谷歌推出第八代TPU芯片TPU 8t和TPU 8i，分别针对大规模模型训练和高速推理需求设计，采用定制硬件提升性能和能效，支持新一代AI代理应用，将于今年晚些时候正式推出。

谷歌发布第八代TPU芯片：专为AI智能体时代打造的双芯架构

经过十年技术积累，谷歌正式推出第八代张量处理单元（TPU）——包含TPU 8t训练芯片与TPU 8i推理芯片的双架构设计。这两款定制化芯片将于今年晚些时候全面上市，旨在为下一代超级计算提供高效能支持。

核心突破： 1. 专业分工架构 - TPU 8t：专攻大规模模型训练，单超级计算单元可扩展至9600颗芯片，配备2PB共享高带宽内存，计算性能较前代提升近3倍 - TPU 8i：针对低延迟推理优化，内存带宽提升3倍，推理任务单位成本效益提升80%

2. 智能体时代适配

• 采用Virgo网络架构与JAX软件框架，支持百万级芯片逻辑集群的近线性扩展
• 创新板载集合加速引擎(CAE)将片上延迟降低5倍
• Boardfly拓扑结构将最大网络直径缩减超50%

3. 全栈能效优化

• 集成第四代液冷技术，性能密度超越传统风冷方案
• 系统级能效较前代提升2倍
• 数据中心单位电力计算能力实现六年翻六倍

生态支持： - 原生兼容JAX、PyTorch等主流开发框架 - 提供MaxText参考实现等开源工具 - 首次采用谷歌自研Axion ARM架构主机CPU

这两款芯片将作为谷歌AI超算架构的核心组件，为包括Gemini在内的前沿模型提供从训练、推理到智能体协作的全流程支持。目前谷歌已开放产品信息咨询通道。

（注：原文中关于客户案例、技术细节参数及部分营销性内容已做精简处理，保留核心技术创新点与关键性能指标。）

以下是评论内容的总结：

1. 对Google TPU技术优势的认可

• 认为Google在AI硬件领域具有竞争优势，因其垂直整合能力和自研芯片架构
  • "This architecture delivers 121 ExaFlops...looks like a competitive advantage for Google" (评论1)
  • "Google can design their chips...will always be more cost-efficient" (评论7)

2. 硬件性能与创新

• 关注TPU 8t/8i的技术突破，特别是能效比和内存带宽
  • "deliver up to two times better performance-per-watt" (评论11)
  • "cooling system looks crazy. What an unbelievable density" (评论2)

3. Google的长期战略优势

• 认为Google全栈控制（硬件到软件）将带来成本优势和可持续性
  • "Not having to pay the NVidia tax will likely be a huge competitive advantage" (评论18)
  • "they're not kaput...this is just an additional thing for them" (评论22)

4. 对Gemini模型的观察

• 注意到Gemini在token效率上的优势，但存在推理能力不足的问题
  • "Gemini consistently uses drastically fewer tokens" (评论16)
  • "produce broken toolcalls...struggle with 'agentic' tasks" (评论19)

5. 质疑与批评

• 对Google模型更新政策和实际应用效果提出疑问
  • "force you to move onto their next generation of models" (评论15)
  • "what workloads Citadel Securities is running on these TPUs?" (评论6)

6. 行业宏观视角

• 将当前AI硬件发展置于历史技术演进中评估
  • "laughing at this in 10 years time like we laugh at steam engines" (评论13)
  • "从1964年首个MegaFLOPS CPU到当前ExaFLOPS的演进" (评论18)

7. 技术细节讨论

• 关注芯片制造工艺和具体架构设计
  • "Which company is building the silicon for Google? Is it tsmc?" (评论12)
  • "Interesting that t8i is both for post-training and inference" (评论23)

注：所有评论均未显示评分（None），因此无法评估社区认可度。观点覆盖了从技术赞赏到战略分析，再到产品批评的多维度讨论。