11月9日，谷歌发布两款第八代TPU：主打单机柜最高算力密度的TPU 8i Max，与支持机密推理的TPU 8tx。这是谷歌十余年来首次一年推出4款TPU，加上4月的8t与8i，第八代产品线覆盖智能体全生命周期。
8i Max：把两颗芯片塞进一个封装
8i Max解决的是内存墙。当几十个智能体同时处理整个代码库或数小时视频时，瓶颈不在算力而在内存带宽。谷歌的做法很直接：把两颗低延迟的TPU 8i芯片封装在同一个模块上，算力、SRAM、HBM带宽全部翻倍。
关键在于它没有变大。双芯封装沿用现有单机柜尺寸，等于同样一柜塞进两倍硅片，每平方英尺、每瓦的算力密度随之翻倍。谷歌称这套系统是为Gemini的百万Token上下文设计的——约合75万词、1500页文本，需要芯片反复调阅海量数据而不卡顿。
| 型号 | 定位 | 关键指标 |
|---|---|---|
| TPU 8t | 大规模训练 | 训练性能较上代最高2.7倍 |
| TPU 8i | 实时推理 | 推理性价比提升80% |
| TPU 8tx | 机密推理与小规模训练 | 延迟较8t最高降50%，硬件级加密 |
| TPU 8i Max | 超大上下文、单柜最高密度 | 算力、SRAM、HBM带宽均为8i的2倍 |
8tx：数据在运算中也不解密
常规云计算的加密只覆盖存储与传输，数据进入内存参与运算时必须解密，这是机密计算长期的缺口。8tx把这层保护做进硬件：敏感数据与模型权重在使用状态下依然加密并隔离，面向受监管行业与政府客户。
它的底子是8t的同款芯片，搭配第五代AMD EPYC CPU主机，并复用为8i打造的Boardfly低延迟网络。谷歌给出的数据是：相比8t延迟最高降低一半，性能损耗几乎可以忽略。训练级算力加推理级网络，意味着客户可以在同一套系统里微调、蒸馏、做强化学习，不必把敏感数据搬到另一个集群。
真正的变化：不流新片，只改封装
这次发布最值得注意的不是参数，而是方法。两款新品都没有新流片，靠的是封装、内存配置、主机CPU与光网络的重新组合。芯片从立项到量产通常要数年，而调整封装只需数月——这让谷歌能在一年内凑齐四款产品，把「一个通用芯片打天下」换成「一套底座派生多个型号」。
配套的软件动作同样密集：上月开源TorchTPU，PyTorch代码与Hugging Face模型可原生跑在TPU上；vLLM、SGLang等主流推理引擎有了官方后端；新开源TPU agent套件可直接接入Claude Code、Cursor等编程工具。
XLA Serving Engine则支持用Python训练、以C++低延迟服务部署。谷歌还推出Agent Compute Engine，能在毫秒级暂停空闲智能体会话、把工作内存移出芯片，减少等待工具调用时的算力空转。
生态侧的动作更直接：TPU云业务已服务近100家外部客户，甲骨文OCI也开始提供TPU——这是谷歌自研芯片首次登上竞争对手的公有云。一块原本封闭的自用算力，正在变成可外销的第三方供给。
定制芯片的竞赛同步加速（参见：OpenAI自研芯片Jalapeno完整架构公布），而HBM产能早已被长约锁定（参见：三星明年近80%存储芯片产能已被长期供应协议锁定）。8i Max这类双芯封装，对内存的胃口只会更大。
常见问题
TPU 8i Max和TPU 8i有什么区别？
8i Max是两颗8i封装成一个模块，算力、SRAM、HBM带宽均为单颗8i的2倍，机柜占用不变，因此单柜算力密度翻倍，专为百万Token级上下文设计。
TPU 8tx的机密计算是什么意思？
数据在存储和传输时本就加密，但运算时需在内存解密。8tx把加密与隔离做进硬件层，模型权重和客户数据在运算过程中也保持加密，延迟较8t最高降低50%。
谷歌一年发4款TPU意味着什么？
这是十余年来首次。四款产品覆盖训练（8t）、推理（8i）、机密计算（8tx）、超大上下文（8i Max），且新品均未新流片，靠封装与配套组合快速派生。
信息来源：Google官方博客/芯东西，2026-11-09
