← Terug naar kennisbank

AI Nieuws

Google breidt eigen AI-chips uit: twee nieuwe varianten voor privacy en grotere modellen

Google breidt eigen AI-chips uit: twee nieuwe varianten voor privacy en grotere modellen

·

Leestijd: 4 min

Google heeft twee nieuwe varianten van zijn eigen AI-chips aangekondigd, gericht op twee verschillende doelen: veilig omgaan met gevoelige data tijdens training, en het verwerken van grotere hoeveelheden informatie bij vragen en inferentie.

Wat heeft Google aangekondigd?

De nieuwe chips heten TPU 8tx en TPU 8i Max. Ze horen beide bij de achtste generatie TPU-chips van Google, die dit jaar al in april werden geïntroduceerd. Google ontwikkelt deze chips zelf voor gebruik in zijn clouddiensten, zodat klanten AI-modellen kunnen draaien zonder afhankelijk te zijn van andere chipfabrikanten.

TPU 8tx is gemaakt in samenwerking met AMD en is gebaseerd op een eerder model uit dezelfde familieserie. Deze chip is speciaal ontworpen om modellen te trainen en te laten draaien terwijl gevoelige informatie beschermd blijft. Google bouwt de beveiliging rechtstreeks in de hardware, zodat data en modelgewichten geïsoleerd blijven, zelfs tijdens actief gebruik.

TPU 8i Max is gericht op het snel en efficiënt uitvoeren van modellen bij gebruik (inference). In feite combineert deze chip twee van de eerder uitgebracht inference-gerichte 8i-chips in één pakket. Daardoor verdubbelt het geheugen, de rekenkracht en de bandbreedte, wat helpt bij het verwerken van grotere hoeveelheden context tijdens een vraag of taak.

Wat betekent ‘vertrouwelijk trainen’ precies?

Met ‘vertrouwelijk trainen’ bedoelt Google dat modellen kunnen leren van gegevens zonder dat die gegevens bloot liggen aan andere delen van de infrastructuur. De belangrijkste punten:

  • Beveiliging in de chip zelf: de bescherming zit op het hardware-niveau, niet alleen in software.

  • Gevoelige data blijven in de omgeving: bedrijven kunnen modellen trainen op eigen, vertrouwelijke informatie zonder die data te verplaatsen naar meerdere systemen.

  • Gelijktijdig trainen en redeneren: de 8tx heeft een speciaal netwerk voor inferentie naast de trainingscapaciteit. Daardoor kan de chip bijvoorbeeld kleine modellen ‘on the fly’ distilleren of trainen terwijl er al berekeningen lopen.

Voor jou als gebruiker of organisatie betekent dit dat je modellen kunt aanpassen op eigen data met minder risico dat die data uitlekt of ergens onbeveiligd tussen systemen heen en weer gaat.

Waarom meer geheugen en bandbreedte belangrijk zijn

AI-modellen werken vaak beter als ze bij een vraag meer context kunnen meenemen: langere teksten, grotere datasets of uitgebreidere interne representaties. Dat vraagt om meer geheugen en snelle data-uitwisseling binnen de chip.

TPU 8i Max richt zich precies daarop. Door twee inference-chips samen te brengen in één pakket krijgt een model:

  • meer werkgeheugen om grotere contexten vast te houden;

  • meer rekenkracht zodat verzoeken sneller verwerkt worden;

  • hogere bandbreedte tussen onderdelen, wat helpt bij grote of complexe taken.

Voor organisaties die veel en grote taalmodellen of andere zware AI-toepassingen draaien, kan dit direct verschil maken in snelheid en resultaat.

Wat betekent dit in de bredere chiprace?

De aankondiging komt terwijl meerdere grote spelers eigen AI-hardware ontwikkelen. Namen die actief zijn op dit terrein zijn onder meer:

  • Microsoft

  • Amazon

  • OpenAI

  • Anthropic

Deze partijen proberen hun afhankelijkheid van één dominante leverancier te verkleinen. Nvidia is nu marktleider in veel AI-toepassingen, maar bedrijven willen meer keuze en soms hardware die precies is afgestemd op hun eigen gebruik.

Tegelijkertijd spelen er externe factoren die de positie van marktleiders veranderen. Onlangs ontstond bij Nvidia publieke aandacht rond persoonlijke zaken van de topman. Zulke gebeurtenissen kunnen invloed hebben op vertrouwen en concurrentie in de markt, maar de technische ontwikkelingen blijven de belangrijkste drijfveer.

Conclusie

Google breidt zijn portfolio van eigen AI-chips uit met twee gerichte varianten: één voor veilige, vertrouwelijke training en één met extra geheugen en rekenkracht voor grotere inference-taken. Daarmee wil Google klanten meer keuze en eigenschappen bieden die aansluiten bij specifieke behoeften: privacy en grotere context bij vragen.

Voor organisaties die AI willen gebruiken zonder veel afhankelijkheid van externe chipfabrikanten, zijn dit stappen richting meer controle over zowel prestaties als bescherming van gevoelige data.