Twórcy AI Google TPU 8 Osiągają 3x Szybsze Trenowanie z TPU 8t i 8i

Google Cloud ogłosił swoje TPU ósmej generacji 22 kwietnia 2026 podczas Cloud Next. Firma podzieliła architekturę na TPU 8t do treningu i TPU 8i do inferencji. Wczesne benchmarki pokazują prawie trzykrotnie większą wydajność obliczeniową dla obciążeń treningowych w porównaniu z poprzednią generacją. Stosunek ceny do wydajności poprawia się o około 80 procent. Układy wspierają również klastry przekraczające milion jednostek. Te ulepszenia są ważne, ponieważ trening dużych modeli generatywnych do wideo i obrazów od dawna był kosztownym wąskim gardłem. Przeprowadziłem wystarczająco dużo eksperymentów na małą skalę, aby wiedzieć, że skrócenie nawet kilku godzin z każdej iteracji zmienia codzienny rytm pracy.

Niezależni twórcy często dostrajają modele do osobistych stylów lub konkretnych scen, a następnie generują dziesiątki ramek testowych przed przystąpieniem do dłuższych klipów. Chip 8t przyspiesza fazę treningu. Chip 8i następnie obsługuje szybką inferencję, więc podpowiadanie i podglądanie obrazów lub krótkich sekwencji wideo odbywa się z mniejszym oczekiwaniem. Skoki sprzętowe, takie jak wyspecjalizowane TPU Google’a, to dokładnie to, co napędza narzędzia AI do wideo i obrazów nowej generacji, dostarczając prędkość i przystępność, których potrzebują niezależni twórcy, aby iterować szybciej i tworzyć w wyższej jakości. Podobne pytania dotyczące zachowania modelu pojawiają się, gdy twórcy przesuwają granice, jak zbadano w Gemini omni nsfw: Dlaczego Model AI Google’a do Wideo Blokuje Treści Wyraźne.

Lepszy o 80 procent stosunek ceny do wydajności to część, która najprawdopodobniej dotrze do freelancerów i małych studiów. Wcześniej poważne sesje treningowe często wymagały zarezerwowanej pojemności lub ostrożnego budżetowania. Dzięki nowym chipom Google Cloud może zaoferować to samo obciążenie w zauważalnie niższej stawce godzinowej. Ta zmiana ma znaczenie dla osób, które eksperymentują z wieloma podpowiedziami i stylami, zamiast uruchamiać jedno duże zadanie. Dostępność poprawia się, gdy ekonomia nie faworyzuje już tylko dobrze finansowanych zespołów. Zauważyłem, że gdy koszty spadną poniżej pewnego progu, eksperymentowanie przestaje być luksusem i staje się rutyną.