Google zou voor zijn TPU’s van de tiende generatie hulp zoeken bij AMD. Dat meldt Tom’s Hardware op basis van een analyse van SemiAnalysis. De opvallendste claim: Google zou een hybride AI-ASIC overwegen met CPU-cores op hetzelfde package, zodat taken als reinforcement learning en agentische modellen beter ondersteund worden.

Gerucht wijst op samenwerking rond TPU v10
Volgens Tom’s Hardware zou Google met AMD samenwerken aan een van de TPU’s in de tiende generatie. De bron waar het bericht op steunt, SemiAnalysis, noemt dit marktgerucht en stelt dat AMD mogelijk vooral wordt ingezet voor CPU-IP en andere bouwstenen, niet voor een traditionele TPU-ontwerpklus. Dat is relevant, omdat Google al negen generaties eigen AI-accelerators heeft ontwikkeld en voor veel siliconwerk al lang op Broadcom leunt als feitelijke chipontwerppartner.
Hybride AI-chip voor reinforcement learning
De kern van de speculatie is dat Google meer CPU-capaciteit dicht bij de accelerator wil brengen. SemiAnalysis suggereert dat Google en zijn klanten TPU’s met on-package CPU-cores zouden willen voor reinforcement learning (RL) en andere CPU-zware workloads. Dat past bij de bredere verschuiving naar reasoning- en agentic-modellen, waarbij niet alleen rekenkracht op de accelerator telt, maar ook ondersteunende algemene compute rond die accelerator.
Waarom AMD in beeld komt
Tom’s Hardware noemt meerdere redenen waarom AMD logisch zou zijn als partner. AMD heeft ervaring met geavanceerde packaging en met heterogene datacenterontwerpen, zoals de Instinct MI300A, waarin x86-CPU’s en accelerator-chiplets samen in één pakket zitten. Een vergelijkbaar Google-ontwerp zou TPU-compute kunnen combineren met AMD-CPU’s, HBM en verpakkingstechniek. Intel wordt in het artikel ook genoemd als theoretische optie, maar zou minder ervaring hebben met zulke hybride x86-plus-acceleratorontwerpen in het datacenter.
Meer CPU’s rond TPUs in Google’s nieuwste systemen
Als onderbouwing voor die richting wijst Tom’s Hardware op bestaande Google-systemen. De TPU 8i, bedoeld voor inference, reasoning en RL-workloads, zou één Google Axion-CPU per twee TPU’s gebruiken. Bij Google’s zevende generatie TPUs was dat nog één Xeon Emerald Rapids per vier TPU’s. Het artikel noemt daarnaast dat in sommige gevallen zelfs een 1:1-verhouding tussen CPU’s en accelerators optimaal kan zijn. Dat maakt duidelijk dat de CPU-laag rond AI-accelerators belangrijker kan worden dan bij klassieke LLM-training.
TostieTech duiding
Voor consumenten verandert dit niet direct iets aan de hardware in de winkel, maar het laat wel zien hoe snel AI-servers veranderen. Waar vroeger vooral de accelerator centraal stond, lijkt Google steeds meer te kijken naar de totale systeemarchitectuur: accelerator, CPU, geheugen en packaging. Dat is technisch logisch voor workloads zoals reinforcement learning en agentic AI, waar ondersteuning door algemene compute belangrijker wordt. Tegelijk is de conclusie nog voorzichtig: het gaat hier om een gerucht en SemiAnalysis noemt zelf ook dat de analyse mogelijk onjuist is. Zolang Google of AMD niets bevestigen, blijft onduidelijk of AMD echt een ontwerprol krijgt of slechts een beperkte bijdrage levert aan verpakking, CPU-IP of andere componenten.
Bron: Tom's Hardware
