Google Cloud于近日正式推出了其第七代张量处理单元（Tensor Processing Unit，简称TPU）——Ironwood。这款专为人工智能（AI）推理工作负载设计的定制AI加速器，据Google声称，在大规模部署时，能提供超过当前世界最快超级计算机24倍的计算能力。Ironwood的发布标志着Google在长达十年的AI芯片开发战略上的一次重大转变。
在Google Cloud Next ’25大会上宣布的这一新芯片，无疑为Google的AI芯片发展之路树立了新的里程碑。以往各代的TPU主要针对训练和推理工作负载进行了双重设计，而Ironwood则是首个专为推理而生的芯片——即部署经过训练的AI模型以进行预测或生成响应的过程。
“Ironwood旨在支持AI生成的下一阶段及其巨大的计算和通信需求，”Google机器学习、系统和云AI部门的副总裁兼总经理Amin Vahdat在活动前的虚拟新闻发布会上表示，“我们称之为‘推理时代’，在这个时代，AI智能体将主动检索和生成数据，以协同提供见解和答案，而不仅仅是数据。”
Ironwood：打破计算壁垒
Ironwood的技术规格令人瞩目。当每个pod部署9,216个芯片时，它能提供42.5百亿亿次浮点运算（exaflops）的计算能力，远远超过了目前世界最快的超级计算机El Capitan的1.7百亿亿次浮点运算能力。每个Ironwood芯片都能达到4,614万亿次浮点运算的峰值计算能力。
此外，Ironwood在内存和带宽方面也实现了显著提升。每个芯片配备了192GB的高带宽内存（HBM），是Google去年宣布的前代TPU——Trillium的六倍。其内存带宽也达到了每芯片7.2太比特每秒（terabits per second），相比Trillium提升了4.5倍。
在电力受限的数据中心时代，Ironwood的性能功耗比也达到了新的高度。与Trillium相比，Ironwood的每瓦性能提升了两倍，而相比Google 2018年推出的首款云TPU，其能效更是提高了近30倍。“在当前电力供应成为提供AI能力约束之一的背景下，我们为客户工作负载提供了每瓦显著更多的容量，”Vahdat解释道。
从模型构建到“思考机器”
从训练转向推理的重点转移，标志着AI发展时间线上的一个重要转折点。多年来，业界一直专注于构建越来越大的基础模型，公司间主要在参数数量和训练能力上展开竞争。Google对推理优化的重视表明，我们正在进入一个以部署效率和推理能力为中心的新阶段。这一转变是合理的，因为训练只需进行一次，而推理操作在用户与AI系统交互时会每日发生数十亿次。
随着模型变得越来越复杂和计算密集，AI的经济性日益与推理成本挂钩。在新闻发布会上，Vahdat透露，Google观察到过去八年来，对AI计算的需求每年增长了10倍——总体增长了惊人的1亿倍。没有像Ironwood这样的专业架构，摩尔定律的进步也无法满足这一增长曲线。
特别值得注意的是，Google正专注于能够执行复杂推理任务的“思考模型”，而不仅仅是简单的模式识别。这表明，Google认为AI的未来不仅在于更大的模型，更在于能够分解问题、通过多个步骤进行推理并模拟人类思维过程的模型。
Gemini的思考引擎：Google下一代模型利用先进硬件
Google将Ironwood定位为其最先进AI模型的基础，包括具有“原生内置思考能力”的Gemini 2.5。在大会上，Google还宣布了Gemini 2.5 Flash，一个基于提示复杂性调整推理深度的更具成本效益的版本。Gemini 2.5 Pro旨在为药物发现和金融建模等复杂用例而设计，而Gemini 2.5 Flash则针对响应时间至关重要的日常应用。
此外，Google还展示了其完整的生成式媒体模型套件，包括文本到图像、文本到视频，以及新宣布的文本到音乐功能Lyria。一项演示展示了这些工具如何协同工作，以创建完整的音乐会宣传视频。
超越硅芯片：Google的全面基础设施战略涵盖网络和软件
Ironwood只是Google更广泛的AI基础设施战略的一部分。该公司还宣布了Cloud WAN，这是一种托管广域网服务，可为企业提供访问Google全球级私有网络基础设施的能力。“Cloud WAN是一个完全托管、可行且安全的企业网络主干，可提供高达40%的网络性能提升，同时降低同等比例的总拥有成本，”Vahdat说。
Google还在扩展其针对AI工作负载的软件产品，包括Pathways，这是由Google DeepMind开发的机器学习运行时。Pathways on Google Cloud允许客户在数百个TPU上扩展模型服务。
AI经济学：Google 120亿美元的云业务计划赢得效率之战
这些硬件和软件公告对Google Cloud而言至关重要，该公司在最新的收益报告中公布了2024年第四季度120亿美元的营收，同比增长30%。在云计算领域的战争中，AI部署的经济性正日益成为一个区分因素。
Google面临着来自Microsoft Azure和Amazon Web Services的激烈竞争。Azure通过与OpenAI的合作伙伴关系获得了强大的市场地位，而AWS则继续扩展其Trainium和Inferentia芯片产品。
Google方法的不同之处在于其垂直整合。竞争对手要么与芯片制造商合作，要么收购初创企业，而Google则十多年来一直在内部开发TPU。这赋予了Google对其AI堆栈从硅芯片到软件再到服务的无与伦比的控制。
通过将这项技术带给企业客户，Google押注其在搜索、Gmail和YouTube方面构建芯片的经验将转化为在企业市场上的竞争优势。其战略很明确：向任何愿意付费的人提供支持Google自身AI的基础设施，而且规模庞大。
多智能体生态系统：Google打造协同工作的AI系统大胆计划
除了硬件之外，Google还概述了一个以多智能体系统为中心的AI愿景。该公司宣布了Agent Development Kit（ADK），允许开发者构建多个AI智能体可以协同工作的系统。最重要的是，Google宣布了一个“智能体间互操作性协议”（A2A），使由不同框架和不同供应商构建的AI智能体能够相互通信。
“2025年将是过渡的一年，在这一年，生成式AI将从回答单个问题转变为通过智能体系统解决复杂问题，”Vahdat预测道。Google正在与包括Salesforce、ServiceNow和SAP在内的50多个行业领导者合作，以推进这一互操作性标准。
企业现实检验：Ironwood的功耗和效率对您的AI战略意味着什么
对于企业部署AI而言，这些公告可能会显著降低运行复杂AI模型的成本和复杂性。Ironwood的能效提升可能使运行高级推理模型更具经济性，而智能体互操作性协议可能有助于企业避免供应商锁定。
这些进步的实际影响不容忽视。许多组织一直因高昂的基础设施成本和能源消耗而不愿部署先进的AI模型。如果Google能够兑现其每瓦性能承诺，我们可能会看到在迄今为止仍处于观望状态的行业中出现新一轮AI采用浪潮。
多智能体方法对于被跨系统和供应商部署AI的复杂性所困扰的企业来说同样重要。通过标准化AI系统的通信方式，Google正试图打破限制AI在企业中发挥作用的壁垒。在新闻发布会上，Google强调，Next ’25上将分享超过400个客户故事，展示其AI创新的真实业务影响。
硅芯片军备竞赛：Google的定制芯片和开放标准将重塑AI的未来吗？
随着AI的发展，其基础设施将变得越来越关键。Google在Ironwood等专用硬件和智能体互操作性计划上的投资表明，该公司正在为AI变得更加分布式、更复杂和更深入融入业务运营的未来做准备。
“像Gemini 2.5和获得诺贝尔奖的AlphaFold这样的领先思考模型今天都运行在TPU上，”Vahdat指出，“有了Ironwood，我们迫不及待地想看到我们的开发人员和Google Cloud客户在它推出后能实现哪些AI突破。”
这些战略影响的范围超出了Google自身的业务。在推动智能体通信的开放标准的同时，Google在硬件方面保持专有优势，正试图在保持竞争优势的同时促进更广泛的生态系统繁荣（以Google基础设施为基础）。
在未来几个月里，关键因素将包括竞争对手对Google硬件进步的响应速度，以及行业是否会围绕提议的智能体互操作性标准联合起来。如果历史有迹可循，我们可以预计Microsoft和Amazon将推出自己的推理优化策略，可能会形成一场三方竞赛，以构建最高效的AI基础设施堆栈。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/google-fa-bu-xin-yi-dai-ironwood-xin-pian-xing-neng-chao
