In questo articolo Indice dei contenuti 2 sezioni
Google allarga la propria famiglia di chip per l’intelligenza artificiale con due nuove versioni delle TPU, le Tensor Processing Unit sviluppate internamente per addestrare ed eseguire modelli IA. L’obiettivo è piuttosto chiaro e consiste nel ritagliarsi una fetta più ampia di un mercato oggi dominato da NVIDIA. La strada scelta passa da soluzioni specializzate, pensate per esigenze che stanno diventando sempre più centrali con la diffusione degli agenti autonomi e delle applicazioni aziendali.
Non si parla di architetture nuove di zecca. Le TPU 8tx e TPU 8i Max modificano la configurazione dei processori di ottava generazione già presentati dall’azienda e nascono da richieste precise arrivate dai clienti. Saranno disponibili dal prossimo anno e porteranno a quattro il numero di configurazioni TPU presenti nell’offerta di Google.
Due chip pensati per esigenze molto diverse
La TPU 8tx è stata progettata per elaborare dati riservati e gestire carichi di lavoro che richiedono livelli di sicurezza elevati. Il pubblico di riferimento è composto soprattutto da amministrazioni pubbliche e aziende che operano in settori regolamentati. Tra le caratteristiche più importanti spicca la possibilità di cifrare le informazioni direttamente a livello del chip, così da ridurre l’esposizione dei dati durante l’elaborazione. Il sistema sfrutta anche processori AMD grazie a una collaborazione tra le due società.
La TPU 8i Max segue invece un’altra logica e risponde alla crescente fame di memoria e potenza di calcolo dei modelli con finestre di contesto estese. In pratica un sistema IA riesce a prendere in considerazione una quantità maggiore di informazioni all’interno di una singola richiesta, cosa particolarmente utile nello sviluppo software, nella ricerca farmacologica e nei calcoli matematici. Per ottenere questo risultato la soluzione integra due chip TPU in un unico package, aumentando sia la capacità di elaborazione sia la memoria a disposizione.
Costi più bassi e clienti di peso, ma la produzione non basta
La scommessa di Google poggia su un argomento molto concreto, cioè offrire prestazioni competitive a un prezzo inferiore rispetto alle GPU di NVIDIA. Secondo le stime degli analisti i processori TPU costerebbero circa il 30% in meno, mantenendo una capacità di elaborazione paragonabile per determinate applicazioni. Per chi sta costruendo infrastrutture IA su larga scala una differenza del genere può pesare parecchio.
Il progetto ha già convinto nomi importanti. Apple, Meta, Oracle e Anthropic utilizzano i chip di Google oppure hanno stretto accordi per accedervi, mentre OpenAI starebbe pianificando nuovi acquisti. Anthropic in particolare dispone di un’opzione per acquistare TPU fino a circa 130 miliardi di euro tra il 2028 e il 2031. Oracle dal canto suo ha annunciato una partnership che consentirà ai propri clienti cloud di usare questi processori a partire dal prossimo anno.
Anche sul piano economico la divisione sta diventando sempre più rilevante. Le previsioni indicano che entro il 2028 le vendite di TPU, includendo hardware e software collegati, supereranno i 115 miliardi di euro contro i circa 10 miliardi stimati per il 2026. Nel conteggio non rientrano i ricavi generati dai clienti che sfruttano i processori tramite Google Cloud.
La crescita però deve fare i conti con qualche ostacolo. La domanda supera già la capacità produttiva e Google ha fatto sapere che tutti i chip attualmente disponibili sono stati assegnati ai clienti. Per questo l’azienda sta cercando di diversificare la produzione affiancando a Broadcom altri partner come Marvell, mentre anche MediaTek risulterebbe coinvolta in alcune attività.
La pressione competitiva non arriva soltanto da NVIDIA, che nel frattempo deve gestire i sospetti di spionaggio che coinvolgono Jensen Huang. Anche startup e sviluppatori di modelli IA stanno lavorando a processori proprietari, e un eventuale rallentamento degli investimenti nei data center potrebbe ridimensionare le prospettive dell’intero comparto. Google poi deve confrontarsi con margini di profitto che secondo gli analisti risultano inferiori a quelli del rivale. La strategia delle TPU specializzate mira quindi a differenziare l’offerta e ad attirare nuovi clienti, senza necessariamente rimpiazzare le GPU del principale concorrente in tutti i carichi di lavoro.
Fonte: TecnoAndroid