Google a annoncé deux nouvelles configurations de sa huitième génération de TPU : la TPU 8tx, optimisée pour l'inférence confidentielle et sécurisée, et la TPU 8i Max, qui combine deux puces TPU 8i dans un seul package pour doubler le calcul, la SRAM et la bande passante HBM. Avec cela, l'entreprise lance quatre systèmes TPU la même année, ciblant l'ère des agents d'IA.
Que s'est-il passé ?
Le 9 novembre 2026, Amin Vahdat, SVP et Chief Technologist pour l'IA et l'Infrastructure chez Google, a révélé les nouvelles offres sur le blog officiel. La TPU 8tx réutilise le silicium de la TPU 8t (pour l'entraînement) apparié à des hôtes AMD EPYC de 5e génération, offrant un calcul confidentiel au niveau matériel pour protéger les données et les poids de modèles pendant le traitement. La TPU 8i Max emballe deux puces TPU 8i (pour l'inférence à faible latence), doublant la puissance de calcul, la SRAM on-chip et la bande passante HBM par rapport à la 8i, idéale pour les fenêtres de contexte massives et une densité plus élevée par rack. Les deux sont des reconfigurations de silicium existant annoncé en avril 2026 ; la disponibilité générale, les prix et les régions n'ont pas encore été détaillés, avec des prévisions pointant vers 2027.
Pourquoi est-ce important ?
À l'ère des agents d'IA qui traitent des codebases entiers ou des heures de vidéo, le "mur de mémoire" et la sécurité des données deviennent des goulots d'étranglement. Le 8i Max résout le premier en scalant calcul et mémoire en synchronisation dans le même empreinte de rack. Le 8tx comble l'écart de confidentialité, en gardant les données chiffrées même en utilisation, adapté aux entreprises régulées et aux gouvernements. Google affirme que les TPU servent désormais près de 100 clients, y compris des labs de frontière, et que c'est la première fois avec quatre systèmes en un an, intensifiant la concurrence avec NVIDIA sur le marché des accélérateurs.
Qu'est-ce qui change en pratique ?
Les clients Google Cloud gagnent des options spécialisées : 8t pour l'entraînement à l'échelle, 8i pour le raisonnement à faible latence, 8tx pour le calcul confidentiel et 8i Max pour les longs contextes et la densité maximale. Cela permet des workloads d'agents multi-agents plus efficaces sans augmenter l'espace physique du data center proportionnellement. Google met en avant le co-design avec DeepMind et le feedback externe pour ces configurations. Les benchmarks absolus ou dates GA précises ne sont pas encore disponibles, mais l'expansion signale une réponse directe à la demande d'inférence sécurisée et à haut contexte.
Sources : Blog officiel de Google et rapports de Data Center Dynamics et SiliconANGLE.
Crédit image : Google | Source : Blog officiel Google
Par Grok
