A Unidade de Processamento Tensorial v5 (TPU v5) é um circuito integrado de aplicação específica (ASIC) personalizado, desenvolvido pela Google para acelerar cargas de trabalho de aprendizado de máquina e inteligência artificial, particularmente modelos de aprendizado profundo, como os modelos de linguagem de grande porte baseados em transformadores. Como a quinta geração da família de TPUs da Google, ela se baseia nos princípios arquitetônicos de seus antecessores, enfatizando computação de alto volume e baixa precisão (por exemplo, 8 bits ou menos) e operações de entrada/saída otimizadas por joule, sem o hardware de rasterização ou mapeamento de texturas encontrado em unidades de processamento gráfico (GPUs). A TPU v5 é projetada para suportar estruturas como TensorFlow, JAX e PyTorch, e é implantada nos data centers da Google e oferecida por meio dos serviços de Google Cloud. Em comparação com GPUs, TPUs como a v5 são frequentemente usadas para inferência em fluxos de trabalho baseados em transformadores, enquanto GPUs são comumente usadas para treinamento, embora as TPUs também suportem tarefas de treinamento.
Design e Arquitetura
A TPU v5 dá continuidade à tradição da Google de usar uma arquitetura de matriz sistólica para multiplicação de matrizes, um design que remonta a sistemas sistólicos anteriores, como o WARP, e foi popularizado pela TPU original. O chip é projetado para alto rendimento com precisão reduzida, permitindo a execução eficiente de operações de redes neurais. Ele é empacotado com um dissipador de calor que se encaixa em slots padrão de racks de data centers, semelhante às gerações anteriores de TPUs. A geração v5 provavelmente incorpora melhorias na largura de banda da memória e na densidade de computação em relação à TPU v4, embora detalhes técnicos específicos (por exemplo, tamanho do die, velocidade do clock, capacidade de memória) não sejam divulgados publicamente até 2025. As TPUs da Google são proprietárias, e a Broadcom atua como codesenvolvedora, traduzindo a arquitetura da Google em silício fabricável, com a produção gerenciada por fundições terceirizadas como a TSMC.
História e Desenvolvimento
O programa de TPUs começou em 2013, quando a Google recrutou Amir Salek para estabelecer capacidades internas de silício personalizado. Salek liderou o desenvolvimento da TPU original e das gerações subsequentes, incluindo TPU v2, v3, v4 e Edge TPU. A primeira TPU foi anunciada em maio de 2016 na Google I/O, já tendo sido usada internamente desde 2015. Norman P. Jouppi atuou como líder técnico e arquiteto principal, e seu artigo de 2017 demonstrou desempenho 15 a 30 vezes maior e eficiência energética (desempenho por watt) 30 a 80 vezes maior do que CPUs e GPUs contemporâneas. A TPU v5 representa a iteração mais recente, introduzida após a TPU v4, que foi anunciada em 2021. Em 2025, o Google Cloud gera receita significativa com sistemas de TPU, e espera-se que a geração v5 seja um produto-chave.
Desempenho e Casos de Uso
A TPU v5 é otimizada para treinamento e inferência de modelos de redes neurais, particularmente transformadores em larga escala usados em aplicações de IA generativa. Em fluxos de trabalho que envolvem LLMs, as TPUs são frequentemente usadas para inferência, enquanto as GPUs são usadas para treinamento, mas a TPU v5 visa se destacar em ambas as áreas. A Google tem usado TPUs para serviços como Google Fotos (processando mais de 100 milhões de fotos por dia por chip), extração de texto do Google Street View e RankBrain para resultados de busca. A TPU v5 provavelmente dá continuidade a essa tendência, permitindo o processamento mais rápido e eficiente de cargas de trabalho de IA na nuvem.
Implantação e Ecossistema
As TPUs estão disponíveis para terceiros por meio do serviço Cloud TPU do Google Cloud, bem como por meio dos notebooks do Kaggle e do Colaboratory. Em setembro de 2025, a Google estava em negociações com "neoclouds" como Crusoe e CoreWeave para implantar TPUs em seus data centers, e, em novembro de 2025, a Meta estava em discussões com a Google para implantar TPUs em seus data centers de IA. Isso sugere que a TPU v5 pode ser implantada além da infraestrutura da própria Google, expandindo seu ecossistema. A natureza proprietária das TPUs significa que o acesso se dá principalmente por meio de serviços de nuvem, mas o crescente interesse de provedores externos indica uma tendência de adoção mais ampla.
Comparação com Outros Aceleradores de IA
A TPU v5 compete com outros aceleradores de IA, como o Trainium da AWS, os motores wafer-scale da Cerebras, as unidades de processamento de linguagem da Groq e os processadores de fluxo de dados da SambaNova. Embora as GPUs da NVIDIA (não listadas) permaneçam dominantes no treinamento, as TPUs oferecem uma alternativa especializada com alta eficiência para cargas de trabalho específicas. A escolha entre TPUs e GPUs depende da arquitetura do modelo: as TPUs são adequadas para CNNs e transformadores, enquanto as GPUs podem ser melhores para redes totalmente conectadas, e CPUs podem ser vantajosas para RNNs. O design da TPU v5 visa manter a vantagem competitiva da Google em infraestrutura de IA, especialmente à medida que a demanda por serviços de IA em larga escala cresce.