Google Apresenta TPU 8tx e 8i Max Com Foco Em Confidencialidade E Contexto Longo

O Google anunciou na segunda-feira, 9 de novembro, duas novas configurações de TPU que fecham a primeira entrega de quatro sistemas de acelerador em um único ano na história do programa: a 8tx, para inferência confidencial em ambientes regulados com CPUs AMD EPYC de quinta geração, e a 8i Max, com dois chips em um pacote para janelas de contexto longo. Ambas entram em produção em 2027.

O anúncio, assinado pelo vice-presidente de IA e infraestrutura Amin Vahdat, completa a oitava geração revelada em abril, no Google Cloud Next: TPU 8t para treinamento e 8i para raciocínio em tempo real. A família já soma quase 100 clientes, de laboratórios de fronteira a universidades.

Quatro Sistemas Em Um Só Ano

A ampliação vem com números: a 8t entrega até 2,7 vezes mais performance de treinamento que a geração anterior, e a 8i melhora em 80% a relação entre custo e desempenho em inferência. A estratégia é de modularidade — o mesmo silício recebe embalagem, memória, rede e segurança diferentes para cada etapa do ciclo de vida da IA, do pré-treinamento ao agent em produção.

Vale a continuidade: em agosto, a SemiAnalysis reportou uma TPU híbrida Google-AMD com CPU e tensor no mesmo pacote, sem confirmação oficial. O anúncio desta semana confirma a parceria pela via de sistema — a EPYC hospedeira segue em chip separado.

TPU 8tx: Inferência Confidencial Com Amd

A 8tx é o terceiro sistema da oitava geração e nasce para empresas reguladas e governos que rodam modelos proprietários e agentes autônomos ao lado de dados sensíveis. No nível do hardware, ela mantém dados e pesos protegidos mesmo durante o processamento — a etapa em que a memória precisa ser decifrada. A placa usa o mesmo silício da 8t, pareia com CPUs AMD EPYC de quinta geração e usa a rede Boardfly, com até 2 vezes menos latência que a 8t e penalidade próxima de zero. Treinamento e inferência cabem no mesmo sistema: ajustar modelos com dados privados, destilá-los e treinar agentes por reforço não exige migrar informações entre clusters.

"Quatro sistemas de TPU em um único ano — a primeira vez que o Google entrega quatro configurações de acelerador na mesma geração." — Google Cloud, 9 de novembro

TPU 8i Max: O Dobro De Cálculo No Mesmo Rack

O segundo produto ataca o muro de memória: quando dezenas de agentes trabalham juntas em um codebase inteiro ou horas de vídeo, a banda de memória vira o gargalo. A 8i Max une duas 8i de baixa latência em um pacote único e dobra cálculo, SRAM e largura de banda de HBM. Com o dobro de silício na mesma pegada de rack, o data center ganha mais computação por metro quadrado e por watt — a configuração indicada para contextos de tokenes em massa.

Pilha Aberta E Impacto Na Corrida

O hardware vem com software aberto: o TorchTPU, aberto no mês passado, roda PyTorch e modelos do Hugging Face nativamente em TPU, com backends para vLLM e SGLang; o Agent Compute Engine suspende sessões ociosas de agentes; e o TPU Sync corta mais de 90% do tempo até o primeiro token em transferências de KV cache. Cloud Pathways e o dynamic slicing do GKE já estão GA.

Para o mercado, é a resposta direta da Google à Nvidia: especializar o acelerador por caso de uso e reduzir a barreira de quem já escreveu código para GPU. Em 2027, com as duas novas TPUs nos clientes, a disputa valerá por confidencialidade e densidade de contexto.