我先查官方发布页和多方报道，核对这两款 TPU 的定位、规格和时间口径，再按模板成稿。
核对完成。这里有个中文报道普遍带过的偏差：8i Max 的 HBM 带宽确实翻倍，但 HBM 容量约为 8i 的 1.33 倍，并不是翻倍；两款也都还没到可下单的阶段。下面按模板成稿。
这次发布的核心在于 “用已有硅片重新配系统”，并非 “又造了两颗新芯片”：当地时间 11 月 9 日，谷歌在第八代 TPU 里补上 TPU 8tx 和 TPU 8i Max，前者拿 TPU 8t 的同一块硅片，配上第五代 AMD EPYC 主机和 Boardfly 网络，把机密计算做进硬件层；后者把两颗 TPU 8i 封进同一个封装，算力、片上 SRAM、HBM 带宽都做到 8i 的两倍，在原有 机柜 占地里塞进两倍芯片面积。两者的定位不是 “更强”，而是 “更专”：一个解决敏感数据在计算中必须解密的问题，一个解决几十个智能体同时读整份代码库时内存供不上数的问题。但有四件事必须同时说清：第一，8i Max 翻倍的是带宽，不是容量，HBM 容量约 288GB→384GB，只多约三分之一，如果你按 “容量翻倍” 去做 KV Cache 规划，会算错；第二，谷歌的公告没有给价格、没有给可用区域、没有给正式上市日期，高管对媒体说的是 “明年”，也就是最早 2027 年；第三，所有性能数字（延迟降低一半、带宽翻倍）都是谷歌自报，目前没有任何独立第三方实测；第四，谷歌博文里引用的 InferenceX、AgentX 领先成绩，公开可查的测试跑的是上一代 Ironwood，不是这两款新品。所以现在能做的动作不是下单，而是拿 Ironwood 跑一遍 TorchTPU 移植测试。
一、先分清 “新芯片” 和 “新系统”，否则会把节奏看错
谷歌自己在这篇博文里专门用一段解释两者的差别，这段话是理解这次发布的钥匙：设计一颗新芯片，是把几十亿晶体管铺在硅片上，要走数年的设计和制造周期；设计一个新系统，是决定芯片周围的算力、网络、存储、封装和安全怎么拼起来，这个可以按月计。第八代 TPU 的四款产品，全部基于同一代硅片，改的是外围配置。
| 维度 | 新芯片 | 新系统（这次做的） |
|---|---|---|
| 周期 | 数年，受制程与产能约束 | 数月，改封装、内存、网络、安全 |
| 这次是否涉及 | 否，没有新 die | 是，8tx 与 8i Max 都是重配 |
| 能改什么 | 晶体管、算力密度 | 主机 CPU、互连拓扑、HBM 配置、机密计算 |
| 商业意义 | 提升代际性能 | 用同一代硅片切出更多细分市场 |
这也解释了为什么谷歌能在一年内发四款 TPU：4 月发 8t 和 8i，11 月补 8tx 和 8i Max，这是它第一次在单一年度推出四款 TPU 系统。
二、8tx：机密计算保护到哪里，哪里还没说清
传统加密只管 “存着” 和 “传着”，计算时数据必须在内存里解密，这是机密计算要补的洞。8tx 的做法是把保护放在硬件层，让敏感数据和模型权重在 “正在被计算” 的状态下也保持隔离。
| 项目 | 官方口径 | 需要注意的地方 |
|---|---|---|
| 芯片 | 与 TPU 8t 同一块硅片 | 不是新设计，是重配 |
| 主机 CPU | 第五代 AMD EPYC | 第八代其他款用的是谷歌自研 Axion，8tx 换回 AMD |
| 互连 | 沿用 8i 的 Boardfly 低延迟网络 | 训练级算力 + 推理级网络 |
| 安全 | 硬件层机密计算，AMD SEV 提供主机侧能力，加速器身份与安全配置先验证再放行 | 谷歌博文只说 “hardware-level”，未点名 TEE 技术 |
| 延迟 | 相比 8t 最高降低一半，性能损耗接近零 | 自报数据，未公布测试条件 |
| 用途 | 机密推理，也适合小规模训练；私有数据微调、大模型蒸馏、强化学习，敏感数据不用在集群间搬 | 一套系统内完成三段流程 |
这里要特别标一个缺口：远程证明（attestation）的设计没有公开。AMD 的公告说会验证加速器身份与安全配置，但通篇没有出现 attestation 这个词；谷歌的机密虚拟机文档还写着 “不能把 TPU 挂到机密虚拟机上”，而 TPU 机型表里标记支持机密计算的仍是上一代 v6e。所以 “硬件级机密计算” 这句话目前是方向明确的承诺，不是可以拿去做安全评审的设计文档。金融、政务这类客户要的不是 “支持机密计算”，而是 “密钥什么时候释放、由谁验证、证据长什么样”，这三问现在都还没有答案。
三、8i Max：内存墙是真的，但 “翻倍” 要拆成四个数看
谷歌给的逻辑很直白：当几十个智能体同时在一整份代码库或几个小时的视频上协同工作时，内存带宽很快成为瓶颈。做法是把两颗低延迟的 TPU 8i 放进同一个封装基板，让算力和内存同步扩容。
| 指标 | TPU 8i（基线） | TPU 8i Max | 变化 |
|---|---|---|---|
| 封装内芯片数 | 1 颗 | 2 颗 | 2 倍 |
| 算力 | 基线 | 2 倍 | 2 倍 |
| 片上 SRAM | 384MB | 2 倍 | 2 倍 |
| HBM 带宽 | 8.60TB/s | 17.2TB/s | 约 2 倍 |
| HBM 容量 | 288GB | 约 384GB | 约 +33%，不是翻倍 |
| 机柜密度 | 基线 | 原机柜 footprint 内两倍芯片面积 | 2 倍 |
这张表里最容易看错的就是 HBM 容量那一行。中文报道普遍写 “算力、SRAM、HBM 带宽均为 2 倍”，这句话本身没错，但它说的是带宽，不是容量。容量按 Network World 引述谷歌的数字是 384GB，比 8i 的 288GB 多约三分之一。对做长上下文推理的人来说，这个差别很实际：如果你的瓶颈是 KV Cache 放不下，收益是 33%；如果瓶颈是喂数不够快（带宽），收益才是 2 倍。规划时按错的数字算，就会高估能承载的并发。
另外，“原机柜 footprint 内两倍芯片面积” 这句也值得注意。它意味着同样的占地和功耗下能放更多算力，但功耗和散热是按机柜算的，芯片翻倍不等于电费翻倍，也不等于单颗芯片更省电 —— 官方没有给每瓦性能的对比数字。
四、四款 TPU 的分工，一句话记住一个
| 型号 | 定位 | 解决什么 | 什么时候用 |
|---|---|---|---|
| TPU 8t | 大规模训练 | 万亿参数预训练，单超算舱最高 9600 颗，追求每瓦有效智能 | 训练主力 |
| TPU 8i | 实时推理 | 打破内存墙，芯片间通信延迟最高降一半，Boardfly 拓扑 | 低延迟推理、智能体协作 |
| TPU 8tx | 机密推理 + 小规模训练 | 敏感数据与模型权重在计算中保持隔离 | 金融、政务、私有模型微调 |
| TPU 8i Max | 超大上下文 + 最高机柜密度 | 两芯片封装，算力 / 带宽翻倍，容量 +33% | 百万 Token 级上下文、多智能体共读 |
四款拼起来覆盖的是 “智能体全生命周期”：训练、推理、保密、长上下文。这个思路比 “做一颗更强的通用芯片” 更接近当下的真实需求分布。
五、软件栈才是这次更值得看的一半
硬件之外，谷歌这次把 “降低使用门槛” 讲得很细，这部分对开发者的实际影响可能比两款芯片更大。
| 软件进展 | 内容 | 状态 |
|---|---|---|
| TorchTPU | 开源，PyTorch 代码与 Hugging Face 模型可在 TPU 原生运行，无需重写；vLLM、SGLang 提供开箱即用后端 | 10 月 20 日开源，Apache 2.0 |
| XLA Serving Engine | Python 训练，低延迟 C++ 运行时部署，跨 TPU/GPU/CPU 提供服务 | 开源 |
| TPU 智能体工具套件 | 接入 Claude Code、Cursor、Antigravity，分钟级完成环境接入、定位瓶颈、自然语言调优算子 | 预览版 |
| Agent Compute Engine | 智能体等待数据库、外部工具或人工反馈时自动挂起会话，毫秒级把工作内存移出芯片 | 新发布 |
| TPU Sync | 把 HBM、主机 DRAM、共享存储、数据中心网络融成统一内存层级，KV Cache 毫秒级下沉，预填充与解码节点流式传上下文 | 开源 |
| Cloud Pathways | 单控制器编排跨切片的大规模 TPU 集群，预训练、强化学习、多主机推理像操作一台本地机器 | GKE 上正式可用 |
| GKE 动态切片 | 用光电路交换把 TPU 立方体动态拼成更大拓扑或拆成隔离负载，任务启动最快缩到五分之一，故障恢复最高快 4.5 倍 | 正式可用 |
其中 TPU Sync 的宣传数字要打一个星号：官方说 KV 传输延迟与首 Token 生成时间降低 90% 以上，但这个结果是在 Ironwood 硬件上测的，不是 8i Max。把它当成 “新芯片的实测成绩” 是误读，它更接近 “这套软件方法在上一代硬件上已经有效”。
六、五个必须打星号的地方
- 没有价格。公告未披露任何价格或计费方式。
- 没有可用区域。没给 region 列表，做数据合规规划时无法落位。
- 没有正式上市日期。博文没有日期，谷歌高管 Amin Vahdat 对彭博说的是 “明年”，中文报道也写 “将于明年上市”，即最早 2027 年。
- 没有独立实测。所有性能对比都是厂商自报，未公布测试方法与条件。
- 引用的基准不是新芯片。InferenceX 与 AgentX 的公开测试跑的是 Ironwood：9 月预览里 Ironwood 在每用户 100 token/s 下约 0.181 美元 / 百万 token，对比 B200 的 0.222、B300 的 0.276，但那是一个模型、一个 8k 输入 1k 输出形状的建模成本，且 Ironwood 并不支持机密计算，所以它证明不了 8tx 的安全路径开销。
还有一条容易被忽略的时间线问题：4 月发布 8t 和 8i 时说 “今年晚些时候正式可用”，但截至 11 月 9 日，Compute Engine 的 TPU 机型列表里仍是 TPU7x、v6e、v5p，没有 8t 和 8i。这说明 “发布” 和 “能买到” 之间还有一段距离，8tx 与 8i Max 大概率也要走一遍。
七、商业化在加速，但卡点在供应链
- 客户规模：谷歌称 TPU 已是快速增长的业务，客户近 100 家，覆盖前沿实验室、交易公司、零售商、大学。
- 销售模式：过去只通过谷歌云出租算力，今年 4 月起开始向部分客户直接销售 TPU 系统，允许部署在自有数据中心，二季度完成首批交付，三季度财报称 TPU 销售已成为云业务收入的重要增长来源。
- 收入量级：机构预测 2026 年 TPU 相关销售额约 120 亿美元，2028 年含软硬件超过 1350 亿美元。
- 价格优势：分析师给出的口径是比英伟达 GPU 便宜约 30%，吞吐量有竞争力。
- 供给紧张：谷歌财报称所有可用 TPU 都已被客户预订；三星把 2031 年前约 70% 的 HBM 产能分配给长约订单，HBM 现货价被推到长约价的四到五倍，SK 海力士 2026 年 HBM 产能已售罄 —— 这正好解释了为什么这次要把 “算力与内存同步扩容” 写进产品说明。
- 外部渠道：甲骨文将从 2027 年起通过自家云提供 TPU，成为谷歌之外首家提供 TPU 的超大规模云厂商；Anthropic 已扩大到最多 100 万颗 TPU 的合作，另有监管文件显示其在 2028 至 2031 年可购买最多 1500 亿美元 TPU；OpenAI 是否采购仍未获官方确认。
八、不同角色现在该做什么
| 角色 | 现在能做的 | 不要做的 |
|---|---|---|
| 谷歌云企业客户 | 问清 8tx 的区域、价格基准、本地部署条款、PoC 时间，要书面答复 | 把 8tx / 8i Max 写进 2027 容量承诺 |
| 自建集群的团队 | 用 Ironwood 跑一次 TorchTPU 移植，记录工程人日与补丁数量 | 按 “容量翻倍” 规划 KV Cache |
| 开发者 | 试 TorchTPU、vLLM/SGLang 后端、TPU 智能体工具套件（预览版） | 假设所有 PyTorch 模型都能一行 device_map="tpu" 跑通 |
| 安全与合规负责人 | 列出 “必须防基础设施运营方” 的数据清单，请 CISO 签字 | 把 “硬件级机密计算” 当成已通过的安全认证 |
这个顺序的道理很简单：硬件能不能买到是 2027 年的事，软件能不能跑通是这周就能知道的事。先把后者做完，前者来了才不会手忙脚乱。
九、一句话收尾
谷歌这次的动作说明，AI 芯片的竞争已经从 “单颗芯片跑多快” 转向 “系统怎么配平”。算力堆到一定程度，瓶颈会跑到内存带宽、跑到数据在计算中的解密、跑到机柜的每平方英尺功率密度上。8tx 和 8i Max 分别对应 “安全” 和 “内存” 两个卡点，方向判断是对的；但公告里没有价格、没有区域、没有上市日期、没有第三方实测，这四样缺任何一样，都还不足以支撑采购决策。对绝大多数团队来说，这两款芯片现在最实际的用途，是作为 2027 年预算里的一个待确认选项，而不是今年的交付方案。
相关 FAQ
问题 1：谷歌 TPU 8tx 和 8i Max 到底新在哪，是不是全新芯片？
回答 1：不是全新芯片。谷歌 TPU 8tx 用的是 TPU 8t 的同一块硅片，换成第五代 AMD EPYC 主机并搭配 Boardfly 网络，把机密计算做进硬件层；8i Max 是把两颗 TPU 8i 封进同一个封装。两者都属于 “用已有硅片重新配系统”，改的是主机、封装、内存与安全，不是重新设计 die。
问题 2：TPU 8i Max 的内存真的翻倍了吗，规划时该按哪个数算？
回答 2：要分开看。TPU 8i Max 的算力、片上 SRAM、HBM 带宽都是 8i 的两倍，但 HBM 容量约从 288GB 升到 384GB，只多约三分之一。所以做长上下文推理规划时，如果瓶颈是 KV Cache 放不下，应按 + 33% 算；如果瓶颈是带宽喂不饱，才按 2 倍算。把容量当成翻倍是最常见的误算。
问题 3：谷歌 TPU 8tx 主打的安全可控，现在能拿去做合规评审吗？
回答 3：还不能。谷歌只说 “硬件级机密计算”，没有点名 TEE 技术；AMD 说明用 EPYC 的 SEV 能力并会验证加速器身份与配置，但双方都没有发布远程证明（attestation）的设计，也没有第三方安全认证。金融、政务客户真正需要的是密钥释放条件、验证方和证据形态，这些目前都未公开。
问题 4：谷歌 TPU 8tx 和 8i Max 什么时候能买到，价格是多少？
回答 4：公告没有给正式上市日期、价格和可用区域。谷歌高管对媒体表示两款系统 “明年” 上市，也就是最早 2027 年；中文报道同样写 “将于明年上市”。加上 4 月发布的 8t 与 8i 至今仍未出现在 Compute Engine 的 TPU 机型列表里，可以判断从发布到可采购还有一段距离，现阶段不适合把它们写进年度容量承诺。
参考资料
- [2026-11-10]（谷歌加速挑战英伟达？一年连发四款 TPU）第一财经
- [2026-11-10]（内存可能更缺？谷歌最新 TPU 把 HBM 存储需求翻了一倍）财富在线
- [2026-11-10]（谷歌发布新 AI 芯片，HBM 带宽翻倍）36 氪・芯东西
- [2026-11-10]（Google splits its new TPUs: one protects data in use, the other doubles compute and memory）Market & Tech
- [2026-11-09]（Introducing TPU 8tx and TPU 8i Max）Google The Keyword
- [2026-11-09]（Google Adds TPU 8Tx and TPU 8I Max to Eighth-Generation Lineup）Unite.AI
- [2026-11-09]（AMD EPYC Powers Google's Confidential TPU 8tx）Converge Digest
- [2026-11-09]（谷歌发布 TPU 8tx 和 8i Max 加速挑战英伟达 AI 芯片主导地位）财联社
- [2026-11-09]（Test Your PyTorch Workloads on Ironwood Before Choosing TPU 8tx）THE DAILY BRIEF
- [2026-09-30]（TPU v8 ramp-up to drive AI-related growth in 2027F）凯基亚洲研究
- [2026-04-22]（Two chips for the agentic era: TPU 8t and TPU 8i）Google The Keyword
免责声明
本文为公开信息的整理与技术解读，不构成投资建议、采购建议或对任何厂商产品的推荐。文中性能数据（8tx 相比 8t 延迟最高降低一半、性能损耗接近零；8i Max 算力 / 片上 SRAM/HBM 带宽为 8i 的两倍；TPU Sync 使 KV 传输延迟与首 Token 生成时间降低 90% 以上；GKE 动态切片任务启动最快缩至五分之一、故障恢复最高提升 4.5 倍）均来自谷歌官方博文、AMD 公告及厂商转述，属厂商自报口径，未见独立第三方实测，且 TPU Sync 的 90% 数据是在 Ironwood 硬件上测得，并非 8i Max。TPU 8i Max 的 HBM 容量 384GB 引自 Network World 对谷歌的转述，与官方 “带宽翻倍” 表述分属不同指标，请勿混用。两款系统在 2026 年 11 月 9 日的公告中未披露价格、可用区域与正式上市日期，“明年上市” 来自谷歌高管对媒体的表述及中文媒体报道，不代表确定交付时间；机密的远程证明设计、区域支持与本地部署条款均未公开。TPU 客户数量、销售额预测（2026 年约 120 亿美元、2028 年超 1350 亿美元）、较英伟达 GPU 便宜约 30% 等数字来自第三方机构与媒体测算，非谷歌官方财报口径。产品规格、软件可用性与区域支持可能随版本调整，决策前请核对 Google Cloud 官方文档与商务报价。