- Google TPU v7 Ironwood to siódma generacja układów TPU, zaprojektowana specjalnie z myślą o erze wnioskowania. Oferuje 4.614 TFLOP-ów FP8 i 192 GB pamięci HBM3e na układ.
- Architektura pozwala na obsługę do 9.216 układów w obudowie superpod z pamięcią współdzieloną o pojemności 1,77 PB, sieciami ICI o przepustowości 9,6 Tb/s i chłodzeniem cieczowym zoptymalizowanym pod kątem mocy wynoszącej blisko 10 MW.
- Zintegrowany z hiperkomputerem AI wraz z procesorami Axion, Ironwood oferuje doskonałą równowagę między wydajnością, energooszczędnością i kosztami dla ogromnych obciążeń AI.
- Mega kontrakt z Anthropic i strategia integracji pionowej wzmacniają rolę Google jako kluczowego konkurenta firmy Nvidia na rynku układów AI.
Przyspieszenie sztucznej inteligencji ulega transformacji . Nie wystarczy już trenować ogromnych modeli i chwalić się ich parametrami: teraz prawdziwą walką jest to, jak sprawić, by działały one codziennie, dla milionów użytkowników, bez gwałtownego wzrostu kosztów energii i infrastruktury AI . W tym kontekście pojawia się Google TPU v7 Ironwood – sprzęt zaprojektowany dla sztucznej inteligencji, który nie tylko reaguje, ale także myśli, rozumuje i działa w sposób ciągły.
Ironwood to siódmej generacji procesor Tensor Processing Unit (TPU) firmy Google i, według samej firmy, jej najpotężniejszy, najbardziej skalowalny i wydajny układ scalony do tej pory. Został zaprojektowany z myślą o tzw. „erze wnioskowania”, w której liczy się nie tyle czas potrzebny na wyszkolenie nowego modelu, ile koszt jego obsługi, utrzymania aktywności, wnioskowania i generowania wyników przez całą dobę. Przyjrzyjmy się bliżej, czym dokładnie jest Google TPU v7 Ironwood, co go wyróżnia i dlaczego konkuruje z Nvidią i innymi gigantami w branży.
Czym jest Google TPU v7 Ironwood i dlaczego jest tak ważny?
Ironwood to w zasadzie specjalnie zaprojektowany akcelerator AI opracowany przez Google do obsługi najnowocześniejszych modeli sztucznej inteligencji. Należy do rodziny układów Tensor Processing Units (TPU), układów zaprojektowanych specjalnie do zadań uczenia maszynowego, które od prawie dekady napędzają wewnętrzne usługi Google (wyszukiwarkę, YouTube, reklamy, tłumaczenia itp.), a ostatnio także rozwiązania Google Cloud.
Ta siódma generacja została zbudowana na bazie całego doświadczenia zgromadzonego z poprzednimi procesorami TPU i ma jasny cel: maksymalizację wydajności w zadaniach wnioskowania i złożonego rozumowania , bez poświęcania możliwości trenowania. Ironwood został zaprojektowany do obsługi dużych modeli językowych (LLM), grup ekspertów, rozszerzonych systemów przypominania oraz agentów AI , którzy muszą przechowywać w pamięci dużą ilość kontekstu.
Zamiast być po prostu „szybszym chipem”, Ironwood jest zintegrowany z architekturą hiperkomputera AI Google Cloud – podejściem, w którym obliczenia, sieć, pamięć masowa i oprogramowanie są projektowane razem. Pozwala to na precyzyjne dostrojenie od układu scalonego po koordynatora kontenerów, aby wycisnąć każdy wat i każdy cykl zegara.
Kolejnym kluczowym punktem jest to, że Ironwood to pierwszy TPU zaprojektowany od podstaw z myślą o erze wnioskowania . Do tej pory większość systemów AI była projektowana głównie do trenowania ogromnych modeli; teraz nacisk przesuwa się na wydajne, wielokrotne uruchamianie tych modeli z agentami, którzy nie tylko reagują, ale także przewidują, wyszukują dane, łączą je i zwracają wnioski.
Kluczowe cechy techniczne TPU v7 Ironwood
Pod względem technicznym Ironwood może pochwalić się imponującymi wynikami, nawet na tak konkurencyjnym rynku, jak rynek układów AI. Każdy układ oferuje 4.614 teraflopów precyzyjnej mocy obliczeniowej FP8 , co stanowi ponad 16-krotność mocy obliczeniowej TPU v4 i ogromny krok naprzód w porównaniu z poprzednimi generacjami.
Aby zapewnić tę ogromną moc obliczeniową, każdy układ scalony integruje 192 GB pamięci HBM3e nowej generacji o przepustowości około 7,3-7,4 TB/s. To połączenie szybkich obliczeń i pamięci umożliwia obsługę gigantycznych modeli i bardzo długich kontekstów bez wąskich gardeł.
Ironwood jest produkowany w zaawansowanym procesie technologicznym 5 nanometrów i zużywa około 600 watów na układ. Może to brzmieć dużo, ale w porównaniu z wydajnością na wat, wynik jest bardzo konkurencyjny: w porównaniu z poprzednią generacją Trillium (TPU v6e), Ironwood podwaja wydajność na wat.
Te usprawnienia są zauważalne zarówno w obciążeniach szkoleniowych, jak i usługowych. W przypadku szkoleń, Ironwood może przyspieszyć przetwarzanie modeli nowej generacji (takich jak Gemini czy Veo) oraz modeli innych dostawców, a w przypadku usług, umożliwia przeprowadzanie masowych wnioskowań przy niższych kosztach energii, co jest kluczowe teraz, gdy centra danych AI mierzy się w gigawatach.
Od chipa do Superpoda: jak Ironwood się skaluje
Prawdziwa magia Ironwood tkwi nie w pojedynczym chipie, ale w jego skalowalności, pozwalającej na tworzenie superkomputerów AI . Każdy układ SoC Ironwood jest zamontowany na płytce PCBA z czterema chipami, a każda szafa zawiera 16 takich płytek, co daje łącznie 64 chipy na szafę.
Następnie stelaże są grupowane, tworząc Ironwood Superpod . Kompletny superpod składa się ze 144 stelaży, co odpowiada 9.216 połączonym ze sobą układom scalonym. Łącznie przekłada się to na około 42,5 eksaflopów wydajności FP8 i około 1,77 petabajta współdzielonej pamięci HBM, dostępnej jako ogromny zasób logiczny dla modeli AI.
Połączenie między układami scalonymi odbywa się za pośrednictwem sieci Inter-Chip Interconnect (ICI) o konstrukcji 3D Torus (4x4x4) i prędkościach do 9,6 Tb/s. Taka topologia pozwala na zmniejszenie opóźnień i utrzymanie wysokiej szybkości transferu nawet przy skalowaniu systemu do tysięcy akceleratorów, co jest niezbędne w przypadku rozproszonego szkolenia i obciążeń wymagających wysoce równoległego wnioskowania.
Poza superpodem, infrastrukturę można dodatkowo rozbudować, łącząc bloki 64 połączonych chipów i łącząc je światłowodową siecią szkieletową o przepustowości do 1,8 PB/s. To połączenie pasywnych kabli miedzianych, światłowodów i przełączników optycznych zapewnia ogromną elastyczność podczas konfigurowania niestandardowych klastrów dla różnych klientów i modeli.
Pod względem mocy, instalacja tej wielkości zbliża się do 10 megawatów mocy elektrycznej , co wymaga bardzo poważnego potraktowania kwestii chłodzenia i wydajności. Każda szafa jest zaprojektowana tak, aby przekraczać 100 kW poboru mocy, dlatego cały system został zaprojektowany od podstaw z myślą o chłodzeniu cieczą i zaawansowanej dystrybucji energii.
Chłodnictwo, zużycie i efektywność energetyczna
Przy tak monstrualnej gęstości mocy, nasuwa się oczywiste pytanie: jak Google utrzymuje to wszystko pod kontrolą termiczną? Odpowiedź leży w najnowocześniejszym systemie chłodzenia cieczą, zaprojektowanym specjalnie dla superpodów Ironwood.
Każda szafa integruje jednostkę dystrybucji chłodziwa (CBU) z detektorami wycieków i redundantnym zasilaniem 416 V AC . Taka konfiguracja nie tylko zapobiega przegrzaniu, ale także zapewnia wysoką niezawodność krytycznych obciążeń AI, gdzie przedłużająca się przerwa w działaniu mogłaby spowodować straty rzędu milionów euro lub zakłócenia w świadczeniu usług na dużą skalę.
Ironwood dąży nie tylko do tego, by stać się najpotężniejszym, ale także najefektywniejszym systemem. W porównaniu z Trillium, TPU v7 osiąga dwukrotnie wyższą wydajność w przeliczeniu na wat . Oznacza to, że przy tym samym budżecie energetycznym na 2024 rok, centrum danych wyposażone w Ironwood mogłoby obsłużyć nawet dwukrotnie więcej danych do 2026 roku.
To podejście rozwiązuje niewygodną rzeczywistość w tym sektorze: to energia, a nie krzem, staje się czynnikiem ograniczającym rozwój sztucznej inteligencji. Sieci energetyczne wielu krajów zaczynają osiągać swoje maksymalne możliwości w kluczowych obszarach centrów danych, więc uzyskanie większej ilości użytecznej energii z każdego wata nie jest już zaletą, lecz koniecznością.
Co więcej, architektura Ironwood została zoptymalizowana pod kątem minimalizacji zbędnego przesyłu danych, który jest głównym źródłem energii w systemach rozproszonych. Połączenie ogromnej pamięci HBM i szybkich sieci ma na celu właśnie to: więcej przetwarzania bliżej danych i mniej kosztownych podróży przez centrum danych.
Ironwood w hiperkomputerze AI i warstwie programowej
Ironwood nie istnieje w izolacji; jest głęboko zintegrowany z architekturą hiperkomputerów AI Google Cloud . Koncepcja ta łączy sprzęt (procesory Axion i TPU), szybką sieć, pamięć masową oraz oprogramowanie do koordynacji i harmonogramowania w ramach jednego środowiska projektowego.
Na poziomie oprogramowania Google opiera się na swoim stosie Pathways, który umożliwia koordynację dziesiątek tysięcy procesorów TPU Ironwood, tak jakby były one pojedynczym, logicznym zasobem. Oprócz Pathways, udoskonalono narzędzia takie jak MaxText (do szkoleń LLM na dużą skalę ) oraz integrację z Kubernetes Engine za pośrednictwem Cluster Director , optymalizując harmonogramowanie i odporność klastra.
W przypadku komponentu wnioskowania Google rozszerzył obsługę vLLM o współpracę zarówno z procesorami GPU, jak i TPU , ułatwiając migrację modeli i obciążeń między różnymi typami akceleratorów przy minimalnych zmianach w kodzie. Co więcej, GKE Inference Gateway może zmniejszyć początkowe opóźnienie żądania nawet o 96% i obniżyć koszt usługi o około 30%, według danych udostępnionych przez firmę.
Wszystko to oznacza, że klienci otrzymują nie tylko szybki układ, ale także kompletną, zoptymalizowaną platformę . IDC podaje, że zwrot z inwestycji w ciągu trzech lat dla klientów korzystających z AI Hypercomputer wyniósł 353%, a koszty IT spadły o prawie 28%.
Ostateczny cel jest jasny: umożliwić firmom wykorzystanie potencjału Ironwood bez konieczności zarządzania złożoną infrastrukturą. Idealny użytkownik po prostu definiuje swoje modele i potrzeby, a platforma kontrolna Google Cloud płynnie koordynuje procesory TPU, platformę Axion, sieć, pamięć masową i oprogramowanie.
„Wiek wnioskowania” i rola Ironwooda
Przez lata dyskurs na temat sztucznej inteligencji (AI) koncentrował się głównie na trenowaniu coraz większych modeli . Jednak rynek stanął w obliczu brutalnej rzeczywistości: niezależnie od tego, jak spektakularne jest szkolenie, stały dochód pochodzi z dostarczania wnioskowania na dużą skalę, dzień po dniu.
Google nazywa tę nową erę „erą wnioskowania ”. Zamiast wyłącznie reaktywnych modeli czekających na pytania użytkownika, zmierzamy w kierunku agentów AI, którzy pobierają dane, analizują konteksty, koordynują podprocesy i podejmują inicjatywę, aby oferować rekomendacje i przetworzone informacje.
Ironwood został zaprojektowany właśnie z myślą o tego typu obciążeniach: modelach o złożonym rozumowaniu, rozbudowanych kontekstach i stanach trwałych . Duża ilość współdzielonej pamięci i przepustowość sieci mają na celu umożliwienie wielu komponentom tego samego systemu AI skoordynowanej pracy bez przeciążenia ruchem.
W tym scenariuszu Google przyjmuje inną strategię niż Nvidia. Podczas gdy układy Blackwell nadal dominują w najnowocześniejszym szkoleniu i obiecują bardzo wysokie prędkości wnioskowania w określonych konfiguracjach, Google koncentruje się na optymalizacji ciągłego i masowego wykonywania modeli w środowisku produkcyjnym , integrując sprzęt i chmurę w jeden, spójny pakiet.
Firma nie zamierza całkowicie zastąpić Nvidii, lecz raczej zdobyć rosnący udział w ogólnym rynku rozwiązań wnioskowania . Niektóre wewnętrzne szacunki sugerują, że do 2027 roku procesory TPU Google mogą stanowić nawet 30% tego rynku, zwłaszcza wśród dużych klientów korzystających już z Google Cloud.
Umowa z Anthropic i wzrost komercyjny
Największy wzrost komercyjny Ironwood przyniósł Anthropic, twórca modeli Claude'a . 23 października 2025 roku firma podpisała znaczącą umowę z Google, zobowiązując się do wykorzystania do miliona procesorów TPU i zainwestowania dziesiątek miliardów dolarów w infrastrukturę Google Cloud.
Kontrakt przewiduje, że zużycie energii przekroczy 1 gigawat do 2026 roku , co jest ogromną liczbą i daje wyobrażenie o skali działalności głównych graczy w dziedzinie sztucznej inteligencji. Z dnia na dzień Ironwood przekształcił się z ambitnego projektu na mapie drogowej w realną inwestycję, popartą dużym popytem.
Dla Google umowa rozwiązuje jeden z największych problemów: budowanie pojemności centrum danych bez gwarancji wykorzystania . Z Anthropic jako głównym klientem, firma może planować nowe obiekty, kontrakty energetyczne i wdrożenia superpodów Ironwood, mając znacznie lepszy wgląd w zwrot z inwestycji.
Wybór Ironwood przez firmę Anthropic, zamiast czekania na nową generację procesorów Nvidii lub uciekania się do zastrzeżonego sprzętu innych hiperskalerów, jest wyraźnym sygnałem zaufania do wydajności i czasu wprowadzania na rynek procesorów TPU firmy Google . „Więcej wnioskowania, mniej mocy” to w praktyce ukryte motto tego kroku.
Tego typu długoterminowe umowy pomagają również Google lepiej negocjować własne koszty (od produkcji układów scalonych po dostawy energii) i wzmacniać swoją pozycję na rynku, na którym popyt na rozwiązania z zakresu sztucznej inteligencji znacznie przekracza dostępną podaż.
Wpływ na rynek układów AI i konkurencja z firmą Nvidia
Wprowadzenie Ironwood to przełom na rynku sprzętu AI , który do tej pory był wyraźnie zdominowany przez procesory graficzne Nvidia. Google nie jest jedynym, który podejmuje działania: AWS promuje swoją linię Trainium2, a Microsoft kontynuuje prace nad programem Maia, choć z opóźnieniami.
Nvidia nadal jest liderem w dziedzinie najnowocześniejszych rozwiązań szkoleniowych, dzięki architekturze Hopper, Blackwell i nadchodzącej architekturze Rubin, które dążą do konfiguracji rzędu kilku eksaflopów na szafę. Jednak Google kieruje rynek w stronę modelu wielu pionowo zintegrowanych ekosystemów , w których każdy hiperskaler projektuje własne układy scalone, sieć, oprogramowanie i usługi chmurowe.
W tym nowym otoczeniu Ironwood pozycjonuje się jako solidna alternatywa dla firm poszukujących infrastruktury wnioskowania na dużą skalę, bez konieczności całkowitego polegania na ekosystemie CUDA. Połączenie niestandardowych procesorów TPU i procesorów Axion oraz platformy Google Cloud tworzy niezwykle atrakcyjną ofertę dla firm wymagających przewidywalnych kosztów, wydajności i dostępności.
Ten ruch wywiera również presję na firmę Nvidia, która musi uzasadniać wysokie ceny w środowisku, w którym nie jest już jedyną realną opcją . W miarę jak Amazon, Microsoft i Google wzmacniają swoje portfolio, rynek odchodzi od modelu dostawcy pojedynczego układu scalonego na rzecz mozaiki zamkniętych, ale wysoce zoptymalizowanych rozwiązań w ramach każdego dostawcy chmury.
Jednak sukces Ironwood i ogólnie TPU będzie w dużej mierze zależał od tego, czy stos oprogramowania Google będzie się rozwijał w tym samym tempie, co ekosystem CUDA . Jeśli wskaźniki wykorzystania klastra spadną (na przykład z 90% do 70%), ogólna wydajność ucierpi, a konkurencyjność cenowa może ucierpieć.
Axion: dodatek CPU do infrastruktury AI
Wraz z premierą Ironwood, Google wzmocniło rodzinę niestandardowych procesorów Axion , opartych na architekturze Arm Neoverse. Podczas gdy procesory TPU obsługują najbardziej wymagające aspekty uczenia maszynowego, Axion zajmuje się obciążeniami ogólnego przeznaczenia związanymi ze sztuczną inteligencją.
Nowe instancje N4A oferują do 64 wirtualnych procesorów (vCPU), 512 GB pamięci DDR5 i przepustowość sieci 50 Gb/s , zapewniając nawet 100% poprawę stosunku ceny do wydajności w porównaniu z równoważnymi maszynami x86. C4A Metal to pierwsza wersja Google Cloud oparta na architekturze Arm, przeznaczona do takich zastosowań, jak tworzenie aplikacji na Androida, aplikacje motoryzacyjne i zaawansowane symulacje.
Firmy takie jak Vimeo odnotowały 30% poprawę w transkodowaniu wideo , a ZoomInfo – 60% wzrost wydajności procesów analizy danych. Inne firmy, takie jak Rise, twierdzą, że zmniejszyły zużycie energii obliczeniowej o około 20%, utrzymując jednocześnie stabilne opóźnienie.
Podstawowym założeniem jest to, że Axion ma działać jako uniwersalna warstwa bazowa do obliczeń : przygotowywania danych, mikrousług, usług sieciowych, logiki biznesowej itd. Na tym fundamencie procesory TPU Ironwood skupiają się na tym, co robią najlepiej: przyspieszaniu uczenia, wnioskowania i rozumowania modeli sztucznej inteligencji.
To połączenie wzmacnia wizję hybrydowego charakteru obliczeń nowej generacji : wydajne procesory do zarządzania przepływem i układy TPU (lub inne akceleratory) do intensywnych obliczeń. Wszystko to łączy platforma AI Hypercomputer i narzędzia Google Cloud.
Perspektywy inwestycyjne i ochrona marży dla Alphabet
Z perspektywy finansowej Ironwood to znacznie więcej niż wydajny układ scalony: to strategiczny element chroniący marże Alphabetu w obszarze sztucznej inteligencji w chmurze. Hiperskalery są na dobrej drodze do osiągnięcia dwucyfrowej mocy obliczeniowej na poziomie gigawatów do 2027 roku, a wszystko wskazuje na to, że inwestycje w infrastrukturę pozostaną ogromne.
Projektując własne układy scalone, Google może czerpać korzyści z całego łańcucha wartości : od projektu układu scalonego po wdrożenie w chmurze. Zamiast odsprzedawać sprzęt innych firm z niewielkimi marżami, przekształca nakłady inwestycyjne (CAPEX) w przewagę konkurencyjną i narzędzie do różnicowania swoich usług.
Lepsza wydajność Ironwood w przeliczeniu na wat oznacza, że każdy megawat mocy w centrum danych zapewnia znacznie więcej pod względem obsługiwanych inferencji . W połączeniu z optymalizacją oprogramowania (vLLM, Pathways, GKE Inference Gateway itp.) pozwala to Google oferować konkurencyjne ceny bez obniżania rentowności.
Umowa z Anthropic dodaje dodatkowy poziom stabilności do planu wydatków inwestycyjnych Google . Zamiast budować infrastrukturę „w ciemno”, czekając na pojawienie się klientów, firma może teraz planować znaczną część swojej ekspansji w oparciu o umowy długoterminowe, zmniejszając niepewność i ryzyko nadwyżki mocy produkcyjnych.
Mimo to wciąż otwarte pozostają pytania: czy Google przyciągnie kolejnych dużych klientów kluczowych, czy projekty energetyczne i nowe podstacje będą realizowane zgodnie z harmonogramem oraz czy oprogramowanie firmy utrzyma wysoki poziom wykorzystania. Potencjał istnieje, ale kluczem do sukcesu Ironwood będzie realizacja, zarówno pod względem technicznym, jak i generowania trwałych zysków . TO NIE JEST PORADA INWESTYCYJNA.
Podsumowując, Google TPU v7 Ironwood stanowi skok generacyjny, wykraczający daleko poza teraflopy w specyfikacji: łączy w sobie moc obliczeniową, ogromną pamięć współdzieloną, zaawansowane sieci optyczne, chłodzenie cieczą i głęboko zintegrowaną chmurę, aby obsługiwać nową falę agentów i modeli AI działających bez przerwy. W świecie, w którym zasoby energetyczne są ograniczone, modele stale rosną, a konkurencja o kontrolę nad stosem AI zacięta, Ironwood wyłania się jako serce infrastruktury zaprojektowanej z myślą o zapoczątkowaniu „ery wnioskowania” i na nowo zdefiniowaniu sposobu, miejsca i kosztu działania sztucznej inteligencji w skali globalnej.
