Масштабные планы Google на 2028 год
Согласно отчету Fubon Research, Google планирует развернуть от 12 до 15 миллионов ускорителей TPU 9-го поколения (v9) к 2028 году. Это решение основано на уверенности компании в эффективности новой архитектуры, которая будет включать четыре вычислительных чиплета (compute dies). Ожидается, что потребление вычислительных ресурсов в 2028 году превысит показатели 2027 года более чем вдвое.
Сравнение с Nvidia: битва за объемы
Если прогнозы аналитиков подтвердятся, Google может стать крупнейшим производителем AI-ускорителей в мире по количеству единиц, сравнявшись или превзойдя Nvidia. Ниже приведено сравнение прогнозируемых объемов поставок для 2028 года:
| Компания | Продукт | Прогноз объема (2028) | Примечание |
|---|---|---|---|
| TPU v9 | 12 – 15 млн шт. | 4 вычислительных чиплета на чип | |
| Nvidia | Data Center AI GPU | ~12.4 млн шт. | Рост с 8.2 млн в 2026 году |
Проблема производственных мощностей: TSMC vs Intel
Ключевой проблемой становится доступность производственных мощностей. Аналитики считают, что только TSMC не сможет обеспечить Google необходимым объемом производства. Для выполнения целей компания, вероятно, будет вынуждена использовать мощности Intel Foundry. Ранее сообщалось, что Google уже выделила Intel заказы на производство 3 миллионов TPU, тестируя передовые технологии упаковки чипов.
Использование Intel Foundry логично с технической точки зрения: разработка вычислительных чиплетов требует совместимости с технологией упаковки. Решения Intel (EMIB/EMIB-T) и TSMC (CoWoS-L) несовместимы, поэтому переход на Intel позволяет оптимизировать процесс сборки многокристальных модулей.
Стратегический сдвиг в индустрии AI
Рост объемов собственных чипов Google подчеркивает тренд на вертикальную интеграцию: крупные облачные провайдеры создают железо под свои стеки ПО и нагрузки, снижая зависимость от сторонних решений. Однако доминирование Nvidia остается сильным благодаря экосистеме CUDA. Конкуренция будет смещаться не только в «железо», но и в программное обеспечение, так как TPU используют альтернативный стек, конкурирующий с CUDA.
Источник: Tom's Hardware ↗
