Googleは、2026年11月9日に発表されたTPU 8txとTPU 8i Maxにより、AI専用アクセラレーターのラインナップを拡充した。これら2つの構成は、同社がAI計算向けに設計したチップであるTensor Processing Unit（TPU）の第8世代を補完するもので、機密データ処理のセキュリティ確保と、大容量メモリを必要とするワークロードの管理という、2つの異なる課題に対応する。
この発表により、Googleが2026年に発表した第8世代TPUシステムの数は4つとなった。4月には、大規模モデルの学習向けのTPU 8tと、推論および低遅延の推論（応答生成の遅延を短縮）に最適化されたTPU 8iが発表されていた。
機密性と大規模処理のための2つのTPU
TPU 8txは、機密データ上でAIモデルや自律エージェントを実行したい企業や行政機関を対象としている。Googleは特に、処理中の情報の機密性が重大な課題となる規制要件のある分野を強調している。ハードウェア面では、このシステムはTPU 8tのシリコンを採用し、第5世代AMD EPYCホストプロセッサを統合している。また、データとモデルの重み（モデルの動作を定義するパラメータ）を、保存時やネットワーク伝送時だけでなく、メモリ上での使用中にも保護するためのハードウェアセキュリティ機構を搭載している。
Googleは、TPU 8txを低遅延通信向けに設計された同社のBoardflyネットワークと連携させる。同社によれば、このアーキテクチャにより、性能を大幅に低下させることなく、TPU 8tと比較して最大2倍の遅延削減が可能となるという。この構成により、企業は単一のインフラ上で、学習、プライベートデータを用いたファインチューニング（モデルを特定のデータセットに適応させること）、モデルの蒸留、AIエージェントの強化学習など、複数の操作を実行できるようになる。
一方、TPU 8i Maxは、大容量メモリリソースを必要とするアプリケーションに対応する。Googleは特に、大規模なコードベース、長い動画シーケンス、100万トークンを超える文脈（トークンはモデルが処理するテキストの単位）を分析可能なエージェントを例に挙げている。利用可能なリソースを増やすため、同社は2つのTPU 8iチップを単一パッケージに集約した。TPU 8iと比較して、この構成は計算能力、SRAMメモリ、HBMメモリの帯域幅を2倍にする。Googleはまた、同じラック占有面積（サーバーラックが占める空間）内に2倍のシリコンを集積できるとしている。
Google、TPUエコシステムのさらなる開放を目指す
これらのハードウェア発表と並行して、Googleはソフトウェア環境の開放を進めている。同社は、オープンソースで公開されたTorchTPUが、PyTorchコードやHugging Faceモデルを自社のアクセラレーター上で実行できるようにすると述べている。推論エンジンのvLLMおよびSGLang向けの統合も提供される。さらに、TPUエージェントスイートがプレビュー版で利用可能となった。これは、統合、診断、カーネル（チップ上で計算を実行する小さなプログラム）の最適化といった特定の操作を自動化することを目的としている。Googleは、このスイートがClaude Code、Cursor、Google Antigravityを含む複数の開発ツールと互換性があると発表した。
同社はまた、HBMメモリ、ホストのDRAMメモリ、共有ストレージの管理を統一することを目的としたソフトウェア層であるTPU Syncも発表した。これは特に、生成モデルがテキスト生成を高速化するために使用するKVキャッシュの転送を容易にする。Googleは、この技術により、これらの転送や最初のトークン生成時間に関連する特定の遅延を90％以上削減できると主張している。
最後に、Cloud PathwaysがGoogle Kubernetes Engine（GKE）上で一般提供されるようになった。このソリューションにより、単一のコントローラーから複数のTPUクラスタに分散されたワークロードをオーケストレートできる。
