Oracle bietet Google-TPUs als erster Hyperscaler außerhalb von Google an

Oracle und Google gaben am 27. Oktober 2026 bekannt, dass Googles Tensor Processing Units (TPUs) über Oracle Cloud Infrastructure (OCI) verfügbar sein werden. Damit werden Google-TPUs erstmals außerhalb von Google auf einer Hyperscale-Cloud-Plattform angeboten. Die Unternehmen machten die Ankündigung auf der Oracle AI World in Las Vegas und erklärten, dass Google-TPUs auf OCI im Kalenderjahr 2027 verfügbar sein werden. Die Bereitstellung soll über mehrere Jahre hinweg schrittweise ausgebaut werden, um dem Bedarf der Kunden gerecht zu werden.

Im Rahmen der Vereinbarung stellt OCI die Energieversorgung, Kühlung und Rechenzentrumsvernetzung bereit, die für den Einsatz von Google-TPUs in großem Umfang innerhalb seiner Infrastruktur erforderlich sind. Der Ankündigung zufolge wird die Ergänzung des KI-Rechenportfolios von OCI um Googles speziell entwickelte TPUs den Kunden die Flexibilität geben, ihre anspruchsvollsten Workloads mit einer Infrastruktur abzustimmen, die auf nahezu lineare Skalierbarkeit und eine stark optimierte Wirtschaftlichkeit ausgelegt ist.

„Verschiedene KI-Workloads haben unterschiedliche Anforderungen an die Rechenleistung“, sagte Mahesh Thiagarajan, Präsident von Oracle Cloud Infrastructure bei Oracle. „Mit Google-TPUs auf OCI erhalten Kunden Zugriff auf mehrere führende KI-Rechenarchitekturen in einer einzigen Cloud. Diese Auswahl gibt ihnen die Flexibilität, für jeden KI-Workload die passende Infrastruktur hinsichtlich Leistung, Durchsatz und Wirtschaftlichkeit zu wählen.“

Amin Vahdat, Senior Vice President und Chief Technologist für KI & Infrastruktur bei Google, sagte, TPUs böten Kunden eine speziell entwickelte Option für anspruchsvolle Trainings- und Inferenz-Workloads. Ihre Bereitstellung auf OCI werde mehr Unternehmen Zugang zu dieser Technologie und größere Flexibilität beim Entwickeln und Ausführen ihrer komplexesten KI-Anwendungen verschaffen. „Die nächste Generation der KI wird eine vielfältige Auswahl an Rechenleistung erfordern“, sagte er.

Workloads für Training und Inferenz

Die Ankündigung beschreibt Google-TPUs als speziell entwickelte Beschleuniger, die gemeinsam mit offener Software entwickelt wurden, um den gesamten KI-Lebenszyklus abzudecken – vom Training von Spitzenmodellen und Inferenz in großem Maßstab bis hin zu den datenintensiven Anforderungen mehrstufiger Schlussfolgerungen in agentischer KI. Die TPU-Architektur ist darauf ausgelegt, die KI-Rechenleistung pro Watt Strom zu maximieren, schnellen Zugriff auf Modelldaten zu ermöglichen und eine rasche Kommunikation zwischen den Chips sicherzustellen.

Der Mitteilung zufolge können Google-TPUs das Training großer Modelle und deren Nachtraining unterstützen, darunter dichte Modelle und Modelle mit Expertenmischung. Zudem eignen sie sich für die Inferenz im Produktivbetrieb bei Anwendungen für Schlussfolgerungen, agentische KI und lange Kontextfenster. Kunden können auf OCI Google-TPUs auswählen, die für ihre Workloads, Leistungsanforderungen und Kostenziele optimiert sind.

Architektur von TPU 8T und TPU 8I

Der Mitteilung zufolge baut Googles TPU-Portfolio auf mehr als einem Jahrzehnt der Entwicklung kundenspezifischer KI-Chips auf. Die TPU der achten Generation umfasst zwei speziell entwickelte Architekturen: TPU 8t für das Training und TPU 8i für die Inferenz. Laut Mitteilung verkürzt TPU 8t die Entwicklungszyklen von Spitzenmodellen von Monaten auf Wochen und bietet pro Pod nahezu die dreifache Rechenleistung der Vorgängergeneration. TPU 8i ist dagegen für die iterativen Aufgaben zahlreicher spezialisierter Agenten ausgelegt.

Google veröffentlichte die technischen Spezifikationen beider Systeme in einem Infrastruktur-Blogbeitrag vom 22. April 2026. Dem Beitrag zufolge bündelt TPU 8t 9.600 Chips in einem einzigen Superpod und erreicht damit eine Rechenleistung von 121 Exaflops sowie zwei Petabyte gemeinsam genutzten Speichers, der über Hochgeschwindigkeitsverbindungen zwischen den Chips angebunden ist. Der gemeinsame Speicher und die verdoppelte Bandbreite der Verbindungen sollen eine nahezu lineare Skalierung und eine maximale Systemauslastung ermöglichen. Google erklärte, dass sich mit der Software Pathways und JAX mehr als eine Million TPU-Chips in einem einzigen Cluster orchestrieren lassen. Außerdem könne das Virgo-Network-Fabric 134.000 TPUs in einem Rechenzentrum zu einem einzigen Fabric verbinden und mehr als eine Million TPUs an mehreren Rechenzentrumsstandorten zu einem Trainingscluster zusammenschalten.

Für TPU 8i heißt es in Googles Beitrag, dass der Chip den integrierten SRAM auf 384 MB verdreifacht, den Hochgeschwindigkeitsspeicher auf 288 GB erhöht und die Bandbreite der Verbindungen zwischen den Chips auf 19,2 Tb/s verdoppelt, während sich der Durchmesser des ICI-Netzwerks um mehr als 50 % verringert. Eine eigens entwickelte Collectives Acceleration Engine senkt die Latenz auf dem Chip um bis zu das Fünffache und minimiert so Verzögerungen bei Anfragen mit hoher Parallelität. Google zufolge bietet das Design bei der Inferenz eine um 80 % höhere Leistung pro Dollar als die Vorgängergeneration. Google erklärte im April, TPU 8t und TPU 8i würden seinen Cloud-Kunden in Kürze zur Verfügung stehen. Mit der Ankündigung vom 27. Oktober werden die Beschleuniger erstmals auch auf einer Hyperscale-Plattform außerhalb von Google verfügbar sein.