„Market chatter suggests [Google] is working with AMD on a TPU project in the v10 generation“, heißt es in einem Analystenbericht von SemiAnalysis. Google hat sich bisher bei seinen Tensor Processing Units (TPUs) auf eigene Architekturen und Fertigungspartner wie Broadcom verlassen – nun soll AMD dazukommen.
Laut SemiAnalysis könnte AMD bei Verpackung und Chip-Integration helfen, aber auch mit seinen CPU-Kernen einen neuen TPU-Typ ermöglichen. Diese Hybrid-ASICs kombinieren KI-Beschleuniger mit allgemeinen Prozessorkernen und sind auf Reinforcement-Learning-Workloads ausgerichtet. Es wäre AMDs erstes großes Projekt für kundenspezifische KI-Chips – ein Feld, das Broadcom dominiert.
Was ist eine TPU und warum sind CPU-Kerne relevant?
Eine TPU ist ein Chip für maschinelles Lernen, optimiert auf Matrixmultiplikationen und neuronale Netze. Anders als GPUs, die vielseitiger sind, arbeiten TPUs gezielt für Training und Inferenz von Deep-Learning-Modellen. Google nutzt sie seit Jahren in Rechenzentren, etwa für Sprachassistenten und Suchalgorithmen.
Moderne KI-Modelle werden komplexer. Reinforcement Learning, also Lernen durch Belohnung, braucht neben Matrixoperationen auch sequenzielle Berechnungen und Entscheidungslogik. CPU-Kerne können diese Aufgaben flexibel übernehmen, wenn sie direkt auf dem TPU-Paket sitzen. So lassen sich gemischte Workloads effizienter verarbeiten.
AMDs Rolle: Expertenwissen bei Verpackung und Integration
AMD hat fortschrittliche Chip-Verpackungstechniken entwickelt. Die 3D-V-Cache-Chips und Chiplet-Designs basieren auf SoIC (System on Integrated Chip), bei der Bausteine vertikal gestapelt werden. Dieses Know-how könnte Google für seine nächste TPU-Generation nutzen.
SemiAnalysis betont, dass AMD starkes IP bei Verpackung hat. Die Zen-CPU-Kerne sind leistungsfähig und energieeffizient. Google könnte sie lizenzieren oder mit AMD integrieren. Broadcom hat Erfahrung mit ASICs, aber nicht mit komplexen CPU-Integrationen.
Warum Google auf eigene Designs setzt – und das jetzt ändert
Googles TPU-Strategie ist eigenständig. Anstatt fertige Chips einzukaufen, entwickelt das Unternehmen seit 2015 eigene Beschleuniger. Das spart Kosten und verringert Abhängigkeiten. Der Design-Prozess ist komplex und braucht spezialisierte Partner.
Broadcom war bisher der Partner für Integration und Fertigung. Doch Reinforcement Learning und agentische KI verlangen nach neuer Architektur. CPU-Kerne direkt auf dem TPU zu platzieren, ist anspruchsvoll, aber logisch. So können Daten ohne Umweg über On-Package-Verbindungen fließen – das senkt Latenz und Energieverbrauch.
Was bedeutet das für AMD und die KI-Chip-Industrie?
Für AMD wäre dieser Auftrag ein Prestigegewinn. Bisher war das Unternehmen vor allem als GPU-Hersteller mit der MI300-Serie aktiv. Bei kundenspezifischen ASICs für Hyperscaler spielte es kaum eine Rolle. Ein Deal mit Google könnte weitere Kunden wie Microsoft oder Meta öffnen.
Das zeigt die Bedeutung hybrider Architekturen. KI-Hardware kombiniert zunehmend verschiedene Verarbeitungsstärken. Nvidia macht mit Grace-Hopper und Grace-Blackwell ähnliches, wo ARM-CPUs und GPUs eng verzahnt sind. Google würde sich mit einer hybriden TPU einreihen.
Die Herausforderungen bleiben – von Fertigung bis Software
Die Pläne sind vielversprechend, aber die Hürden sind groß. Die Integration von CPU-Kernen auf einem KI-Beschleuniger erfordert Hardware-Wissen und eine passende Software-Umgebung. Google müsste seine TensorFlow- und JAX-Frameworks anpassen, damit Entwickler die Hybrid-Architektur nutzen können. Das ist ein großer Aufwand.
Die Fertigung ist teuer und riskant. Niedrige Yield-Raten und Lieferkettenprobleme können den Zeitplan sprengen. Im KI-Bereich ändern sich Modelle schnell, eine späte Markteinführung könnte den Vorteil kosten. Analysten erwarten die TPU v10 frühestens in der zweiten Hälfte des Jahrzehnts.
Was das konkret für uns bedeutet
Für Technikinteressierte zeigt das, wie dynamisch die Chip-Industrie ist. Ein einzelner Hersteller gibt nicht mehr den Ton an. Google, AMD, Nvidia und Microsoft arbeiten an eigenen oder partnerschaftlichen Lösungen. Das bringt mehr Vielfalt und potenziell günstigere, effizientere KI-Systeme.
Solche Kooperationen haben auch wirtschaftliche Effekte. AMD könnte einen neuen Geschäftsbereich erschließen und im KI-Markt aufholen, den Nvidia dominiert. Google sichert sich gegen Abhängigkeit ab. Anwender profitieren von schnelleren und sparsameren KI-Anwendungen.
Ob sich die Partnerschaft bestätigt, bleibt abzuwarten.
Quelle: tomshardware.com
