Google expande portfólio de chips de IA com TPU 8tx e TPU 8i Max

A Google anunciou na última segunda-feira, 10 de novembro, dois novos sistemas baseados em sua oitava geração de Unidades de Processamento Tensorial (TPU), marcando a quarta expansão de hardware da empresa em apenas um ano. Os TPU 8tx e TPU 8i Max não são chips fisicamente novos — são sistemas projetados em torno de arquitetura já existente, mas com especializações distintas para atender demandas emergentes da corrida por agentes autônomos de IA.

O TPU 8tx foi projetado especificamente para ambientes de inferência confidencial, com segurança em nível de hardware para dados sensíveis. Já o TPU 8i Max empilha dois chips em um único pacote, alcançando a mais alta densidade computacional por rack da família. Juntos, eles se somam aos já lançados TPU 8t (treinamento em larga escala) e TPU 8i (inferência em tempo real), completando um portfólio de quatro sistemas em uma mesma geração.

O que muda na arquitetura

A diferença crucial entre um "chip novo" e um "sistema novo" é o foco do projeto. Desenhar um chip significa organizar bilhões de transistores em um wafer de silício — um processo de dois a três anos com foundries como a TSMC. Um sistema, por outro lado, é sobre como organizar o compute, a memória HBM, a rede ótica e o armazenamento em torno do chip. Google enfatiza que essa abordagem modular permite entregar configurações de hardware especializadas em questão de meses, não anos.

O TPU 8tx introduz capacidades de criptografia especializadas para cargas de trabalho de clientes altamente regulados — governos e setores financeiros que precisam executar modelos proprietários sobre dados privados sem expor informações sensíveis aos provedores de nuvem. É o mesmo raciocínio que levou a Apple a desenvolver o Neural Engine para processamento local, mas agora escalado para datacenters empresariais.

O TPU 8i Max, por sua vez, resolve um gargalo fundamental dos agentes de IA: a memória. Quando um agente precisa raciocinar sobre documentos longos — contratos inteiros, milhares de mensagens de chat, horas de transcrições — ele precisa manter esses contextos na memória do chip. O empacotamento dual do 8i Max reduz drasticamente as latências de comunicação inter-chip, cortando atrasos em até 50% comparado à geração anterior.

A estratégia por trás da expansão

A decisão de lançar quatro sistemas em uma única geração reflete uma estratégia deliberada. Segundo Amin Vahdat, CTO de IA e Infraestrutura do Google, a empresa tem recebido feedback crescente de organizações externas sobre necessidades específicas de hardware. "Com o compute migrando da escala humana para a escala de agente, as empresas estão pedindo aceleradores que possam raciocinar sobre contextos massivos", disse Vahdat no blog oficial do Google.

O mercado de chips de IA está avaliando centenas de bilhões de dólares, e a Google quer uma fatia significativa. Com quase 100 clientes — incluindo laboratórios fronteira de IA, firmas de trading, universidades e varejistas — a empresa está tentando replicar o sucesso da Nvidia em seu próprio terreno. Diferentemente da Nvidia, que vende GPUs genéricas para múltiplos workloads, o Google oferece hardware especializado para estágios específicos do ciclo de IA.

Software e ecossistema

Os sistemas vêm acompanhados de atualizações no stack de software. A Google introduziu o XLA Serving Engine, um componente open-source que permite treinar modelos em Python e servi-los diretamente em runtime de C++ com baixa latência. Em benchmarks de produção (InferenceX e AgentX), a stack nativa vLLM-TorchTPU nos TPUs alcançou marcas de preço-desempenho state-of-the-art para cargas de trabalho agênticas e contextos longos.

O Agent Compute Engine, outro componente do ecossistema, suspende e retoma automaticamente sessões ociosas de agentes — reduzindo custos operacionais de infraestrutura ao detectar quando um agente está inativo por determinado período. É um recurso que reflete a mudança de paradigma: quando milhares de agentes executam simultaneamente, a eficiência de recursos torna-se tão crítica quanto a velocidade bruta.

A Google também disponibilizou o GKE Dynamic Slicing, que usa comutação ótica (OCS) para montar topologias dinâmicas de TPUs — dividindo ou combinando clusters físicos em fatias lógicas sob demanda. Isso reduz o tempo de inicialização de jobs em até 5x e acelera a recuperação de falhas em até 4.5x.

O desafio da Nvidia

A rivalidade com a Nvidia está mais acalorada do que nunca. Enquanto a Nvidia domina o mercado com suas GPUs H200 e H100, a Google posiciona os TPUs como a alternativa mais eficiente para workloads específicos — especialmente inferência em escala e agentes autônomos. Bloomberg reporta que a Google está escalando sua estratégia de chips especializados justamente para competir diretamente com a Nvidia em um mercado que deve superar os US$ 300 bilhões até 2027.

A estratégia funciona até certo ponto porque a Google constrói os sistemas TPU antes mesmo de terem clientes pagantes — um modelo arriscado, mas que permite à empresa manter ritmo de inovação superior ao ciclo típico de foundries. Se o portfólio atual conseguir reter seus 100 clientes e expandir para 150 ou 200, a Google terá criado a segunda força mais relevante em hardware de IA do mundo — depois, naturalmente, da própria Nvidia.

O que resta saber é se a especialização extrema em oito gerações de TPU vai convencer empresas a migrarem de GPUs convencionais para TPUs — ou se a fragmentação do ecossistema vai manter a Nvidia como padrão de facto. O que é certo é que a corrida por hardware de IA entrou em sua fase mais complexa: não basta ser rápido, precisa ser especializado, seguro e integrado a um stack de software que realmente funcione.

Fontes: Google Cloud Blog, Bloomberg, Forbes

✓ Fontes independentes cruzadas e verificadas antes da publicação