 288 GB；晶片內 SRAM 384 MB；峰值 FP4 效能 10.

1 PFLOPs；HBM 頻寬 8,601 GB/s（約為 TPU 8t 的 1.3 倍）；主機端同樣採用 Arm Axion CPU。第八代 TPU 的推出，標誌著 Google 在 AI 基礎設施上從通用加速走向任務專門化的關鍵一步，也為訓練與部署下一代世界模型、agentic AI 系統提供了更高效、可擴展的運算平台。