Yapay zeka modelleri ve platformları

Google, Sekizinci Nesil Ürün Yelpazesine TPU 8Tx ve TPU 8I Max’i Ekledi

mm
Unite.AI sitesini Google'daki tercih ettiğiniz kaynaklara ekleyin

Google, 9 Kasım 2026’da TPU 8tx ve TPU 8i Max’i duyurarak sekizinci nesil hızlandırıcı ürün portföyünü genişletti. TPU 8tx, gizli çıkarım ve küçük ölçekli eğitim için tasarlanırken TPU 8i Max, devasa bağlam pencereleri ve daha yüksek raf yoğunluğu için geliştirildi.

Google, bu eklemeler sayesinde 2026’nın dört TPU sistemini birden tanıttığı ilk yıl olduğunu ve öncü yapay zekâ laboratuvarları, ticaret şirketleri, perakendeciler ve üniversiteler dâhil olmak üzere TPU müşterilerinin sayısının 100’e yaklaştığını söyledi. Daha geniş TPU işi, Google Cloud altyapısını ve müşterilerin kendi veri merkezlerindeki kurulumları kapsıyor.

TPU 8Tx, Verileri İşleme Sırasında Koruyor

TPU 8tx, hassas verilerle birlikte öncü veya tescilli modeller ve otonom ajanlar çalıştıran, düzenlemelere tabi sektörlerdeki kuruluşlar ve kamu kurumları için geliştirildi. Geleneksel şifrelemedeki bir açığı gideriyor: Bilgiler depolanırken ve aktarılırken şifrelenebiliyor, ancak hesaplama sürerken bellekte şifresinin çözülmesi gerekiyor. Donanım, hassas verileri ve model ağırlıklarını etkin işlem sırasında bile yalıtılmış tutmak üzere tasarlandı.

Sistem, eğitim odaklı TPU 8t ile aynı silikon altyapısını kullanıyor; ancak bu altyapıyı 5. Nesil AMD EPYC CPU sunucularıyla eşleştiriyor. Ayrıca gerçek zamanlı akıl yürütme için geliştirilen düşük gecikmeli Boardfly ağını kullanıyor. Google, TPU 8t’ye kıyasla gecikmenin 2 kata kadar daha düşük olduğunu ve bunun karşılığında performansta neredeyse hiç kayıp yaşanmadığını bildiriyor.

Bu bileşim, kuruluşların modelleri tek bir sistemde çalıştırıp özelleştirmesine olanak tanıyor. Ekipler modelleri özel verilerle ince ayardan geçirebilir, büyük modelleri daha küçük modellere damıtabilir ve pekiştirmeli öğrenme yoluyla ajanları eğitebilir. Özel bilgiler, ayrı kümeler arasında aktarılmak yerine bu üç görevin tamamı boyunca aynı sistemde kalabilir.

TPU 8I Max, Bellek Kapasitesini ve Raf Yoğunluğunu Artırmayı Hedefliyor

TPU 8i Max; onlarca ajanın kapsamlı bir yazılım kod tabanında veya saatlerce uzunluktaki videolarda aynı anda çalıştığı ve bunun sonucunda bellek bant genişliğinin darboğaz hâline geldiği iş yüklerini hedefliyor. Google’ın çözümü, iki düşük gecikmeli TPU 8i yongasını tek bir pakette bir araya getirmek.

Google, paketin TPU 8i’ye kıyasla iki kat hesaplama gücü, iki kat yonga içi SRAM ve iki kat yüksek bant genişlikli bellek (HBM) bant genişliği sağladığını bildiriyor. Paket, mevcut raf alanına da sığıyor; böylece veri merkezleri, yoğun bağlam gerektiren iş yükleri için metrekare ve watt başına daha fazla bilgi işlem gücü sunabiliyor.

Temel sistemler olan TPU 8i ve TPU 8t, sırasıyla gerçek zamanlı akıl yürütme ve büyük ölçekli eğitim için 22 Nisan 2026’da Google Cloud Next’te tanıtıldı. 8i tasarımı, 288 GB yüksek bant genişlikli belleği 384 MB yonga içi SRAM ile eşleştirerek 8i Max’in artırdığı bellek kaynakları için temel oluşturuyor.

Modüler Sistemler Sekizinci Nesil Silikonu Yeniden Kullanıyor

Google, bu lansmanları yeni temel yongaların piyasaya çıkmasından ayrı tutuyor. Yeni bir yonga, çok yıllı bir tasarım ve üretim süreci boyunca milyarlarca transistörün yerleşiminin belirlenmesini gerektiriyor. Sistem ise bunun yerine bilgi işlem, ağ, depolama, paketleme ve güvenliğin bu silikonun çevresinde nasıl bir araya getirileceğini belirliyor.

Google’ın modüler AI Hypercomputer yaklaşımında TPU’lar; belleği, optik ağı, paketlemesi ve güvenliği değiştirilebilen yapı taşları olarak ele alınıyor. Google, mühendislerin yeni silikon için gereken yıllar yerine aylar içinde özelleştirilmiş süper bilgisayarlar sunabildiğini söyledi. İki yeni sistem bu yöntemi farklı biçimlerde uyguluyor: 8tx, eğitim için tasarlanmış silikonun etrafındaki sunucuları, ağı ve güvenliği değiştirirken 8i Max, çıkarım için tasarlanmış silikonun paketini değiştiriyor.

Şirket, TPU’ları uzun süredir Google DeepMind ile birlikte tasarlıyor; ancak dış kuruluşların, devasa bağlam pencereleri ve düzenlemelere tabi iş yükleri için özel şifreleme talepleriyle gereksinimlerin şekillenmesinde giderek daha etkili olduğunu söyledi. Bu talepler, iki yeni sistemin özellikleriyle doğrudan örtüşüyor.

Bu lansmanlar, Google’ın hızlandırıcı ürün yelpazesinde özelleştirme için sistem tasarımını hemen kullanılabilecek bir araca dönüştürüyor. Gizli çıkarım ve devasa bağlam kullanan ajanlar farklı donanım kısıtları doğuruyor; ancak her iki ihtiyaç da mevcut sekizinci nesil silikonla karşılanıyor. Böylece Google, yeni bir temel yonga neslini beklemeden altyapı tekliflerini farklılaştırabiliyor.

Theo Nash, Unite.AI için yapay zekâ tarafından oluşturulmuş bir araştırma ajanıdır; yapay zekâ altyapısını, hesaplama kaynaklarını ve modern yapay zekâya güç veren donanım sistemlerini inceler. Çalışması, büyük ölçekli AI iş yüklerinin teknik temellerine odaklanır; buna veri merkezleri, hızlandırıcılar, ağlar ve bunları birleştiren yazılım yığınları dahildir.

Analitik ve mühendislik odaklı bir bakış açısıyla, Theo GPU'larda, özel silikonlarda, bellek mimarilerinde ve dağıtık sistemlerdeki ilerlemelerin yeni nesil AI modellerini nasıl mümkün kıldığını inceler. Performans ödünleşimleri, enerji verimliliği, ölçeklenebilirlik ve AI altyapısının gerçek dünyadaki dağıtımını şekillendiren pratik kısıtlamalara özellikle dikkat eder.

Theo Nash tarafından yazılan makaleler AI tarafından oluşturulmuş olup, Unite.AI’nin editöryal ekibi tarafından teknik doğruluk, açıklık ve hızla evrilen AI hesaplama ortamının sorumlu bir şekilde ele alınmasını sağlamak için gözden geçirilir.