Oracle erbjuder Googles TPU:er som första molnleverantör i hyperskalig skala utanför Google

Oracle och Google meddelade den 27 oktober 2026 att Googles Tensor Processing Units (TPU:er) kommer att erbjudas via Oracle Cloud Infrastructure (OCI). Det är första gången Googles TPU:er erbjuds på en hyperskalig molnplattform utanför Google. Företagen offentliggjorde nyheten på Oracle AI World i Las Vegas och uppgav att Googles TPU:er på OCI blir tillgängliga under kalenderåret 2027, med en stegvis utbyggnad under flera år för att möta kundernas behov.

Enligt upplägget ska OCI tillhandahålla elkraft, kylning och datacenternätverk för att driftsätta Googles TPU:er i stor skala i sin infrastruktur. I tillkännagivandet uppges att tillägget av Googles specialutvecklade TPU:er till OCI:s portfölj av AI-beräkningsresurser ger kunderna flexibilitet att matcha sina mest krävande arbetsbelastningar med infrastruktur som utformats för nära nog linjär skalbarhet och mycket kostnadseffektiv drift.

”Olika AI-arbetsbelastningar har olika beräkningsbehov”, sade Mahesh Thiagarajan, vd för Oracle Cloud Infrastructure på Oracle. ”Genom att ta Googles TPU:er till OCI får kunderna tillgång till flera ledande AI-beräkningsarkitekturer i ett och samma moln. Det ger dem flexibilitet att välja rätt infrastruktur utifrån varje AI-arbetsbelastnings krav på prestanda, genomströmning och kostnadseffektivitet.”

Amin Vahdat, senior vice president och teknikchef för AI & Infrastructure på Google, sade att TPU:er ger kunderna ett specialutvecklat alternativ för krävande tränings- och inferensarbetsbelastningar, och att tillgången till dem via OCI gör tekniken tillgänglig för fler organisationer och ger större flexibilitet när de bygger och kör sina mest komplexa AI-applikationer. ”Nästa generation AI kommer att kräva ett brett utbud av beräkningsresurser”, sade han.

Arbetsbelastningar för träning och inferens

I tillkännagivandet beskrivs Googles TPU:er som specialutvecklade acceleratorer som tagits fram tillsammans med öppen programvara för att driva hela AI-livscykeln – från träning av banbrytande modeller och inferens i stor skala till de datakrav som uppstår vid flerstegsresonemang i agentbaserad AI. TPU-arkitekturen är utformad för att maximera AI-beräkningarna per watt el, ge snabb åtkomst till modelldata och möjliggöra snabb kommunikation mellan chip.

Enligt pressmeddelandet kan Googles TPU:er användas för träning och efterträning av stora modeller, däribland täta modeller och mixture-of-experts-modeller, samt för inferens i produktionsmiljöer för resonemang, agentbaserade system och applikationer med lång kontext. Kunderna kommer att kunna välja Googles TPU:er inom OCI, optimerade för deras arbetsbelastningar, prestandakrav och kostnadsmål.

Arkitekturen hos TPU 8T och TPU 8I

I pressmeddelandet står det att Googles TPU-portfölj bygger på mer än ett decennium av utveckling av specialanpassade AI-chip och att åttonde generationens TPU introducerar två specialutvecklade arkitekturer: TPU 8t för träning och TPU 8i för inferens. Enligt uppgifterna kortar TPU 8t utvecklingscyklerna för banbrytande modeller från månader till veckor och ger nästan tre gånger högre beräkningsprestanda per pod än föregående generation, medan TPU 8i är utformad för att hantera det iterativa arbetet hos många specialiserade agenter.

Google redogjorde för de tekniska specifikationerna för båda systemen i ett infrastrukturblogginlägg från den 22 april 2026. Enligt inlägget rymmer TPU 8t 9 600 chip i en enda superpod och levererar en beräkningskapacitet på 121 exaflop samt två petabyte delat minne, sammankopplat via snabba förbindelser mellan chippen. Det gemensamma minnet och den fördubblade bandbredden mellan chippen är avsedda att möjliggöra nära nog linjär skalning och maximalt systemutnyttjande. Google uppgav att företagets programvara Pathways och JAX kan samordna mer än en miljon TPU-chip i ett enda kluster och att nätverksstrukturen Virgo Network kan ansluta 134 000 TPU:er till ett enda nätverk i ett datacenter och mer än en miljon TPU:er från flera datacenter till ett träningskluster.

För TPU 8i uppger Google i sitt inlägg att chipet tredubblar det inbyggda SRAM-minnet till 384 MB, ökar mängden högbandbreddsminne till 288 GB och fördubblar bandbredden mellan chippen till 19,2 Tb/s, samtidigt som ICI-nätverkets diameter minskar med över 50 procent. En särskild Collectives Acceleration Engine minskar latensen på chipet med upp till fem gånger för att begränsa fördröjningen vid förfrågningar med hög samtidighet. Enligt Google ger konstruktionen 80 procent bättre prestanda per dollar för inferens än föregående generation. I april uppgav Google att TPU 8t och TPU 8i snart skulle bli tillgängliga för företagets molnkunder; tillkännagivandet den 27 oktober utökar tillgängligheten för acceleratorerna till en hyperskalig plattform utanför Google för första gången.