AIニュース

Googleが第8世代TPUに8txと8i Maxを追加|Geminiとの関係

Googleは2026年11月9日、第8世代TPUのラインアップに「TPU 8tx」と「TPU 8i Max」という2つのシステムを追加したと発表しました。TPUとはGoogleが10年以上前から自社設計してきたAI処理向けのプロセッサで、Geminiモデルの学習と提供にも使われているものです。個人が直接買って使う製品ではありませんが、長いコンテキストやAIエージェントが動く土台の話なので、仕組みを知っておくと日々の使い方の判断がしやすくなります。

要点

  • Googleは第8世代TPUに「TPU 8tx」(機密性の高い推論向け)と「TPU 8i Max」(巨大なコンテキストウィンドウと1ラックあたり最高の計算密度向け)を追加した
  • 1年のうちに4つのTPUシステムを投入したのは初めてで、第8世代は8t・8i・8tx・8i Maxの4構成になった
  • TPU 8txは処理中のデータとモデルの重みをハードウェアの層で保護し、TPU 8t比で最大2倍低いレイテンシをうたう
  • TPU 8i MaxはTPU 8iのチップ2つを1パッケージにまとめ、計算性能・SRAM・HBM帯域をそれぞれ2倍にした
  • ソフトウェア面ではTorchTPUやTPU Syncの公開、Agent Compute Engineなどが同時に示された

何が発表されたか

第8世代TPUが4システム構成になった

Googleは4月のGoogle Cloud Nextで、大規模学習向けの「TPU 8t」とリアルタイム推論向けの「TPU 8i」という同世代の専用TPUを2つ発表していました。この2つは前世代のTPUと比べて、学習性能が最大2.7倍、推論の価格性能が80%向上するとしています。TPU 8tは「goodput」(使った電力あたりに得られる有用な知性)を最大化する学習向けで、TPU 8iはチップ間の通信遅延を最大で半分に削る推論エンジンという位置づけです。

今回追加された2つはここに加わるもので、Googleは1年のうちに4つのTPUシステムを投入したのは初めてだと説明しています。TPUの顧客は約100社に達し、フロンティアラボや取引会社、小売、大学などが含まれるとしています。

TPU 8txは使用中のデータを守る

TPU 8txは第8世代の3番目のシステムで、機密性の高い推論に最適化され、小規模な学習にも適するとされています。想定されているのは、規制の厳しい企業や政府機関が、フロンティアモデルや自社固有のモデル、自律エージェントを機密データのそばで動かす場面です。

通常、データは保存時やネットワーク送信時に暗号化されていても、コンピュータが処理する間はメモリ上で解かれます。TPU 8txはTPU 8tと同じシリコンを使い、第5世代AMD EPYC CPUをホストに組み合わせることで、セキュリティをハードウェアの層に組み込み、処理中のデータとモデルの重みを保護・隔離するとしています。さらにリアルタイム推論向けに作られた低レイテンシの「Boardfly」ネットワークを採用し、TPU 8tと比べて最大2倍低いレイテンシを、ほぼ性能の犠牲なく実現するとしています。

学習向けの計算力と高速な推論ネットワークが同じシステムに載るため、自社の非公開データでのファインチューニング、大きなモデルの小型化(蒸留)、強化学習によるエージェントの訓練を、機密データを別のクラスタへ移さずに行えるとされています。

TPU 8i Maxはメモリの壁に向き合う

TPU 8i Maxが解こうとしているのは「メモリの壁」です。多数のAIエージェントがソフトウェアのコードベース全体や数時間分の動画を同時に扱うと、メモリ帯域がすぐにボトルネックになります。そこでGoogleは低レイテンシのTPU 8iチップ2つを1つのパッケージにまとめました。

TPU 8i MaxはTPU 8iに対して計算性能・SRAM・HBM帯域をいずれも2倍にし、大きな処理が止まらないようにしています。また既存のラックの大きさのまま2倍のシリコンを収めるため、データセンターは面積あたり・電力あたりの計算力を大きく増やせるとしています。

ソフトウェアも同時に更新

  • TorchTPUがオープンソース化され、PyTorchのコードとHugging Faceのモデルがそのままネイティブに動くようになった
  • プレビュー公開のTPU agent suiteは、Claude Code・Cursor・Google Antigravityといったコーディングツールに直接つながる
  • Agent Compute Engineは、待ち時間で止まっているエージェントのセッションを自動で一時停止・再開する
  • TPU Syncの公開により、KV転送のレイテンシとTime to First Token(最初のトークンが返るまでの時間)を90%以上削減するとしている
  • Google Kubernetes Engine(GKE)でCloud Pathwaysが一般提供になり、Geminiの背後にあるGoogle DeepMindのランタイムがGoogle Cloudの顧客に届く
  • GKE dynamic slicingも一般提供になり、ジョブの起動時間を最大5倍、障害復旧を最大4.5倍速めるとしている
  • 実運用に近いエージェント型コーディングと長文脈の処理を試すInferenceXとAgentXのベンチマークで、TPU上のvLLM-TorchTPUスタックが価格性能の最高水準を達成したとしている

個人の仕事や学びにどう使えるか

長いコンテキストを前提にした使い方を組み立てる

TPU Syncは、256Kから1M以上のトークンに及ぶセッションで、古くなったKVブロックをTPUのHBMから自動的に外へ移していくと説明されています。長い対話や大量の資料を一度に扱う前提で基盤が整えられている、ということです。企画職やマーケティング担当なら、資料を小分けに貼るのではなく、関連資料をまとめて渡して横断的に聞く進め方を一度試して、手元の環境でどこまで通るかを見極めるとよいでしょう。

エンジニアや学習中の人が試す入口が増える

TorchTPUの公開でPyTorchのコードとHugging Faceのモデルが書き換えなしにTPUで動くとされ、TPU agent suiteはClaude Code・Cursor・Google Antigravityから使えるとされています。業務でモデルを扱うエンジニアや、機械学習を学び直している人には、学習環境の選択肢を考える材料になります。

社内のAI活用を説明する立場の材料になる

情報システムや管理部門の担当者にとっては、TPU 8txの「処理中のデータもハードウェアの層で保護する」という考え方が、機密情報とAIをどう両立させるかを社内で議論するときの論点になります。

会社・チームで使うときのポイント

今回の発表はデータセンター側の話が中心で、現場の担当者がすぐ設定を変える類のものではありません。一方で、どんな仕事をAIに任せるかという判断には関わってきます。機密データの扱い、長い文脈をまたぐ業務、複数のエージェントに任せる作業のどれが自社にあるのかを先に棚卸ししておくと、基盤の進化を実際の業務設計につなげやすくなります。法人として導入や研修を考える段階なら、株式会社デジライズに相談できます。デジライズは法人向けAIリスキリングサービスで導入社数No.1(東京商工リサーチ・2026年3月末時点)で、累計600社超・5万人以上のAI活用を支援しています。

使う前の注意点

出典で説明されているのは、Google Cloudの顧客や企業・政府機関に向けた内容です。TPU 8txは規制の厳しい企業や政府機関が機密データのそばでモデルを動かす場面を想定したシステムとして紹介されています。

性能の数値も条件付きです。TPU Syncの結果は2026年7月にTPU v7x(2x2x1トポロジー)で行われた内部テストに基づくもので、実際の性能やキャッシュのヒット率、レイテンシの改善幅は、システム構成やネットワーク帯域、同時に流れるトラフィック、作業内容によって変わるとされています。TPU agent suiteはプレビュー段階、強化学習向けのモジュールはリポジトリに実験的なものとして含まれる、という記述もあります。自分の環境で何が使えるかは、使う前に公式のヘルプで最新の提供範囲を確かめてください。

まとめ

TPUとは何かを押さえると、Geminiが長い文脈をどう扱い、エージェントがなぜ待ち時間を含んだまま動けるのかが見えてきます。Googleは自社でも、Geminiを使ってチップのレイアウトを数週間から数時間に短縮していると述べており、AIがAIの基盤を作る流れも進んでいます。基盤の話を自分の仕事に落とし込むところまで体系的に学ぶなら、デジライズAIスクールのコース一覧から「Gemini基礎(初級)」のような講座で土台を固める進め方もあります。デジライズAIスクールは個人向けのオンラインAIスクールで、動画は990本以上あります。

出典


この記事は、各社の公式の発表をもとに AI で下書きし、出典の本文との照合とGoogle 検索による事実確認(ファクトチェック)を通ったものだけを公開しています。

TPUとはGeminiとの関係|8txと8i Max追加 | デジライズAIスクール