---
title: Google stellt TPU 8tx und TPU 8i Max vor
url: https://www.elseif.net/de/google-stellt-tpu-8tx-und-tpu-8i-max-vor
published: 2026-11-12T14:07:23+00:00
language: de
section: Harnesses
source: https://www.techtalkthai.com/google-launches-tpu-8tx-8i-max-confidential-inference-large-context/
organizations: Google
publisher: elseif
---

# Google stellt TPU 8tx und TPU 8i Max vor

Google hat zwei neue Systeme aus der TPU-Generation 8 vorgestellt: TPU 8tx für vertrauliche Inferenz auf Hardwareebene und TPU 8i Max mit zwei TPU-8i-Chips in einem Paket zur Unterstützung großer Kontextfenster.

Die TPU 8tx wurde für Organisationen in stark regulierten Branchen und Behörden entwickelt, die Modelle und KI-Agenten mit sensiblen Daten ausführen müssen. Während Daten normalerweise bei der Speicherung oder Übertragung verschlüsselt werden, müssen sie während der Verarbeitung entschlüsselt werden. Die TPU 8tx integriert Sicherheitsfunktionen auf Hardwareebene, um Daten und Modellgewichte auch während der Verarbeitung zu schützen und zu isolieren. Das System nutzt das gleiche Boardfly-Netzwerk mit niedriger Latenz wie die TPU 8i und erreicht eine bis zu zweifach niedrigere Latenz als die TPU 8t, ohne die Leistung wesentlich zu beeinträchtigen. Organisationen können damit ein einzelnes System zum Feinabstimmung von Modellen mit internen Daten, zur Destillation großer Modelle in kleinere und zum Training von Agenten mit Reinforcement Learning verwenden, ohne sensible Daten zwischen Clustern zu verschieben.

Die TPU 8i Max adressiert das Memory-Wall-Problem, das auftritt, wenn Dutzende von KI-Agenten gleichzeitig an großen Codebases oder mehrstündigen Videos arbeiten und die Speicherbandbreite zum Engpass wird. Google kombinierte zwei TPU-8i-Chips in einem Paket, was die Rechenleistung, SRAM und HBM-Bandbreite verdoppelt. Dies ermöglicht doppelte Rechenleistung pro Rack-Fläche und pro Watt.

Die TPU-8-Generation teilt sich nun in vier Systeme auf: TPU 8t für Modelltraining, TPU 8i für latenzarmes Reasoning, TPU 8tx für vertrauliches Computing und TPU 8i Max für große Kontextfenster und maximale Rechendichte pro Rack. Dies ist das erste Mal, dass Google vier TPU-Systeme in einem Jahr vorstellt. Die neuen Systeme verwenden keine neuen Chips, sondern reorganisieren Compute, Networking, Storage und Packaging um bestehende Chips, was es Google ermöglicht, spezialisierte Systeme in Monaten statt Jahren bereitzustellen.

Google hat mehrere Open-Source-Softwaretools veröffentlicht. TorchTPU ermöglicht es, PyTorch-Code und Modelle von Hugging Face direkt auf TPU auszuführen, ohne Code zu ändern. Die TPU Agent Suite im Preview-Modus funktioniert mit Claude Code, Cursor und Google Antigravity, um die Nutzung von TPU innerhalb von Minuten zu ermöglichen. Der XLA Serving Engine ermöglicht es, Modelle in Python zu trainieren und dann auf einer C++-Runtime auf TPU, GPU und CPU bereitzustellen. Die Agent Compute Engine setzt und setzt Agenten-Sitzungen automatisch fort, um Infrastrukturkosten zu senken.

Für die Verwaltung großer Cluster hat Google TPU Sync als Open Source veröffentlicht, das HBM von Chips, DRAM von Hosts, gemeinsamen Speicher und Netzwerk in einer einzigen Speicherhierarchie vereint und die Latenz beim Versand von KV-Cache und Time to First Token um über 90 Prozent reduziert. Cloud Pathways ist jetzt allgemein verfügbar auf Google Kubernetes Engine und ermöglicht die Kontrolle mehrerer TPU-Slices von einem einzelnen Controller aus. GKE Dynamic Slicing, ebenfalls allgemein verfügbar, nutzt Optical Circuit Switching zum sofortigen Zusammenstellen oder Aufteilen von TPU-Slices ohne neue Node-Pools und beschleunigt den Jobstart um bis zu das Fünffache und die Fehlerwiederherstellung um bis zu das 4,5-Fache.