O Google lança de uma só vez dois modelos de TPU, separando pela primeira vez os chips de treinamento e inferência, e expande amplamente agentes de IA corporativos

A Google Cloud, subsidiária da Alphabet, fez diversos anúncios na sua conferência anual para desenvolvedores, lançando simultaneamente uma nova geração de chips próprios e ferramentas empresariais de agentes de IA, iniciando um ataque duplo de hardware e software contra Nvidia, OpenAI e Anthropic.

Na quarta-feira, horário local, durante o Google Cloud Next 2026 em Las Vegas, a Google Cloud lançou dois novos processadores da oitava geração de unidades de processamento tensorial (TPU): o TPU 8T, projetado especialmente para treinamentos de modelos de IA, e o TPU 8i, otimizado para a fase de inferência, ambos previstos para serem disponibilizados ainda este ano. É a primeira vez que o Google separa tarefas de treinamento e inferência em chips independentes, marcando uma mudança significativa em sua estratégia de hardware de IA.

Ao mesmo tempo, o Google também lançou uma série de ferramentas para desenvolvimento de agentes de IA, como a Gemini Enterprise Agent Platform, mirando diretamente o mercado de automação para empresas.

A chegada dos novos chips coincide com a rápida expansão da demanda por inferência de IA. Mark Lohmeyer, vice-presidente de computação em nuvem e infraestrutura de IA da Google Cloud, afirmou: "O essencial é como alcançar a menor latência de resposta ao menor custo por transação. O volume de transações está crescendo rapidamente, e o custo por transação precisa cair muito para viabilizar o crescimento em escala." Os novos chips serão oficialmente disponibilizados ainda este ano.

Separação de treinamento e inferência, desempenho dos chips salta

A divisão da oitava geração de TPUs em dois produtos independentes é uma resposta direta à crescente diversificação das cargas de trabalho em IA.

Amin Vahdat, vice-presidente sênior e CTO de IA e infraestrutura do Google, escreveu em seu blog: "Com o surgimento dos agentes de IA, avaliamos que o setor se beneficiará de chips otimizados especificamente para as necessidades de treinamento e inferência."

O TPU 8t é otimizado para treinamento de modelos de IA, afirmando ser capaz de 'reduzir os ciclos de desenvolvimento de modelos de ponta de meses para semanas'.

Em termos de desempenho, o TPU 8t oferece 124% mais eficiência por watt em relação à geração anterior, e o TPU 8i, 117%. Comparado ao TPU Ironwood da sétima geração lançado em novembro passado, o TPU 8t proporciona um desempenho 2,8 vezes melhor pelo mesmo preço, enquanto o TPU 8i é 80% mais eficiente.

O chip de treinamento TPU 8t pode combinar até 9.600 unidades em um único sistema; segundo o Google, em implantações de sistemas tão grandes, a energia elétrica se tornou o principal limitador dos data centers, tornando a eficiência energética fator crucial.

O TPU 8i é voltado principalmente para cenários de inferência, ideal para execução de modelos de IA e tarefas de agentes inteligentes. Sua arquitetura foca em alta capacidade de memória integrada. Cada chip possui 384MB de SRAM (memória estática de acesso aleatório), três vezes mais que a geração anterior Ironwood.

Ambos os chips estão programados para serem disponibilizados ao mercado no final de 2026.

O CEO da Alphabet, Sundar Pichai, declarou em um blog que a arquitetura foi projetada para "oferecer uma alta taxa de transferência e baixa latência necessária para rodar milhões de agentes simultaneamente, de uma forma economicamente viável". O aumento da memória integrada significa que o chip não precisa buscar dados externos frequentemente, algo essencial para tarefas de IA que exigem múltiplos passos de raciocínio.

Plataforma de agentes de IA expandida, mira OpenAI e Anthropic

No campo do software, o Google lançou um conjunto completo de ferramentas empresariais para agentes de IA, enfrentando de frente as estratégias de OpenAI e Anthropic no mercado corporativo.

Segundo a Bloomberg, fundadores de várias startups disseram que engenheiros do Vale do Silício costumam alternar entre o Claude Code da Anthropic e o Codex da OpenAI para ferramentas de programação em IA, raramente considerando o Google—situação que preocupa bastante a liderança da empresa.

O CEO da Google Cloud, Thomas Kurian, declarou em seu blog: "Não se trata apenas de oferecer serviços avulsos que possam ser integrados, mas sim de fornecer uma estrutura completa para inovação."

A nova Gemini Enterprise Agent Platform acrescentou os recursos Memory Bank e Memory Profile, ajudando agentes a se lembrarem de interações passadas com usuários, resolvendo a limitação de memória das primeiras ferramentas de IA; o recurso Agent Simulation permite que desenvolvedores testem melhor as ferramentas antes do lançamento.

O Google também lançou a plataforma colaborativa Projects, que integra informações do Workspace, Microsoft OneDrive e de chats corporativos internos, oferecendo aos agentes o contexto necessário. Além disso, apresentou o Gemini Enterprise para funcionários comuns, posicionando como um "assistente de IA para cada funcionário", onde o usuário não precisa escrever código para criar agentes.

Adoção do TPU acelera, parceria com Nvidia avança em paralelo

Embora o Google esteja aumentando o investimento em chips próprios, sua parceria com a Nvidia continua ininterrupta.

Mark Lohmeyer afirmou que o Google pretende ser um dos primeiros a implantar a nova geração de chips da Nvidia no segundo semestre deste ano, ao mesmo tempo em que seguirá atendendo clientes que querem usar sistemas Nvidia.

Enquanto isso, a adoção comercial dos TPUs da Google está acelerando.

O fundo de hedge Citadel Securities já construiu software de pesquisa quantitativa baseado em TPU do Google; todos os 17 laboratórios nacionais do Departamento de Energia dos EUA utilizam software de cientista colaborativo de IA baseado em TPU. A Meta assinou um acordo multibilionário de longo prazo para uso de TPUs do Google, e a Anthropic já se comprometeu a utilizar capacidade computacional de TPUs da Google na escala de gigawatts.

Segundo analistas da DA Davidson, em setembro do ano passado, o valor combinado dos negócios de TPU e do departamento de IA DeepMind do Google ultrapassava US$ 900 bilhões.

Vale notar que o Google não comparou diretamente o desempenho dos novos chips com produtos Nvidia. Por sua vez, a Nvidia lançará em breve uma nova linha que irá incorporar tecnologia adquirida na compra da Groq por US$ 20 bilhões, especialmente voltada para inferência de IA de ultra baixa latência.

O CEO da Nvidia, Jensen Huang, afirmou anteriormente que mais de 20% das cargas de trabalho em IA podem ser melhor manejadas por esse tipo de chip. A Groq foi fundada em 2016 por um grupo de ex-engenheiros do Google.

Para expandir ainda mais a disponibilidade dos TPUs, o Google está testando a implementação dos chips em data centers de clientes e promovendo compatibilidade com ferramentas de software de terceiros. No entanto, gargalos de fornecimento de chips e o descompasso entre rápidas iterações de modelos de IA e os ciclos de desenvolvimento de chips de vários anos continuam sendo desafios significativos para expansão em escala.