Story
10. Nov. 2026
Google setzt darauf, dass Sicherheit und Skalierung Nvidias Griff brechen können
Google präsentiert sein erweitertes TPU-Angebot als schnellere, stärker maßgeschneiderte Alternative für Kunden mit sensiblen Daten oder enormen KI-Workloads, während der übergeordnete Schritt den Drang der Hyperscaler widerspiegelt, ihre Abhängigkeit von Nvidia zu verringern.
Google begann im April mit der Einführung seiner TPUs der achten Generation, TPU 8t und 8i, die jeweils auf trainingsintensive und inferenzorientierte KI-Workloads ausgerichtet sind. Diese Woche vervollständigte das Unternehmen diese Generation mit zwei weiteren spezialisierten Designs — vier Systemen in einem einzigen Jahr.1
Der erste Neuzugang, TPU 8tx, ist Googles Sicherheitsvorstoß. Er wurde gemeinsam mit AMD entwickelt und basiert auf dem TPU 8t. Er ist für vertrauliches Training und Inferenz konzipiert und richtet sich an Behörden, regulierte Branchen und Unternehmen, die während der Modellentwicklung keine proprietären Daten offenlegen möchten. Google zufolge „integriert“ der Chip „Sicherheit direkt in die Hardwareebene“ und schützt sensible Informationen sowie Modellgewichte selbst während ihrer Nutzung.2
Der zweite, TPU 8i Max, nimmt einen anderen Engpass ins Visier: Skalierung. Durch die effektive Kombination von zwei inferenzorientierten 8i-Chips in einem Paket verdoppelt er laut Google Speicherkapazität, Rechenleistung und Bandbreite, sodass Modelle mit deutlich größeren Kontextfenstern arbeiten können. Das Unternehmen stellt diese Dichte als entscheidend für KI-Anwendungen dar, die in einer einzigen Abfrage große Informationsmengen verarbeiten müssen.1
Für Google ist die Ankündigung auch ein Argument für Geschwindigkeit. Sundar Pichai sagte, die Hardwareingenieure des Unternehmens entwickelten Systeme gemeinsam mit Google DeepMind, anstatt „Jahre auf einen traditionellen Halbleiterzyklus zu warten“ — ein Modell, das Google laut Pichai erlaubt, für Kunden weiterhin schnell zu innovieren.
3
Darin liegt der Wettbewerbskontext. Microsoft, Amazon, OpenAI und Anthropic verfolgen ebenfalls maßgeschneiderte KI-Chips und -Software und suchen nach mehr Einfluss gegenüber Nvidias dominanter Position. Google wettet darauf, dass spezialisierte Chips — einer auf Vertraulichkeit ausgelegt, ein anderer auf gigantische Workloads — seine Cloud schwerer ignorierbar machen und seine KI-Lieferkette weniger abhängig von anderen machen können.2