一句话总结
2026 年 11 月 9 日，Google 在官方博客发布 TPU 8tx 与 TPU 8i Max：前者把加密与隔离做进硬件层，面向受监管行业和政府机构的机密推理；后者把两颗 TPU 8i 封装在一起，用双倍算力、双倍 SRAM 与双倍 HBM 带宽支撑百万级 token 的长上下文。
事件概述
2026 年 11 月 9 日，Google 在官方博客发布两款新的第八代张量处理器（TPU）：TPU 8tx 与 TPU 8i Max。文章由 Google 高级副总裁兼首席技术官 Amin Vahdat 署名，发布在 Google 官方博客的全球网络栏目。
Google 在文中写明，这是公司首次在一年内推出四款 TPU 系统。此前两款为 2026 年 4 月 Google Cloud Next 发布的 TPU 8t（面向大规模训练）与 TPU 8i（面向实时推理），本次新增的 8tx 与 8i Max 分别补上机密推理与超长上下文两个场景。
路透社同日的报道给出市场侧背景：Alphabet 股价在早盘上涨超过 3%，Google Cloud 在 9 月季度的收入增长逾一倍，达到 307.1 亿美元，TPU 销售对该季度业绩有实质贡献。路透社同时注明，彭博新闻当天早些时候率先报道了这两款芯片。
关键信息
| 项目 | 官方与报道披露内容 |
|---|---|
| 发布时间 | 2026 年 11 月 9 日（Google 官方博客） |
| 产品 | TPU 8tx、TPU 8i Max |
| 代际 | 第八代，同代已有 TPU 8t、TPU 8i |
| 8tx 定位 | 安全与机密推理，兼用于小规模训练 |
| 8tx 关键配置 | 与 TPU 8t 同一硅片，搭配第五代 AMD EPYC CPU 主机；硬件层加密与隔离；沿用 Boardfly 低延迟网络 |
| 8tx 性能口径 | 相比 TPU 8t 延迟最高降低 2 倍，性能损失接近零（Google 官方口径） |
| 8i Max 定位 | 百万级 token 长上下文、单机架最高算力密度 |
| 8i Max 关键配置 | 两颗低延迟 TPU 8i 集成在同一封装；算力、SRAM、HBM 带宽各翻倍 |
| 客户规模 | TPU 业务已服务近 100 家客户，含前沿实验室、交易公司、零售商、高校 |
| 部署方式 | 客户可将 TPU 部署进自有数据中心 |
| 市场反应 | Alphabet 股价早盘涨逾 3%；Google Cloud 9 月季度收入 307.1 亿美元（路透社） |
| 上市时间 | 官方博客未公布两款新系统的全面可用时间 |
8tx：把加密与隔离做进硬件层
TPU 8tx 要解决的是数据在使用过程中的暴露问题。Google 在官方博客中描述，数据在存储和网络传输时通常处于加密状态，但进入内存等待处理器计算时必须解密；对处理敏感数据的政府机构与受监管企业来说，这段「解密窗口」是风险所在。
8tx 的做法是在硬件层实现保护：它沿用 TPU 8t 的硅片，搭配第五代 AMD EPYC CPU 主机，让敏感数据与模型权重在「使用中」也保持加密与隔离。网络侧沿用为实时推理设计的 Boardfly 低延迟拓扑，使多步智能体任务保持推进。Google 给出的性能口径是：相比 TPU 8t 延迟最高降低 2 倍，性能损失接近零。
这一定位与 Google 对客户结构的描述相互呼应。官方博客写明，TPU 客户包括前沿实验室、交易公司、零售商与高校，且客户可以把 TPU 部署到自己的数据中心。对金融、医疗、政务等受监管场景，硬件级机密计算是能否上云的前置条件，而不是可选项。
8i Max：用双芯封装换长上下文密度
TPU 8i Max 解决的是「内存墙」。Google 的描述是：当数十个 AI 智能体同时处理一整个代码库或数小时视频时，内存带宽会迅速成为瓶颈。
8i Max 的工程路径是把两颗低延迟 TPU 8i 集成到同一封装，让算力与内存同步扩展：算力、SRAM、HBM 带宽都达到 TPU 8i 的两倍。由于在同一机架 footprint 内塞进两倍硅片，数据中心可以在每平方英尺、每瓦功耗上部署更多算力，Google 称其为单机架最高算力密度。
路透社的报道将 8i Max 的适用场景概括为编程助手、数学推理与药物发现。这与「长上下文」的硬件逻辑一致：代码库、长篇文档、视频流都需要把大量上下文常驻在高带宽内存中，否则智能体每一步都要等待数据搬运。
一年四款 TPU 的产品含义
第八代 TPU 在 2026 年 4 月以双芯形态亮相时，Google 给出的分工是训练与推理：TPU 8t 面向大规模训练，单超级 pod 可扩展到 9,600 颗芯片、2 PB 共享高带宽内存、121 ExaFlops；TPU 8i 面向实时推理，单 pod 通过 Boardfly 直连 1,152 颗芯片，片上 SRAM 为上一代的三倍，推理每美元性能提升 80%。
本次新增的两款把分工继续细化：8tx 加的是安全维度，8i Max 加的是上下文容量与机架密度。四款系统覆盖训练、推理、机密计算、长上下文四个场景后，Google 对外的产品叙事从「一颗通用加速器」转为「按 AI 生命周期分段的专用加速器」。
这一策略的直接对手是英伟达的通用 GPU 路线。路透社在报道中把 Google 的动作描述为「加大挑战英伟达在 AI 芯片市场的主导地位」。两者的差别不在单芯片峰值，而在系统组织方式：TPU 以 pod 与超级 pod 为单位交付，网络拓扑、内存池与软件栈一起设计；GPU 路线则以单卡与 NVLink 域为基础，由客户自行组网。
对已经购买 TPU 的企业，产品线细分带来选择成本：同一个第八代平台上出现四种型号，采购时需要按负载类型而非按代际做决策。Google 在官方博客中提供的判断框架是「按智能体生命周期的阶段选加速器」，这也意味着客户很难用一款型号覆盖全部负载。
影响与边界
第一，机密计算从软件能力变成硬件卖点。8tx 把「使用中加密」写进芯片规格，受监管行业的采购标准会随之变化：过去以合规认证与软件加密为主要依据，之后会把硬件隔离能力纳入评估。
第二，长上下文的成本结构变化。8i Max 用双芯封装提升单机架密度，单位面积能承载的上下文规模上升；但官方没有公布功耗与价格，无法据此计算每百万 token 的成本，本站不做推算。
第三，TPU 对外销售的业务权重上升。路透社称 TPU 销售对 9 月季度业绩有实质贡献，Google Cloud 该季度收入 307.1 亿美元、同比增长逾一倍。若 TPU 从内部自用转为对外供货，其收入确认、客户集中度与产能分配都会成为新的观察点。
需要明确的边界：8tx 与 8i Max 的全面可用时间，Google 官方博客与路透社报道均未给出；两款芯片的实际功耗、价格、单客户配额同样未披露。本站此前已就 TPU 8t 与英伟达 Vera Rubin 的训练路线做过对比（TPU 8t 与 Vera Rubin 训练加速器对比），并就 TPU 8t/8i 在 Oracle OCI 的规格做过数据整理（Google TPU 8t/8i 在 Oracle OCI 的规格数据），本次不再重复这两部分内容。