Google планирует выпускать до 15 млн ИИ-чипов TPU в год для конкуренции с Nvidia

Базой станет TPU девятого поколения, дебютирующий в том же 2028-м. Цифры неофициальные, но масштаб цели уже виден из производственной логистики.

Под капотом: чиплетная компоновка

TPU v9 — четыре вычислительных кристалла на одном пакете. Чиплетный тренд, тот же, что у AMD и Nvidia: на одной подложке несколько крупных dies, связанных через межсоединения. Производство таких сборок требует передовой упаковки — CoWoS-L у TSMC или EMIB/EMIB-T у Intel.

Архитектура меняет экономику кремния: один пакет даёт больше FLOPS на единицу площади, но добавляет больше точек отказа. Выход годных падает, контроль параметров усложняется. Для четырёхчиплетной конфигурации нужна зрелая экосистема 2.5D-упаковки и отлаженная маршрутизация сигнала между кристаллами.

Производственный потолок

TSMC в одиночку заказ не вытянет. Источник прямо называет вероятность подключения Intel Foundry. Проблема — несовместимость стеков упаковки: EMIB и EMIB-T у Intel не имеют прямой интероперабельности с CoWoS-L от TSMC. Google придётся либо выбирать между двумя производственными трассами, либо дублировать дизайн под обе технологии.

Это узкое место всего плана. Любая задержка на линии advanced packaging съедает таргет по объёму. Десять лет собственных разработок ещё не означают готовности к выпуску в масштабах Nvidia — кремний делается на чужих фабах, и их пропускная способность конечна.

Объём против производительности

Сравнительных тестов TPU v9 с Nvidia Rubin и Rubin Ultra пока нет. Ориентир по Nvidia: 8,2 млн GPU для ЦОД в 2026-м, рост до 12,4 млн к 2028-му. Если Google достигает нижней границы своего коридора, два игрока сравниваются по валу поставок.

Это смещение конкурентного поля — не гигафлопс на чип, а количество развёрнутых ускорителей в проде. Контроль над собственной инфраструктурой вместо зависимости от внешнего поставщика. Стратегия облачного бизнеса, а не просто оптимизация под рабочие нагрузки.

Незакрытые вопросы

— Подтверждённая спецификация TPU v9: тип памяти, пропускная способность, интерконнект, точные TDP и FLOPS на пакет.

— Цена за чип и совокупная стоимость владения в сравнении с Nvidia Rubin.

— Распределение объёмов между TSMC и Intel Foundry, маршрут упаковки.

— Бенчмарки на реальных inference-нагрузках, а не пиковые маркетинговые числа.

— Влияние на закупки Nvidia: параллельные поставки GPU сохранятся или сворачиваются.

Рынок ИИ-кремния вступает в фазу, где выигрывает не тот, у кого быстрее ядро, а тот, кто первым развернёт миллионы единиц. Осталось дождаться, хватит ли у TSMC и Intel мощностей, чтобы заголовок стал производственным планом, а не утечкой о намерениях.