企业想用 AI，却不敢把敏感数据随便放上云；做大上下文应用，又常卡在内存上。谷歌这次推出的两款新 TPU 系统，针对的就是这两个痛点：TPU 8tx 主打数据安全，TPU 8i Max 主打大内存。
这两款加入后，谷歌第八代 TPU 组合共有四个系统：4 月在 Google Cloud Next 上推出的 TPU 8t（大规模模型训练）、TPU 8i（低延迟推理），以及这次的 TPU 8tx 和 TPU 8i Max。新系统沿用已有芯片设计，只是配置不同。谷歌说，开发它们部分是回应企业客户对更强数据保护、以及给 AI 智能体更大处理能力的要求。谷歌首席技术专家兼 AI 与基础设施高级副总裁 Amin Vahdat 称，不必为每种负载重新设计处理器，而是调整内存、网络、封装和安全功能，这种模块化方式能让谷歌在几个月而不是几年内做出专用计算系统。
一表看懂四个系统
| 系统 | 主要用途 |
|---|---|
| TPU 8t | 大规模模型训练 |
| TPU 8i | 低延迟推理 |
| TPU 8tx（新） | 受监管行业的保密推理与小规模训练 |
| TPU 8i Max（新） | 处理海量信息的内存密集型应用 |
TPU 8tx：给敏感数据用的
目标客户是处理敏感信息的政府机构和受监管行业企业。谷歌称，其硬件级保密计算能力，可以在数据和模型权重被处理时对它们加以保护和隔离。系统和 TPU 8t 用同一款芯片，搭配第五代 AMD EPYC 处理器，还用上了为低延迟 AI 处理开发的 Boardfly 网络，据谷歌称延迟最多比 TPU 8t 低一半，性能损失接近于零。
它既支持 AI 推理，也支持较小规模的训练：企业可以用私有数据微调模型，用模型蒸馏从大模型里做出小模型，还能用强化学习训练 AI 智能体。谷歌说这些操作可以在一个系统内完成，不需要把敏感数据在不同计算集群之间搬来搬去。谷歌云 AI 与计算基础设施副总裁 Mark Lohmeyer 对 TechTarget 说：“你不能只盯着芯片来优化这套基础设施。”他认为数据传输速度、内存效率、延迟、安全和运营成本，现在和算力同样重要。
TPU 8i Max：给“吃内存”的应用
它针对要同时处理大量信息的 AI 应用，比如处理庞大代码库、分析长视频、或协调多个 AI 智能体的系统。谷歌把两颗 TPU 8i 芯片合封在一个封装里，计算能力、片上静态随机存取存储器（SRAM）和高带宽内存（HBM）带宽都比标准 TPU 8i 翻倍。TechTarget 报道，双芯片配置提供 768 MB 片上 SRAM 和 17.2 TB/s 的 HBM 带宽，适合大上下文窗口的应用，这类应用里数据在内存和处理器之间搬运常常是性能瓶颈。它还能装进现有机架空间，谷歌称每平方英尺和每瓦的算力密度都有提升，但没有公布系统的详细功耗。
谷歌正把 TPU 卖给更多人
TPU 最早是为谷歌自家的 AI 负载（包括 Gemini）开发的，现在通过谷歌云提供，也支持部署在客户自己的数据中心。谷歌称其 TPU 业务服务近 100 家客户，包括 AI 实验室、交易公司、零售商和大学，也在和其他云厂商合作扩大供应。
10 月，谷歌与甲骨文宣布，将通过甲骨文云基础设施（OCI）提供 TPU，2027 年开始部署，甲骨文将成为谷歌之外第一家提供这些处理器的超大规模云厂商；不过双方没有说明新的 TPU 8tx 和 TPU 8i Max 是否包含在内。OCI 总裁 Mahesh Thiagarajan 说：“不同的 AI 负载有不同的算力需求。”
软件方面，谷歌 10 月开源了与 Meta 的 PyTorch 团队共同开发的 TorchTPU，让现有 PyTorch 负载只需很少代码改动就能在 TPU 上运行，支持 Hugging Face、vLLM、SGLang 等工具和框架。TPU 8tx 和 TPU 8i Max 的价格和正式可用日期，谷歌都还没公布。
常见问题（FAQ）
TPU 8tx 和 TPU 8t 有什么不同？
用同一款芯片，但 8tx 加了硬件级保密计算和 Boardfly 低延迟网络，面向敏感数据场景。
TPU 8i Max 的“Max”体现在哪？
把两颗 8i 芯片合封，算力、片上 SRAM 和 HBM 带宽都翻倍，据报道片上 SRAM 为 768 MB、HBM 带宽 17.2 TB/s。
现在能买到吗？价格多少？
谷歌没有公布价格和正式可用日期，需要等后续消息。
用 PyTorch 的团队能上 TPU 吗？
可以关注 TorchTPU：谷歌称它能让现有 PyTorch 负载在 TPU 上以很少的代码改动运行。
这和英伟达是竞争关系吗？
在 AI 加速器市场上是。英伟达 GPU 被广泛用于训练和推理，谷歌则在把自研处理器推广到自家基础设施之外。