Google最新一代自研人工智能基础设施正在吸引越来越多外部客户关注，该公司据悉已经开发出两款全新第八代张量处理单元（TPU），分别面向大模型训练和大规模推理两大场景。 新一代产品中，TPUv8ax“Sunfish”主要用于训练如 Gemini 等大型模型，而 TPUv8x“Zebrafish”则针对云端大规模模型推理进行优化，形成一套分工明确的内部加速平台。
在面向训练的 TPUv8ax 项目上，Google继续与博通合作，由博通定制设计团队负责从芯片到封装的一体化方案，包括核心逻辑、电源与内存子系统以及配套硬件设计，为Google交付可直接部署于其大规模数据中心的成品芯片。 通过这一模式，Google在保持高度定制化能力的同时，减少了自建完整芯片设计团队的投入，加快了新一代训练平台的落地节奏。
面向推理的 TPUv8x“Zebrafish”则引入了联发科作为合作方，不过角色更加聚焦在封装与支撑芯片等环节。 报道称，Google在该项目中直接向晶圆厂和内存供应商采购晶圆与高带宽内存，由联发科协助完成部分周边芯片和封装设计，以弥补Google在封装工艺与相关支撑芯片设计上的经验短板，同时将核心架构设计更多掌握在内部团队手中，从而在自研与外协之间取得平衡。
目前 TPUv8 系列的具体性能参数和内存容量尚未公开，但业内普遍预期，其性能将较前一代 TPUv7“Ironwood”实现新一轮跃升。 作为对比，TPUv7 在 FP8 精度下提供约 4614 TFLOPS 计算性能，并配备 192 GB HBM 内存，在同代专用 AI 加速器中处于高位水准，这也为新一代产品树立了明确的提升基线。
随着算力供给能力增强，Google云 TPU 已成为多家前沿 AI 公司的主要基础设施之一。 Ilya Sutskever 创立的初创公司 Safe Superintelligence Inc.（SSI）被曝已与Google云合作，采用 TPUv7 作为其下一代模型的训练平台；与此同时，Anthropic 也在近期扩大了对Google云 TPUv7 的使用范围，使部分 Claude 模型推理任务转移到“Ironwood”集群上执行。
外部需求的快速增长，使得Google内部评估认为，未来将向客户提供数量以百万计的 TPU 节点，这些设备被设计用于大规模横向扩展，兼顾训练与推理性能以及总体拥有成本。 报道指出，Google最新一代 Gemini 3 模型已经完全在 TPU 平台上完成训练，并且仅部署在 TPU 集群上提供服务，不再依赖英伟达或 AMD 的 GPU 加速器，这也被视为Google在自研 AI 基础设施战略上的一个重要里程碑。