Google TPUv7 Ironwood to mocarz AI, ale na rynek nie trafi. Znowu wygrywa NVIDIA

Procesory Google TPU Ironwood (7. generacji) zrobiły furorę w świecie AI. Jednostki Ironwood, zoptymalizowane pod kątem inferencji, są łakomym kąskiem dla gigantów takich jak Meta czy Anthropic, które chciałyby zintegrować układy ASIC w swoich centrach danych. Jest tylko jeden, potężny problem: Google nie ma szans na masową produkcję. Wszystko przez największy bottleneck branży AI.

Odkąd Google zapowiedziało, że udostępni swoje autorskie układy TPU Ironwood zewnętrznym klientom, analitycy wieszczą małą rewolucję. TPUs, dzięki przewadze w wydajności i niższym TCO (czyli Total Cost of Ownership), miały wreszcie stanowić realną konkurencję dla NVIDIA. Niestety, ten plan może spalić na panewce z powodu problemów leżących daleko poza technologią samego czipu.

Według najnowszych raportów, Gigant z Mountain View ma ogromne trudności z zabezpieczeniem dostaw zaawansowanego montażu chipów od kluczowych dostawców, takich jak TSMC. To technologia, która jest absolutnie niezbędna do masowej produkcji TPUv7. Kluczowym elementem integracji układów jest proces Chip-on-Wafer-on-Substrate. W przypadku TPUv7 Google zastosowało zaawansowaną konstrukcję MCM (Multi-Chip Module). Zamiast monolitycznego rdzenia, Ironwood integruje wiele mniejszych struktur krzemowych na jednym krzemowym interposerze, co pozwala na ogromną skalowalność i ultraniskie opóźnienia komunikacji (D2D).

Cała ta architektura – ta cała moc obliczeniowa – wymaga jednak zaawansowanych metod integrowania. A tu pojawia się ściana. TSMC, dysponent kluczowej technologii CoWoS, ma już w pełni zajęte moce przerobowe. Głównymi klientami blokującymi sloty są Apple i NVIDIA. Google, które jest relatywnie nowym graczem, jeśli chodzi o wolumen produkcji, znajduje się na samym końcu kolejki. Analitycy z Fubon Research już teraz przewidują, że dostawy Google TPU w 2026 roku będą znacznie niższe niż pierwotnie oczekiwano. Problem z CoWoS jest po prostu zbyt duży, by go zignorować. To oznacza, że choć układy są niesamowicie wydajne, ich globalne skalowanie na rynku zewnętrznym zatrzyma się, zanim na dobre się rozpocznie.

Czy Google jest bezradne? Niekoniecznie. Spekuluje się, że firma szuka alternatywnych partnerów do pakowania, takich jak Intel (mówi się o rozwiązaniach EMIB-T) lub Amkor. Na razie jednak rynek AI pozostaje wysoce nieprzewidywalny, a w kontekście dostępności sprzętu, zyski wciąż liczy NVIDIA.