No Google Cloud Next, em 22 de abril, Sundar Pichai apresentou a oitava geração de TPUs – não um chip, mas dois: TPU 8t e TPU 8i.
Dividir uma geração de produto em duas vertentes é, por si só, uma decisão digna de nota.
TPU 8t: Para treinamento
O "t" em TPU 8t significa training (treinamento). Parâmetros principais:
| Indicador | TPU 8t |
|---|---|
| Conexão máxima por pod | 9.600 chips |
| Memória compartilhada de alta largura de banda | 2 PB (por superpod) |
| Relação desempenho/preço em relação à geração anterior | +2,7x |
| Precisão nativa de ponto flutuante | Suporta bf4 (ponto flutuante de 4 bits) |
| Relação desempenho/consumo em relação à geração anterior | +2x |
Incorpora o acelerador SparseCore, projetado para lidar com padrões irregulares de acesso à memória, como embeddings. A topologia de rede usa 3D torus.
O objetivo do Google é reduzir o ciclo de treinamento de modelos frontier de "meses" para "semanas".
TPU 8i: Para inferência
O "i" em TPU 8i significa inference (inferência).
| Indicador | TPU 8i |
|---|---|
| Conexão máxima por pod | 1.152 chips |
| SRAM em relação à geração anterior | 3 vezes |
| Saltos de comunicação all-to-all | Redução de 50% |
| Relação desempenho/preço em relação à geração anterior | +80% (em cenários de baixa latência) |
Utiliza a topologia de rede Boardfly ICI desenvolvida internamente, com o Collectives Acceleration Engine integrado, projetado para acelerar a decodificação autorregressiva – um dos principais gargalos na inferência de modelos grandes.
Por que dividir em duas vertentes?
A geração anterior, Ironwood, era um único chip que atendia tanto treinamento quanto inferência.
Agora, a avaliação do Google é: na era dos agentes, a inferência tem uma forma completamente diferente do treinamento.
Treinamento é: grandes lotes, único processo, prioridade na taxa de transferência.
Inferência (especialmente com agentes) é: operação contínua, baixa latência, execução simultânea de milhões de agentes.
Uma única arquitetura para atender a ambos os cenários inevitavelmente resultaria em compromissos na eficiência do hardware. A solução foi separar e otimizar cada uma ao máximo.
Esta é uma aposta do Google sobre a forma futura da computação de IA, não apenas o lançamento de um "chip mais rápido".
A Nvidia está preocupada?
O Google não fez provocações à Nvidia – e no mesmo dia anunciou que fornecerá os chips Vera Rubin da Nvidia para clientes Cloud no final de 2026.
Isso é pragmático. As cargas de trabalho empresariais dependem fortemente do ecossistema CUDA, e os custos de migração são altos, não algo que se resolva da noite para o dia. Os chips proprietários do Google e os da Nvidia coexistem na mesma nuvem – não é uma escolha "um ou outro".
Mas a direção é clara: a cada geração, a TPU eleva a relação custo-benefício em uma ordem de grandeza, dando aos clientes mais um motivo para escolher o caminho puramente Google.
A propósito, um dado de contexto: 75% do novo código interno do Google é agora gerado por IA (no outono passado era 50%). Em que hardware esse código é executado? Nos chips que eles mesmos fabricam. Esse ciclo está se acelerando gradualmente.
Fontes de referência: CocoLoop, Google Cloud launches two new AI chips to compete with Nvidia (TechCrunch); Two new TPUs to power the next wave of AI training and inference at Google (SiliconANGLE); Our eighth generation TPUs: two chips for the agentic era (Google Blog); Sundar Pichai shares news from Google Cloud Next 2026 (Google Blog)