TPU

TPUとは何か?

Tensor Processing Unit(TPU)は、Googleが機械学習ワークロード専用に開発したカスタム設計のAIアクセラレータチップです。汎用GPUとは異なり、TPUはニューラルネットワーク計算を支配する行列演算、特に深層学習モデルのトレーニングと実行に使用されるテンソル計算に最適化されています。

TPU世代

Googleは7世代のTPUをリリースしました:

世代	年	主要機能
TPU v1	2016	推論のみ、92 TFLOPS
TPU v2	2017	トレーニング機能を追加
TPU v3	2018	液体冷却、420 TFLOPS
TPU v4	2021	チップあたり275 TFLOPS
TPU v5e	2023	コスト最適化
TPU v6 “Trillium”	2024	効率向上
TPU v7 “Ironwood”	2025	推論最適化、4,614 TFLOPS

Ironwood(TPU v7) - 2025

Googleの最新TPU、Ironwoodは大きな飛躍を表します:

パフォーマンス: チップあたり4,614 TFLOPS—トレーニングと推論の両方で前世代の4倍優れています。

スケール: 256チップと9,216チップの構成で提供。フルスケールでは、42.5エクサフロップスのFP8計算を提供—世界最大のスーパーコンピュータよりも強力です。

メモリ: スーパーポッド全体で1.77ペタバイトの共有高帯域幅メモリ。

ネットワーク: チップはチップ間相互接続(ICI)を介して9.6 Tb/sで接続されます。

設計フォーカス: 推論専用に設計された最初のTPUで、LLMとMixture of Expertsアーキテクチャを含む「思考モデル」に最適化されています。

業界採用

AnthropicはClaudeを実行するために最大100万台のTPUを使用する予定です。

MetaはデータセンターでTPUを展開することについてGoogleと協議中です。

Neoclouds(CrusoeやCoreWeaveなど)もTPU展開を検討しています。

TPUの設計方法

GoogleはAlphaChip、強化学習システムを使用してチップレイアウトを生成します。このAI設計アプローチは過去3世代のTPUに使用されており、人間が設計した代替案を上回るレイアウトを作成します。

Broadcomは、TSMCを通じた製造でGoogleの仕様に基づいてチップを製造します。

TPU vs GPU

側面	TPU	GPU(例:NVIDIA H100)
設計	AI用カスタム	一般的な並列計算
可用性	Google Cloudのみ	広く利用可能
最適化	行列/テンソル演算	より広範なワークロード
スケール	大規模クラスター用に構築	個別またはクラスター
ソフトウェア	TensorFlow/JAXネイティブ	CUDAエコシステム

なぜ重要か

TPUは、カスタムシリコンが特定のAIワークロードに対して汎用ハードウェアを上回ることができることを示しています。AIトレーニングコストが数十億ドルに達するにつれて、特殊化されたチップからの効率向上が経済的に重要になります。GoogleのTPUへの投資により、NVIDIAのGPU支配からのインフラストラクチャ独立性が得られます。

関連記事

• Jeff Dean - Google主任科学者、主要TPUアーキテクト
• AIインフラストラクチャ - より広範な計算エコシステム
• スケーリング法則 - TPUスケールが可能にするもの