編輯：澤南、+0
第七代 TPU 來了。
AI 算力又迎來了新的標杆。
本週三，谷歌正式釋出了旗下第七代張量處理單元（TPU）Ironwood。谷歌稱，在大規模部署的情況下，這款 AI 加速器的計算能力能達到全球最快超級計算機的 24 倍以上。
這款在 Google Cloud Next '25 大會上釋出的新晶片代表著谷歌十年來 AI 晶片研發戰略的重大轉折：谷歌自研的前幾代 TPU 主要面向 AI 的訓練和推理工作負載，而 Ironwood 是第一款專為推理而設計的晶片。
谷歌副總裁兼機器學習、系統和雲 AI 總經理 Amin Vahdat 表示：「Ironwood 旨在支援生成式 AI 的下一階段及其巨大的計算和通訊需求。這就是我們所說的『推理時代』，AI 代理將主動檢索和生成資料，以協作方式提供洞察和答案，而不僅僅是資料。」
突破壁壘，最大 42.5 exaflops 算力
Ironwood 擁有超模的技術規格，當每個 pod 擴充套件至 9216 塊晶片時，它可提供 42.5 exaflops 的 AI 算力，遠超目前全球最快的超級計算機 El Capitan 的 1.7 exaflops。每塊 Ironwood 晶片的峰值計算能力可達 4614 TFLOPs。
在單晶片規格上，Ironwood 顯著提升了記憶體和頻寬，每塊晶片配備 192GB 高頻寬記憶體（HBM），是去年釋出的上一代 TPU Trillium 的六倍。每塊晶片的記憶體頻寬達到 7.2 terabits/s，是 Trillium 的 4.5 倍。
在資料中心規模擴大，供電逐漸成為瓶頸的時代，Ironwood 也大幅提升了計算效率，其每瓦效能是 Trillium 的兩倍，和 2018 年推出的首款 TPU 相比高出近 30 倍。
對於推理的最佳化代表了 AI 發展歷程中的一個重要轉折點。最近幾年，前沿的 AI 實驗室一直專注在構建引數規模不斷擴大的基礎模型上。谷歌轉向推理最佳化表明，我們正在進入一個以部署效率和推理能力為核心的新階段。
畢竟對於 AI 參與的業務而言，模型訓練的次數有限，但隨著 AI 技術應用逐漸鋪開，推理操作每天都會發生數十億次。由於模型日趨複雜，這些業務的經濟效益與推理成本緊密相關。
谷歌在過去八年裡對於 AI 計算的需求同比增長了 10 倍，總需求量高達驚人的 1 億。如果沒有像 Ironwood 這樣的專用架構，任何摩爾定律的進步都無法滿足這一增長曲線。
尤其值得注意的是，谷歌在釋出中提到了對執行復雜推理任務而非簡單模式識別的「思維模型」的關注。這表明，谷歌認為 AI 的未來不僅在於更大的模型，還在於能夠分解問題、進行多步驟推理並模擬類人思維過程的模型。
面向下一代大模型
谷歌將 Ironwood 定位為其最先進 AI 模型的基礎設施，其最佳化的大模型自然包括自家的 Gemini 2.5，它「原生內建了思維能力」。
昨天，谷歌還發布了 Gemini 2.5 Flash，作為最新旗艦模型的縮小版本，它「可以根據提示的複雜性調整推理深度」，定位於對響應速度敏感的日常應用。
谷歌還展示了其全套多模態生成模型，包括文字轉影像、文字轉影片以及新發布的文字轉音樂功能 Lyria。谷歌展示 demo 介紹瞭如何將這些工具結合使用，為一場音樂會製作完整的宣傳影片。
Ironwood 只是谷歌更廣泛的 AI 基礎設施戰略的一部分，谷歌還宣佈推出 Cloud WAN，這是一項託管式廣域網服務，使企業能夠訪問 Google 的全球規模私有網路基礎設施。
Google 還在擴充套件其面向 AI 工作負載的軟體產品，其中包括由 Google DeepMind 開發的機器學習執行時 Pathways，現在它允許客戶在數百個 TPU 上擴充套件模型服務。
提出 A2A、支援 MCP，構建智慧體協作生態
除了硬體之外，谷歌還概述了以多智慧體系統為中心的 AI 願景，釋出了一個促進智慧體發展的協議 ——Agent-to-Agent（A2A），旨在促進不同 AI 智慧體之間的安全、標準化通訊。
地址：https://google.github.io/A2A/#/
谷歌認為，2025 年將是 AI 方向轉型之年，生成式 AI 的應用形式會從回答單一問題轉向透過智慧體系統來解決複雜問題。
A2A 協議允許跨平臺、跨框架的智慧體實現互操作，為它們提供了共同的「語言」和安全的通訊渠道。這一協議可視為智慧體的網路層，其目標是簡化複雜工作流程中的智慧體協作，使專業 AI 智慧體能夠協同完成各種複雜度和時長的任務，從而透過協作提升整體能力。
A2A 的工作原理
谷歌在部落格中對 MCP 和 A2A 兩種協議進行了比較。
MCP（模型上下文協議，Model Context Protocol）用於工具和資源管理
-
透過結構化的輸入 / 輸出將智慧體連線到工具、API 介面和資源
-
Google ADK 支援 MCP 工具，使得各類 MCP 伺服器能夠與智慧體配合使用
A2A（智慧體間協議，Agent2Agent Protocol）用於智慧體之間的協作
-
在不共享記憶體、資源和工具的情況下，實現智慧體之間的動態多模態通訊
-
由社群驅動的開放標準
-
可使用 Google ADK、LangGraph、Crew.AI 等工具檢視示例
總的來說，A2A 與 MCP 是互補的：MCP 可以為智慧體提供工具支援，而 A2A 則讓這些裝備了工具的智慧體能夠相互對話和協作。
從谷歌公佈的合作伙伴陣容來看，A2A 似乎有望獲得類似 MCP 的關注度。該計劃已吸引超過 50 家企業加入首批合作陣營，包括領先科技企業以及全球頂級諮詢和系統整合服務商。
谷歌強調了該協議的開放性，將其作為智慧體相互協作的標準方式，不受底層技術框架或服務供應商的限制。谷歌表示，在與合作伙伴設計協議時，堅持了以下五項關鍵原則：
1. 擁抱智慧體能力：A2A 專注於使智慧體能夠以其自然、非結構化的方式進行協作，即使它們不共享記憶、工具和上下文。我們正在實現真正的多智慧體場景，而不將智慧體限制為「工具」。
2. 基於現有標準構建：該協議建立在現有流行標準之上，包括 HTTP、SSE、JSON-RPC，這意味著它更容易與企業日常使用的現有 IT 堆疊整合。
3. 預設安全：A2A 設計為支援企業級身份驗證和授權，在釋出時與 OpenAPI 的身份驗證方案相當。
4. 支援長時間執行的任務：我們設計 A2A 具有靈活性，支援各種場景，從快速任務到可能需要數小時甚至數天（當人類參與其中時）的深入研究。在整個過程中，A2A 可以向用戶提供即時反饋、通知和狀態更新。
5. 模態無關：智慧體世界不僅限於文字，這就是為什麼我們設計 A2A 支援各種模態，包括音訊和影片流。
官方還給出了一個例子，透過 A2A 招聘流程得到顯著簡化。
在 Agentspace 等統一介面中，招聘經理可指派智慧體依據職位需求尋找匹配人選，該智慧體會與專業領域智慧體互動完成候選人尋源工作。使用者還可指示智慧體安排面試，並啟用其他專項智慧體協助背景調查，從而實現跨系統協作的全流程智慧化招聘。
與此同時，谷歌也在擁抱 MCP。就在 OpenAI 宣佈採用競爭對手 Anthropic 的模型上下文協議（Model Context Protocol，簡稱 MCP）幾周後，Google 也緊隨其後加入了這一行列。
剛剛，Google DeepMind 執行長 Demis Hassabis 在 X 平臺上發文宣佈，Google 將在其 Gemini 模型和 SDK 中新增對 MCP 的支援。不過他並未給出具體時間表。
Hassabis 表示：「MCP 是一個優秀的協議，正在迅速成為 AI 智慧體時代的開放標準。期待與 MCP 團隊和業界其他夥伴一起推進這項技術的發展。」
自 2024 年 11 月釋出以來，MCP 迅速走紅，引發廣泛關注，成為連線語言模型與工具和資料的一種簡單、標準化方式。
MCP 使 AI 模型能夠從企業工具和軟體等資料來源獲取資料以完成任務，並訪問內容庫和應用程式開發環境。該協議允許開發者在資料來源與 AI 驅動的應用程式（如聊天機器人）之間建立雙向連線。
開發者可以透過 MCP 伺服器開放資料介面，並構建 MCP 客戶端（如應用程式和工作流）來連線這些伺服器。自從 Anthropic 開源 MCP 以來，多個公司已在其平臺中集成了 MCP 支援。
參考內容：
https://blog.google/products/google-cloud/ironwood-tpu-age-of-inference/
https://venturebeat.com/ai/googles-new-ironwood-chip-is-24x-more-powerful-than-the-worlds-fastest-supercomputer/
https://arstechnica.com/gadgets/2025/04/google-unveils-ironwood-its-most-powerful-ai-processor-yet/
https://virtualizationreview.com/articles/2025/04/09/protocols-for-agentic-ai-googles-new-a2a-joins-viral-mcp.aspx
https://developers.googleblog.com/zh-hans/a2a-a-new-era-of-agent-interoperability/
https://google.github.io/A2A/#/
© THE END
轉載請聯絡本公眾號獲得授權
投稿或尋求報道：[email protected]