Google rozdělil své AI čipy na dva: jeden trénuje, druhý odpovídá. Nvidia má problém
Google na konferenci Cloud Next 2026 představil osmou generaci čipů TPU rozdělenou poprvé na dva specializované modely — tréninkový TPU 8t a inferenční TPU 8i. Výkon roste trojnásobně, cena za inferenci klesá o 80 %. Nvidia reaguje partnerstvím.
Google na své konferenci Cloud Next 2026 udělal něco, co v odvětví vlastních AI čipů ještě nikdo nezkusil. Místo jednoho univerzálního procesoru představil dva specializované — TPU 8t pro trénování modelů a TPU 8i pro inferenci, tedy pro generování odpovědí. Je to přímý útok na pozici Nvidie, která trhu s AI čipy dominuje. A akcie Googlu okamžitě vyskočily o 1,5 %.
Proč dva čipy místo jednoho
Dosud Google vyvíjel vždy jeden čip TPU, který zvládal obojí — trénink i inferenci. Osmá generace poprvé tuto logiku opouští. Důvod je pragmatický: trénování velkých jazykových modelů a odpovídání uživatelům jsou fundamentálně odlišné úlohy. Trénink vyžaduje brutální výpočetní sílu na dlouhé hodiny. Inference potřebuje nízkou latenci a efektivní práci s pamětí. Jeden čip nemůže být v obou disciplínách nejlepší.
TPU 8t, interně označený jako Sunfish, je tréninkový kolos navržený ve spolupráci s Broadcomem. Obsahuje dva výpočetní čipy, jeden I/O čiplet a osm zásobníků 12vrstvé paměti HBM3e. Jeden superpod s 9 600 čipy nabízí dva petabyty sdílené paměti a výkon 121 ExaFLOPS. Oproti předchozí generaci má 3× vyšší výpočetní výkon a 2,8× lepší poměr ceny a výkonu. V praxi to znamená, že trénink modelu, který dříve trval týdny, se může zkrátit na dny.
Inferenční čip, který mění ekonomiku AI služeb
TPU 8i s kódovým označením Zebrafish je inferenční specialista vyvinutý s MediaTekem. Na první pohled je jednodušší — jeden výpočetní čip, jeden I/O čip, šest zásobníků HBM3e. Pod kapotou je ale řada inovací, které mění pravidla hry. Trojnásobek paměti SRAM na čipu (384 MB) a 288 GB vysokorychlostní paměti HBM umožňují hostovat masivní KV cache přímo na křemíku. To eliminuje úzké hrdlo, které dnes zpomaluje velké jazykové modely při generování dlouhých odpovědí.
Meziprocesorová propustnost se zdvojnásobila na 19,2 Tb/s, průměr sítě se snížil o více než 50 % a nový Collectives Acceleration Engine (CAE) redukuje latenci na čipu až 5×. Výsledek? O 80 % lepší výkon za dolar oproti předchozí generaci. Google tvrdí, že firmy mohou při stejných nákladech obsluhovat téměř dvojnásobek zákazníků. Pro poskytovatele AI služeb je to argument, který nelze ignorovat.
Nvidia není nepřítel — je partner i konkurent
Zajímavé je, že Google zároveň oznámil strategickou spolupráci s Nvidií. Její nové čipy Vera Rubin poběží na platformě Google Cloud A5X. Google tak hraje na obě strany — nabízí vlastní čipy TPU jako levnější alternativu a současně zákazníkům zpřístupňuje nejnovější hardware od Nvidie. Pro podnikatele to znamená víc možností a tlak na snižování cen.
Signál důvěry v čipy TPU přichází i od samotných zákazníků. Anthropic, tvůrce modelu Claude, se zavázal k odběru výpočetní kapacity 3,5 gigawattu z čipů TPU od roku 2027. To je obrovské číslo, které naznačuje, že přinejmenším někteří z největších hráčů v AI vidí v čipech od Googlu reálnou alternativu k Nvidii.
Co to znamená pro váš byznys
Oba čipy budou vyráběny na nejmodernějším 2nm procesu od TSMC a dorazí na trh koncem roku 2027. To je sice vzdálený horizont, ale strategický signál je jasný už teď. Google buduje ekosystém, ve kterém mohou firmy provozovat AI aplikace výrazně levněji než na hardware od Nvidie. A nebude v tom sám — Amazon se svými čipy Trainium, Microsoft s vlastním křemíkem Maia a Meta s projektem MTIA jdou stejným směrem.
Pro české podnikatele, kteří zvažují nasazení AI ve svých firmách, je důležitý hlavně trend: cena za AI inferenci klesá. Každá nová generace čipů — ať už od Googlu, Nvidie, nebo kohokoliv jiného — tlačí náklady dolů. Pokud dnes váháte, zda se AI vyplatí pro váš objem zákazníků, za rok a půl může být odpověď výrazně jiná. Sledujte, kolik budete platit za API volání u svého poskytovatele — tam se projeví dopad těchto čipů nejdříve.
Google novou generací čipů TPU jasně říká: budoucnost AI infrastruktury není v univerzálních procesorech, ale v specializovaném křemíku navrženém přesně pro konkrétní úlohu.
Konference Cloud Next 2026 přinesla i další novinky — Google přejmenoval svou platformu Vertex AI na Gemini Enterprise Agent Platform, čímž jasně signalizuje posun od obecných AI nástrojů k agentickým systémům pro firmy. Osmá generace TPU je ale to, co může skutečně změnit ekonomiku celého odvětví. Ne dnes, ale v horizontu, na který se vyplatí připravit.