Google ने एजेंटिक AI युग के लिए दो आठवीं पीढ़ी के TPU डिज़ाइन लॉन्च किए

Google अपनी TPU रणनीति को inference और training के बीच विभाजित कर रहा है

Google ने दो विशेषीकृत आठवीं पीढ़ी के TPU डिज़ाइन पेश किए हैं, यह तर्क देते हुए कि AI अवसंरचना का अगला चरण उन स्वायत्त एजेंटों से आकार लेगा जो तर्क करते हैं, योजना बनाते हैं और बहु-चरणीय कार्यों को पूरा करते हैं। Google ब्लॉग पर एक पोस्ट में, कंपनी कहती है कि TPU 8i विशेष रूप से AI एजेंटों को इतना तेज़ी से काम पूरा करने में मदद करने के लिए बनाया गया है कि उपयोगकर्ता अनुभव अच्छा बना रहे, जबकि TPU 8t प्रशिक्षण के लिए अनुकूलित है और एक ही विशाल मेमोरी पूल पर अत्यंत जटिल मॉडल चला सकता है।

यह घोषणा सिर्फ इसलिए उल्लेखनीय नहीं है कि Google नए चिप्स जारी कर रहा है, बल्कि इसलिए भी कि वह इन्हें एक नई वर्कलोड-आधारित कहानी के इर्द-गिर्द स्पष्ट रूप से संगठित कर रहा है। वर्षों से AI एक्सेलेरेटर की चर्चाएँ प्रशिक्षण और inference के पारंपरिक विभाजन पर केंद्रित रही हैं। Google इस भेद को बनाए रखता है, लेकिन inference पक्ष के एक हिस्से को पारंपरिक मॉडल सर्विंग के बजाय एजेंटों के आसपास पुनर्परिभाषित करता है। यह framing संकेत देती है कि कंपनी मानती है भविष्य की मांग अलग-अलग prompt-response इंटरैक्शनों से कम और उन प्रणालियों से अधिक होगी जो उपयोगकर्ताओं की ओर से कार्यों की श्रृंखला को अंजाम देती हैं।

दो विशेषीकृत TPU क्यों

Google का वर्णन एक सरल आधार पर टिका है: agentic AI की अवसंरचनात्मक माँगें frontier मॉडल प्रशिक्षण की माँगों जैसी नहीं हैं। एजेंटों को त्वरित प्रतिक्रिया चाहिए। यदि उनसे कार्यों पर विचार करने, टूल्स कॉल करने और workflows पूरे करने की अपेक्षा की जाती है, तो latency यह तय करने में महत्वपूर्ण हो जाती है कि अनुभव उपयोगी लगता है या नहीं। Google के अनुसार TPU 8i इसी जगह फिट होता है। इसे इस तरह डिज़ाइन किया गया है कि वे इंटरैक्शन व्यावहारिक तैनाती का समर्थन करने के लिए पर्याप्त तेज़ हों।

TPU 8t एक अलग समस्या का समाधान करता है। उन्नत मॉडलों के प्रशिक्षण के लिए अब केवल कच्ची compute ही नहीं, बल्कि ऐसी memory capacity भी चाहिए जो बड़े और अधिक जटिल सिस्टम सम्हाल सके। Google कहता है कि TPU 8t इसी भूमिका के लिए ट्यून किया गया है और एक ही विशाल memory pool पर बहुत जटिल मॉडल चला सकता है। यह दावा चिप को उन डेवलपर्स और संगठनों के लिए एक उपकरण के रूप में स्थापित करता है जो कामकाज को अवसंरचना में अत्यधिक खंडित किए बिना scale बढ़ाना चाहते हैं।

बड़ा stack भी संदेश का हिस्सा है

Google चिप्स को अपनी full-stack अवसंरचना कहानी के भीतर रखने में भी सावधानी बरत रहा है। ब्लॉग पोस्ट नए TPU को networking, data centers और ऊर्जा-कुशल संचालन से जोड़ती है, और उस व्यापक सिस्टम को ऐसे इंजन के रूप में वर्णित करती है जो अत्यधिक प्रतिक्रियाशील agentic AI को बड़े पैमाने के दर्शकों तक पहुँचा सकता है। यह framing महत्वपूर्ण है क्योंकि AI अवसंरचना में प्रतिस्पर्धा अब केवल चिप तक सीमित नहीं रह गई है। यह silicon, software, networking और power efficiency के उस एकीकृत प्लेटफ़ॉर्म में बदल गई है जिसे बड़े पैमाने पर खरीदा और तैनात किया जा सके।

Google के लिए यह एक रणनीतिक बढ़त है जिसे वह लंबे समय से रेखांकित करना चाहता है। कंपनी सिर्फ accelerator access नहीं बेच रही। वह एक vertically integrated वातावरण प्रस्तुत कर रही है, जिसमें custom chips को cloud services और बड़े पैमाने के machine learning सिस्टम चलाने के वर्षों के आंतरिक अनुभव के साथ जोड़ा गया है।

व्यवहार में “agentic” क्या संकेत देता है

“agentic era” वाक्यांश का उपयोग स्वयं बहुत कुछ बताता है। AI कंपनियाँ तेजी से ऐसे सिस्टम का प्रचार कर रही हैं जो केवल अनुरोध पर टेक्स्ट या इमेज बनाने से अधिक कर सकते हैं। आकांक्षा ऐसे सॉफ़्टवेयर की है जो कई चरणों में योजना बना सके, निर्णय ले सके और निष्पादन कर सके, अक्सर टूल्स या enterprise workflows तक पहुँच के साथ। चाहे विपणन किए गए हर “agent” का यह दावा सही बैठे या नहीं, अवसंरचना प्रदाता स्पष्ट रूप से इस श्रेणी को व्यावसायिक रूप से इतना महत्वपूर्ण मानते हैं कि हार्डवेयर रोडमैप को उसी अनुसार ढाला जा रहा है।

TPU 8i को एजेंटों के लिए चिप बताकर Google प्रभावी रूप से यह दांव लगा रहा है कि जटिल, बहु-चरणीय वर्कलोड में प्रतिक्रियाशीलता एक परिभाषित प्रदर्शन मापदंड बन जाएगी। यह पीक benchmark संख्याओं जितना ही महत्वपूर्ण हो सकता है। वास्तविक उपयोग में, जो एजेंट धीरे चलता है या chained tasks के बीच अटक जाता है, वह भले ही अंतर्निहित मॉडल मजबूत हो, फिर भी टूटा हुआ महसूस हो सकता है।

यह लॉन्च क्यों मायने रखता है

यह घोषणा दिखाती है कि सामान्य-purpose GPU माँग के हावी रहने के दौर के बाद AI हार्डवेयर कितनी तेज़ी से फिर से विशिष्ट हो रहा है। बाज़ार अब अलग-अलग जरूरतों के आधार पर विभाजित हो रहा है: विशाल मॉडलों का प्रशिक्षण, उन्हें सस्ते में सेवा देना, multimodal workloads संभालना और interactive agent सिस्टम सक्षम करना। Google की नई TPU जोड़ी इसी fragmentation को दर्शाती है।

यह भी दिखाता है कि अवसंरचना संदेश कैसे विकसित हुआ है। चिप लॉन्च अब केवल speedup या throughput लाभ के आधार पर नहीं बेचे जाते। उन्हें इस बात के विशिष्ट दृष्टिकोणों से जोड़ा जाता है कि AI का उपयोग कैसे होगा। इस मामले में, Google चाहता है कि ग्राहक ऐसी दुनिया की कल्पना करें जहाँ agents उपयोगकर्ताओं की ओर से कार्रवाई करें, और नीचे की अवसंरचना उन प्रणालियों के प्रशिक्षण और उनके तेज़ वास्तविक-समय निष्पादन, दोनों के लिए विशेष रूप से बनाई गई हो।

यदि यह दृष्टि सही साबित होती है, तो TPU 8i और TPU 8t केवल एक नियमित पीढ़ीगत अपडेट नहीं, बल्कि इस बात पर एक वास्तुशिल्प बयान होंगे कि AI की मांग अगली बार किस दिशा में बढ़ रही है।

यह लेख Google AI Blog की रिपोर्टिंग पर आधारित है। मूल लेख पढ़ें.