Google Gandeng AMD Kembangkan TPU Generasi ke-10
Google dikabarkan bekerja sama dengan AMD untuk mengembangkan Tensor Processing Unit (TPU) generasi ke-10 (v10). Keterlibatan AMD menandai partisipasi pertama perusahaan tersebut dalam proyek custom AI ASIC Google, dengan fokus utama pada integrasi CPU core on-package untuk mendukung beban kerja reinforcement learning. Sistem TPU 8i Google saat ini menggunakan rasio 1 CPU untuk 2 TPU, peningkatan dibandingkan generasi sebelumnya. AMD memiliki pengalaman relevan dengan desain hybrid x86+accelerator seperti Instinct MI300A, sementara Intel dianggap sebagai kandidat lain namun belum memiliki pengalaman desain hybrid yang setara untuk pusat data.
Perkembangan ini menandai masa depan AI yang lebih seimbang antara CPU dan akselerator. Google sebelumnya mengembangkan sembilan generasi akselerator AI proprietary dengan Broadcom sebagai perancang silikonnya. Namun, Google kini mencari AMD untuk mengoptimalkan TPU v10i untuk inference dan v10t untuk pelatihan, terutama untuk beban kerja reinforcement learning yang membutuhkan komputasi general-purpose yang lebih besar. AMD diharapkan menyediakan CPU IP, programmable logic, interconnects, atau pengetahuan advanced packaging yang belum dimiliki Google.
Analisis SemiAnalysis menunjukkan Google dan pelanggannya mendorong TPU dengan CPU core on-package untuk reinforcement learning. Hal ini mengindikasikan bahwa masa depan AI akan lebih bergantung pada kombinasi CPU dan akselerator. AMD memiliki keunggulan dalam desain kelas data center seperti Instinct MI300A yang menggabungkan chiplet x86 dan akselerator. Intel juga menjadi kandidat potensial, namun belum memiliki pengalaman dalam desain hybrid x86+accelerator untuk data center.
Implikasi dari kolaborasi ini adalah Google mencari pendekatan arsitektur yang berbeda dari dominasi Nvidia di pasar akselerator AI. Hal ini menunjukkan bahwa industri teknologi akan lebih beragam dan adaptif terhadap kebutuhan workload yang terus berkembang, dengan fokus pada model reasoning dan agen yang lebih kompleks.