टेन्सर प्रोसेसिंग यूनिट v5 (TPU v5) गूगल द्वारा विकसित एक कस्टम एप्लिकेशन-विशिष्ट एकीकृत सर्किट (ASIC) है, जिसे मशीन-लर्निंग और कृत्रिम-बुद्धिमत्ता कार्यभारों को तेज करने के लिए डिज़ाइन किया गया है, विशेष रूप से डीप-लर्निंग मॉडल जैसे कि ट्रांसफॉर्मर-आधारित बड़े-भाषा-मॉडल। गूगल के TPU परिवार की पांचवीं पीढ़ी के रूप में, यह अपने पूर्ववर्तियों के वास्तुशिल्प सिद्धांतों पर आधारित है, जिसमें उच्च-मात्रा, निम्न-परिशुद्धता गणना (जैसे, 8-बिट या उससे कम) और प्रति जूल अनुकूलित इनपुट/आउटपुट संचालन पर जोर दिया गया है, बिना ग्राफिक्स प्रोसेसिंग यूनिट (GPU) में पाए जाने वाले रैस्टराइज़ेशन या टेक्सचर-मैपिंग हार्डवेयर के। TPU v5 को TensorFlow, JAX, और PyTorch जैसे फ्रेमवर्क का समर्थन करने के लिए डिज़ाइन किया गया है, और इसे गूगल के डेटा केंद्रों में तैनात किया जाता है तथा गूगल-क्लाउड सेवाओं के माध्यम से पेश किया जाता है। GPU की तुलना में, v5 जैसे TPU अक्सर ट्रांसफॉर्मर-आधारित वर्कफ्लो में अनुमान (inference) के लिए उपयोग किए जाते हैं, जबकि GPU अक्सर प्रशिक्षण के लिए उपयोग किए जाते हैं, हालांकि TPU प्रशिक्षण कार्यों का भी समर्थन करते हैं।
डिज़ाइन और वास्तुकला
TPU v5 मैट्रिक्स गुणन के लिए सिस्टोलिक ऐरे वास्तुकला का उपयोग करने की गूगल की परंपरा को जारी रखता है, एक डिज़ाइन जो WARP जैसी प्रारंभिक सिस्टोलिक प्रणालियों से उत्पन्न हुआ और मूल TPU द्वारा लोकप्रिय बनाया गया। चिप को कम परिशुद्धता के साथ उच्च थ्रूपुट के लिए इंजीनियर किया गया है, जिससे तंत्रिका नेटवर्क संचालन का कुशल निष्पादन संभव होता है। इसे एक हीटसिंक असेंबली के साथ पैक किया जाता है जो पिछली TPU पीढ़ियों के समान, मानक डेटा केंद्र रैक स्लॉट में फिट होती है। v5 पीढ़ी में संभवतः TPU v4 की तुलना में मेमोरी बैंडविड्थ और कंप्यूट घनत्व में सुधार शामिल हैं, हालांकि विशिष्ट तकनीकी विवरण (जैसे, डाई आकार, क्लॉक गति, मेमोरी क्षमता) 2025 तक सार्वजनिक रूप से खुलासा नहीं किए गए हैं। गूगल के TPU मालिकाना हैं, और Broadcom सह-विकासकर्ता के रूप में कार्य करता है, गूगल की वास्तुकला को विनिर्माण योग्य सिलिकॉन में अनुवादित करता है, जिसकी फैब्रिकेशन टीएसएमसी जैसी तृतीय-पक्ष फाउंड्री के माध्यम से प्रबंधित की जाती है।
इतिहास और विकास
TPU कार्यक्रम 2013 में शुरू हुआ जब गूगल ने कस्टम सिलिकॉन क्षमताएं स्थापित करने के लिए अमीर सालेक को भर्ती किया। सालेक ने मूल TPU और बाद की पीढ़ियों, जिसमें TPU v2, v3, v4, और Edge TPU शामिल हैं, के विकास का नेतृत्व किया। पहला TPU मई 2016 में Google I/O में घोषित किया गया था, जिसका उपयोग 2015 से आंतरिक रूप से किया जा रहा था। नॉर्मन पी. जौप्पी ने तकनीकी लीड और प्रमुख वास्तुकार के रूप में कार्य किया, और उनके 2017 के पेपर ने समकालीन CPU और GPU की तुलना में 15–30x उच्च प्रदर्शन और 30–80x उच्च प्रदर्शन-प्रति-वाट प्रदर्शित किया। TPU v5 नवीनतम पुनरावृत्ति का प्रतिनिधित्व करता है, जिसे TPU v4 के बाद पेश किया गया, जिसकी घोषणा 2021 में हुई थी। 2025 तक, गूगल क्लाउड TPU प्रणालियों से महत्वपूर्ण राजस्व उत्पन्न करता है, और v5 पीढ़ी एक प्रमुख उत्पाद होने की उम्मीद है।
प्रदर्शन और उपयोग के मामले
TPU v5 तंत्रिका-नेटवर्क मॉडल के प्रशिक्षण और अनुमान दोनों के लिए अनुकूलित है, विशेष रूप से जनरेटिव-एआई अनुप्रयोगों में उपयोग किए जाने वाले बड़े पैमाने के ट्रांसफॉर्मर। LLM से जुड़े वर्कफ्लो में, TPU अक्सर अनुमान के लिए उपयोग किए जाते हैं, जबकि GPU प्रशिक्षण के लिए उपयोग किए जाते हैं, लेकिन TPU v5 दोनों में उत्कृष्टता प्राप्त करने का लक्ष्य रखता है। गूगल ने Google Photos (प्रति चिप प्रति दिन 100 मिलियन से अधिक फोटो संसाधित करना), Google Street View टेक्स्ट निष्कर्षण, और खोज परिणामों के लिए RankBrain जैसी सेवाओं के लिए TPU का उपयोग किया है। TPU v5 संभवतः इस प्रवृत्ति को जारी रखता है, क्लाउड में AI कार्यभारों का तेज़ और अधिक कुशल प्रसंस्करण सक्षम करता है।
तैनाती और पारिस्थितिकी तंत्र
TPU तृतीय पक्षों के लिए गूगल क्लाउड की Cloud TPU सेवा के साथ-साथ Kaggle और Colaboratory नोटबुक के माध्यम से उपलब्ध हैं। सितंबर 2025 में, गूगल अपने डेटा केंद्रों में TPU तैनात करने के बारे में Crusoe और CoreWeave जैसी "नियोक्लाउड" कंपनियों के साथ बातचीत में था, और नवंबर 2025 में, Meta अपने AI डेटा केंद्रों में TPU तैनात करने के लिए गूगल के साथ चर्चा में था। यह सुझाव देता है कि TPU v5 को गूगल के अपने बुनियादी ढांचे से परे तैनात किया जा सकता है, जिससे इसका पारिस्थितिकी तंत्र विस्तारित हो सकता है। TPU की मालिकाना प्रकृति का मतलब है कि पहुंच मुख्य रूप से क्लाउड सेवाओं के माध्यम से है, लेकिन बाहरी प्रदाताओं की बढ़ती रुचि व्यापक अपनाने की प्रवृत्ति का संकेत देती है।
अन्य AI त्वरक के साथ तुलना
TPU v5 अन्य AI त्वरक जैसे एडब्ल्यूएस-ट्रेनियम, सेरेब्रास के वेफर-स्केल इंजन, ग्रोक के भाषा प्रसंस्करण इकाइयां, और सांबा-नोवा के डेटाफ्लो प्रोसेसर के साथ प्रतिस्पर्धा करता है। जबकि एनवीडिया के GPU (सूचीबद्ध नहीं) प्रशिक्षण के लिए प्रमुख बने हुए हैं, TPU विशिष्ट कार्यभारों के लिए उच्च दक्षता के साथ एक विशेष विकल्प प्रदान करते हैं। TPU और GPU के बीच चुनाव मॉडल वास्तुकला पर निर्भर करता है: TPU CNN और ट्रांसफॉर्मर के लिए उपयुक्त हैं, जबकि GPU पूरी तरह से जुड़े नेटवर्क को लाभ पहुंचा सकते हैं, और CPU RNN के लिए फायदेमंद हो सकते हैं। TPU v5 का डिज़ाइन गूगल की AI बुनियादी ढांचे में प्रतिस्पर्धात्मक बढ़त बनाए रखने का लक्ष्य रखता है, विशेष रूप से बड़े पैमाने पर AI सेवाओं की मांग बढ़ने के साथ।