Создатели ИИ Google TPU 8 получают в 3 раза более быстрое обучение с TPU 8t и 8i

Google Cloud объявила о своих TPU восьмого поколения 22 апреля 2026 года на Cloud Next. Компания разделила архитектуру на TPU 8t для обучения и TPU 8i для инференса. Ранние бенчмарки показывают почти трехкратный рост вычислительной производительности для задач обучения по сравнению с предыдущим поколением. Соотношение цены и производительности улучшается примерно на 80 процентов. Чипы также поддерживают кластеры, превышающие один миллион единиц. Эти улучшения важны, поскольку обучение больших генеративных моделей для видео и изображений долгое время было дорогостоящим узким местом. Я провел достаточно экспериментов в небольшом масштабе, чтобы знать, что даже сокращение нескольких часов на каждой итерации меняет ежедневный ритм работы.

Независимые создатели часто дообучают модели на личных стилях или конкретных сценах, а затем генерируют десятки тестовых кадров перед тем, как приступить к более длинным клипам. Чип 8t ускоряет эту фазу обучения. Чип 8i затем справляется с быстрым инференсом, поэтому промптинг и предпросмотр изображений или коротких видеопоследовательностей происходит с меньшим ожиданием. Такие аппаратные прорывы, как специализированные TPU от Google, именно то, что питает инструменты AI-видео и изображений нового поколения, обеспечивая скорость и доступность, необходимые независимым создателям для более быстрой итерации и создания контента более высокого качества. Похожие вопросы поведения моделей возникают, когда создатели раздвигают границы, как исследуется в Gemini omni nsfw: Почему модель AI-видео Google блокирует откровенный контент.

Показатель улучшения соотношения цены и производительности на 80 процентов, скорее всего, затронет фрилансеров и небольшие студии. Ранее серьезные запуски обучения часто требовали зарезервированной мощности или тщательного бюджетирования. С новыми чипами Google Cloud может предложить ту же рабочую нагрузку по заметно более низкой почасовой ставке. Этот сдвиг важен для людей, которые экспериментируют с несколькими промптами и стилями, а не запускают одну большую задачу. Доступность улучшается, когда экономика больше не благоприятствует только хорошо финансируемым командам. Я заметил, что когда затраты падают ниже определенного порога, экспериментирование перестает ощущаться как роскошь и становится рутиной.