Google amplia linha de TPUs com sistemas seguros e mais memória para desafiar a Nvidia

Dois novos sistemas atendem às próximas demandas da IA

O Google ampliou sua oitava geração de unidades de processamento tensorial com dois sistemas especializados: o TPU 8tx, que protege informações confidenciais enquanto a IA as processa, e o TPU 8i Max, que combina dois chips em um único pacote para lidar com volumes muito maiores de informação. Anunciadas em 9 de novembro de 2026, as novidades elevam para quatro o número de sistemas TPU apresentados pelo Google em um único ano, um recorde para a empresa.

Os novos sistemas atendem a dois problemas práticos enfrentados por empresas que adotam agentes de IA: manter dados privados seguros e oferecer memória suficiente para que o software processe coleções inteiras de documentos, código de computador ou vídeos. A expectativa é que as entregas comecem em 2027. O Google não especificou a data de entrega nem os preços de nenhum dos sistemas.

O anúncio do portfólio de TPUs do Google descreve os dois produtos como configurações construídas em torno de chips já existentes. O TPU 8tx usa o mesmo chip do TPU 8t, combinado com unidades centrais de processamento AMD EPYC de quinta geração. O TPU 8i Max reúne dois chips TPU 8i em um único pacote, dobrando a capacidade de computação, certos tipos de memória integrada e a largura de banda da memória.

Uma TPU é um processador desenvolvido para executar as operações matemáticas usadas pela IA. O Google criou esses processadores originalmente para seus próprios serviços, incluindo reconhecimento de fala e tradução. Hoje, eles dão suporte ao Gemini, a clientes externos de serviços de nuvem e a instalações em data centers dos próprios clientes.

A expansão fortalece a disputa do Google com a Nvidia ao oferecer mais opções para tarefas específicas. Em vez de tentar atender a todos os requisitos com um único projeto de acelerador, o Google está montando diferentes combinações de processadores, memória, rede e segurança em torno de seus chips existentes.

Por que quatro sistemas foram lançados em um ano

O Google apresentou o TPU 8t, voltado a grandes cargas de treinamento, e o TPU 8i, destinado a respostas rápidas de IA, no evento Google Cloud Next, em abril de 2026. O treinamento constrói ou modifica um modelo por meio de exemplos. Inferência é o processo de usar esse modelo para produzir uma resposta ou executar uma tarefa.

Segundo o Google, o TPU 8t oferece até 2,7 vezes o desempenho de treinamento da geração anterior, enquanto o TPU 8i tem desempenho de inferência 80% melhor em relação ao preço. As comparações são com TPUs anteriores do Google. As novidades ampliam a mesma geração para incluir computação confidencial e tarefas que exigem uma capacidade de memória muito maior.

Amin Vahdat, tecnólogo-chefe e vice-presidente sênior de IA e infraestrutura do Google, descreveu as prioridades no anúncio:

À medida que as empresas colocam agentes autônomos em produção, criamos duas novas configurações desses sistemas fundamentais para resolver dois novos desafios urgentes: segurança de dados no nível do hardware e escala de contexto de milhões de tokens.

O Google afirma que projetar um novo chip leva anos, enquanto adaptar o encapsulamento, a memória, a rede óptica e a segurança em torno de um chip existente pode levar meses. Sua abordagem modular permite que os engenheiros adaptem os sistemas às mudanças nos requisitos de software antes que um processador totalmente novo fique pronto.

O cronograma de desenvolvimento e entrega agora inclui:

• Abril de 2026: o Google apresentou o TPU 8t e o TPU 8i no Google Cloud Next.
• Outubro de 2026: o Google afirma ter lançado o TorchTPU como software de código aberto para dar suporte ao desenvolvimento com PyTorch em TPUs.
• 9 de novembro de 2026: o Google anunciou o TPU 8tx, o TPU 8i Max e outros softwares de infraestrutura.
• 2027: a expectativa é que os novos sistemas comecem a ser entregues, enquanto a Oracle planeja começar a oferecer acesso a TPUs para seus clientes de nuvem.

TPU 8tx protege informações durante o processamento

O TPU 8tx é voltado a governos e empresas de setores regulamentados, incluindo organizações financeiras e de saúde. Esses clientes podem precisar de IA para analisar registros altamente confidenciais, mantendo protegidos tanto os dados quanto os parâmetros internos do modelo.

A computação confidencial protege as informações no momento em que estão sendo usadas. A criptografia já protege dados armazenados em uma unidade ou transmitidos por uma rede. Durante o processamento, em geral, as informações precisam estar acessíveis na memória de trabalho. O Google afirma que o TPU 8tx acrescenta proteções de hardware que mantêm isolados os dados confidenciais e os pesos do modelo nessa etapa.

Os processadores EPYC de quinta geração da AMD fornecem a plataforma de computação hospedeira. O sistema também usa criptografia e autenticação nas conexões PCIe, que transportam informações entre os principais componentes de um computador. Os detalhes técnicos divulgados junto com o lançamento indicam 216 GB de memória de alta largura de banda para o TPU 8tx.

O Google combina o sistema com sua rede Boardfly, que conecta processadores para que troquem informações rapidamente. Segundo a empresa, essa configuração pode reduzir a latência em até metade em comparação com o TPU 8t, com uma penalidade de desempenho quase nula causada pelas proteções de segurança. Latência é o tempo que um sistema leva para concluir uma etapa ou responder.

O TPU 8tx também dá suporte a tarefas menores de treinamento. As organizações podem adaptar um modelo usando informações privadas, comprimir um modelo maior em um menor por meio de um processo chamado destilação ou treinar agentes com aprendizado por reforço, que usa feedback para aprimorar suas ações. Segundo o Google, essas tarefas podem ocorrer junto com a inferência em um único sistema, reduzindo a necessidade de transferir informações confidenciais entre clusters separados de computadores.

TPU 8i Max oferece mais espaço de trabalho para grandes tarefas

O TPU 8i Max atende a uma limitação diferente: os processadores podem executar cálculos mais rápido do que a memória consegue fornecer as informações necessárias. O Google chama isso de muro da memória. Aumentar a capacidade de computação funciona melhor quando a capacidade da memória e a velocidade de movimentação dos dados também crescem.

O sistema combina dois chips TPU 8i em um único pacote. Suas especificações incluem 384 GB de memória de alta largura de banda, largura de banda de memória de 17,2 terabytes por segundo e 768 MB de SRAM, um tipo rápido de memória localizado no chip.

Segundo o Google, o pacote dobra a capacidade de computação, a SRAM e a largura de banda da memória de alta largura de banda em comparação com o TPU 8i. A capacidade dessa memória aumenta 33%, portanto, o volume de informações armazenadas cresce em proporção menor do que a velocidade com que elas podem ser movimentadas.

Entre as cargas de trabalho previstas estão bases completas de código de software, documentos extensos, horas de vídeo e grupos de agentes trabalhando em conjunto. O sistema é voltado a janelas de contexto da ordem de um milhão de tokens. Uma janela de contexto é o conjunto de informações a que um modelo pode recorrer ao atender a uma solicitação; tokens são pequenos fragmentos de texto ou de outros conteúdos processados pelo modelo.

Em uma tarefa de programação, esse espaço de trabalho adicional pode permitir que um agente mantenha mais arquivos relacionados disponíveis enquanto investiga um problema. Pesquisa de medicamentos e trabalhos matemáticos são outras aplicações previstas. O Google também afirma que acomodar o dobro de silício no espaço atual do rack aumenta a capacidade de computação por metro quadrado e por watt.

Agentes de IA criam trabalho além de uma única resposta

Mark Lohmeyer, vice-presidente e gerente-geral de IA e infraestrutura de computação do Google Cloud, afirmou que uma solicitação individual a um agente pode desencadear centenas ou milhares de operações. Ele estima que essa mudança pode multiplicar as necessidades de computação entre 10 e 1.000 vezes, dependendo da tarefa.

Um agente pode dividir uma solicitação em etapas, consultar um banco de dados, escrever código, acionar outra ferramenta de software e aguardar a aprovação de uma pessoa. Esse padrão aumenta a demanda por comunicação rápida entre processadores, memória de trabalho persistente e proteção para as informações que circulam por vários sistemas.

O Google também tenta reduzir o custo das pausas entre essas operações. Seu novo Agent Compute Engine suspende e retoma automaticamente as sessões de agentes inativos, liberando recursos enquanto um agente aguarda a resposta de um banco de dados, uma ferramenta externa ou o feedback de uma pessoa.

O objetivo prático é evitar que processadores caros permaneçam ocupados por sessões sem cálculos a executar. Para clientes que operam muitos agentes ao mesmo tempo, gerenciar essas pausas passa a fazer parte do controle dos custos de infraestrutura.

Software busca facilitar a troca de hardware

A expansão de hardware do Google vem acompanhada de um esforço mais amplo para facilitar a adoção das TPUs. A posição da Nvidia se apoia em parte no software que os desenvolvedores já usam, por isso a estratégia do Google inclui compatibilidade com ferramentas conhecidas, além de novos processadores.

O TorchTPU, desenvolvido com a Meta e a comunidade PyTorch, oferece um backend nativo para PyTorch, uma plataforma amplamente usada na criação de modelos de IA. O Google afirma que códigos existentes em PyTorch e modelos do Hugging Face podem ser executados em TPUs sem reescrita. A apresentação de lançamento descreveu uma configuração básica que exige a inclusão de duas linhas de código.

O anúncio de infraestrutura de nuvem do Google também descreve o suporte das TPUs ao vLLM e ao SGLang, mecanismos de código aberto usados para disponibilizar modelos de IA. O trabalho com a Inferact e a RadixArk dá suporte a uma abordagem mais ampla, na qual os clientes podem operar tanto TPUs quanto unidades de processamento gráfico.

O novo XLA Serving Engine permite que desenvolvedores treinem modelos em Python e os disponibilizem por meio de um ambiente de execução em C++ em TPUs, GPUs e CPUs. Um conjunto de agentes para TPUs, disponível em versão de prévia, integra-se a ferramentas de programação como Claude Code, Cursor e Google Antigravity para ajudar a configurar cargas de trabalho e identificar gargalos.

O Google cita resultados competitivos em relação ao preço nos testes InferenceX e AgentX, que avaliam agentes de programação e tarefas com contextos extensos. Essas são alegações de desempenho da empresa; os compradores ainda precisam comparar o custo, a velocidade de resposta e a precisão de suas próprias aplicações ao escolher a infraestrutura.

Gestão da memória passa a fazer parte do produto

O novo software TPU Sync do Google vai além da memória fisicamente conectada a um acelerador. Ele coordena a memória do chip, a memória do computador hospedeiro, o armazenamento compartilhado e a rede do data center para que uma carga de trabalho possa usá-los como diferentes camadas de um sistema de memória maior.

Um dos principais alvos é o cache KV, que armazena informações de trabalho usadas pelo modelo a partir do conteúdo que ele já processou. Janelas de contexto grandes e muitos agentes simultâneos podem fazer esses caches crescerem bastante. O TPU Sync pode transferi-los para fora do chip em milissegundos, deixando a memória cara do acelerador disponível para o trabalho ativo.

Segundo o Google, o software pode reduzir em mais de 90% a latência das transferências de KV e o tempo até a resposta inicial. Ele também permite transferir o contexto entre diferentes etapas de processamento e sincronizar pesos do modelo durante o aprendizado por reforço.

Duas outras atualizações se concentram na organização dos clusters. O Cloud Pathways, agora disponível para todos por meio do Google Kubernetes Engine, permite que um único controlador coordene o trabalho distribuído em TPUs. O fatiamento dinâmico do GKE usa comutação de circuitos ópticos para montar grupos maiores de TPUs ou dividi-los em grupos menores e isolados conforme as necessidades mudam.

O Google afirma que o fatiamento dinâmico pode acelerar em até cinco vezes a inicialização de tarefas e em até 4,5 vezes a recuperação de falhas. Em conjunto, essas ferramentas atendem ao mesmo problema comercial que o novo hardware: transformar a capacidade de computação instalada em trabalho útil, com menos tempo de espera.

Um negócio maior além do Google Cloud

O Google afirma que seu negócio de TPUs já tem quase 100 clientes, incluindo laboratórios de IA, empresas de negociação financeira, varejistas e universidades. A empresa está ampliando o acesso para além de sua própria nuvem, inclusive com instalações diretamente nos data centers dos clientes. Alguns clientes poderão instalar o TPU 8tx em suas próprias dependências.

A Oracle anunciou planos para disponibilizar TPUs a seus clientes de nuvem a partir de 2027. A Anthropic tem opções para comprar até US$ 150 bilhões em chips entre 2028 e 2031, enquanto há relatos de que a OpenAI também planeja comprar TPUs. O valor citado para a Anthropic representa o limite potencial de compras previsto nessas opções.

A Jump Trading é um exemplo de cliente que escolhe diferentes tipos de hardware para tarefas distintas. A empresa afirma que as TPUs melhoram a eficiência energética e reduzem custos em alguns trabalhos, enquanto os produtos da Nvidia continuam sendo sua principal plataforma para treinar modelos de IA.

O analista Mandeep Singh estima que as TPUs custam cerca de 30% menos do que as GPUs da Nvidia, com capacidade competitiva de processamento de dados. Uma projeção de mercado estima que as vendas de TPUs, incluindo hardware e software associados, alcancem cerca de US$ 12 bilhões em 2026 e mais de US$ 135 bilhões em 2028, sem incluir a receita de clientes que acessam TPUs por meio do Google Cloud.

Essa previsão representaria um crescimento para mais de 11 vezes o valor de 2026 em dois anos, considerando US$ 135 bilhões divididos por US$ 12 bilhões. Ela descreve uma expansão muito rápida, cuja concretização depende da capacidade de fabricação, dos gastos dos clientes e dos cronogramas de implantação.

Limitações de fornecimento e construção moldam as oportunidades

Em outubro, o Google afirmou que os clientes já haviam reservado todas as TPUs que a empresa conseguiria fornecer. A escassez de memória e os limites da capacidade de fabricação continuam sendo obstáculos, e a equipe de Vahdat trabalha para diversificar as fontes de fornecimento.

Análises do setor situam a fabricação avançada e o encapsulamento dos sistemas da família TPU de oitava geração no ecossistema da Taiwan Semiconductor Manufacturing Company. Portanto, o aumento da demanda por TPUs cria oportunidades para fornecedores em Taiwan, além do Google, mas também torna o acesso à capacidade de produção e encapsulamento avançados uma questão prática.

A construção de data centers enfrenta uma limitação diferente. Singh estima que a oposição a novas instalações poderia reduzir em cerca de 5% a 7% os US$ 1,4 trilhão em investimentos em infraestrutura previstos para o setor de tecnologia em 2027. Aplicada a essa projeção, a redução ficaria entre cerca de US$ 70 bilhões e US$ 98 bilhões.

Uma densidade de computação maior pode ajudar operadores a fazer mais em um prédio existente, o que dá ao TPU 8i Max uma função prática onde o espaço é escasso. Ainda assim, o Google precisa obter chips e memória, entregar os sistemas e construir um negócio rentável. Singh estima que as margens de lucro das TPUs continuam abaixo das da Nvidia.

A disputa competitiva agora vai além do desempenho máximo de processamento. O Google combina computação confidencial, sistemas com mais memória, software conhecido e opções de implantação mais flexíveis para conquistar cargas de trabalho específicas. A capacidade de fornecer esses sistemas determinará a rapidez com que as reservas dos clientes se transformarão em receita.

Principais pontos

• O Google anunciou o TPU 8tx e o TPU 8i Max em 9 de novembro de 2026, com entregas previstas para 2027.
• O TPU 8tx combina o chip já existente do TPU 8t com processadores hospedeiros AMD EPYC e proteções de hardware para dados confidenciais em uso.
• O TPU 8i Max combina dois chips TPU 8i, com 384 GB de memória de alta largura de banda e o dobro da capacidade de computação e da largura de banda da memória do TPU 8i.
• O Google apresentou quatro sistemas TPU em 2026 e afirma que seu negócio de TPUs tem quase 100 clientes.
• O TorchTPU, o TPU Sync e outras atualizações de software buscam simplificar o desenvolvimento e reduzir o tempo ocioso de computação.
• O acesso pela Oracle e as instalações diretas nos clientes ampliam o mercado do Google, enquanto limitações de memória, fabricação e construção restringem a expansão.