O CEO do Google, Sundar Pichai, gesticula durante uma reunião com o presidente da França, Emmanuel Macron, à margem da AI Impression Summit em Nova Delhi, em 19 de fevereiro de 2026.
Ludovic Marín | Afp | Imagens Getty
Depois de anos produzindo chips que podem treinar modelos de inteligência synthetic e lidar com trabalhos de inferência, Google está separando essas tarefas em processadores distintos, seu mais recente esforço para assumir Nvidia em {hardware} de IA.
O Google disse na quarta-feira que está fazendo a mudança para a oitava geração de sua unidade de processamento tensor, ou TPU. Ambos os chips estarão disponíveis ainda este ano.
“Com a ascensão dos agentes de IA, determinamos que a comunidade se beneficiaria com chips individualmente especializados para as necessidades de treinamento e serviço”, disse Amin Vahdat, vice-presidente sênior do Google e tecnólogo-chefe de IA e infraestrutura, em um weblog.
Em março, a Nvidia falou sobre o futuro silício que pode permitir que os modelos respondam rapidamente às perguntas dos usuários, graças à tecnologia obtida em seu acordo de US$ 20 bilhões com a startup de chips Groq. O Google é um grande cliente da Nvidia, mas oferece TPUs como alternativa para empresas que utilizam seus serviços em nuvem.
A maioria das principais empresas de tecnologia do mundo está buscando o desenvolvimento de semicondutores personalizados para inteligência synthetic, a fim de maximizar a eficiência e assim poder construir para casos de uso especializados. Maçã há anos inclui componentes de IA de mecanismo neural em seus chips internos do iPhone. Microsoft anunciou um chip AI de segunda geração em janeiro. Semana passada, meta disse que está trabalhando com Broadcom para desenvolver múltiplas versões de processadores de IA.
O Google chegou cedo à tendência. Em 2015, a empresa começou a usar processadores projetados para executar modelos de IA e começou a alugá-los para clientes em nuvem em 2018. Amazônia A Internet Companies anunciou o chip Inferentia para lidar com solicitações de IA em 2018 e revelou o processador Trainium para treinar modelos de IA em 2020.
Os analistas da DA Davidson estimaram em setembro que o negócio TPU, juntamente com o grupo Google DeepMind AI, valeria cerca de US$ 900 bilhões.
Nenhum dos gigantes da tecnologia está substituindo a Nvidia, e o Google nem mesmo está comparando o desempenho de seus novos chips com os do líder em chips de IA. O Google disse que o chip de treinamento permite 2,8 vezes o desempenho do Ironwood TPU de sétima geração, anunciado em novembro, pelo mesmo preço, enquanto o desempenho é 80% melhor para o processador de inferência.
A Nvidia disse que seu próximo {hardware} LPU Groq 3 utilizará grandes quantidades de memória estática de acesso aleatório, ou SRAM, que é usada pela Cerebras, uma fabricante de chips de IA que entrou com pedido de abertura de capital no início deste mês. O novo chip de inferência do Google, batizado de TPU 8i, também depende de SRAM. Cada chip contém 384 megabytes de SRAM, o triplo da quantidade do Ironwood.
A arquitetura foi projetada “para fornecer o rendimento massivo e a baixa latência necessários para executar simultaneamente milhões de agentes de maneira econômica”, escreveu Sundar Pichai, CEO da Alphabet, controladora do Google, em um put up no weblog.
A adoção dos chips de IA do Google está aumentando. A Citadel Securities construiu um software program de pesquisa quantitativa baseado nas TPUs do Google, e todos os 17 laboratórios nacionais do Departamento de Energia dos EUA usam software program co-cientista de IA construído nos chips, disse o Google. A Anthropic se comprometeu a usar vários gigawatts de TPUs do Google.
ASSISTIR: Broadcom concorda em expandir acordo de chips com Google, Anthropic
